一种基于运动想象的脑机接口软硬件系统设计与实现

苏田丰 路林吉

（上海交通大学，上海，200240）

0 引言

人脑结构复杂，功能强大。Jcaques Vidal在1973年首次提出“脑机接口（BCI）”的概念，并在随后进行了定义： 脑机接口是一种反映大脑活动内在机理的微弱信息的计算机科学系统技术。1999年第一届国际BCI会议给出了BCI技术的定义，“BCI是不用通过大脑和相关肌肉组织进行动作就可与外部设备交互的系统”。随着医学、集成电路，模式识别等学科的发展，我国对于脑机接口的研究日益深入，2012年，浙江大学研究团队通过侵入式脑电采集系统采集猴子的脑电信号，使其可以控制机械手；浙江大学还通过识别人脑信号对实验小鼠进行左右行动控制；郑州大学张利朋利用脑电信号进行机器人的前进以及左右移动控制。

根据诱发信号种类的不同，脑机接口可以分为基于视觉刺激电位的脑电接口和基于运动想象的脑机接口两类。基于运动想象的脑机接口由于其使用便利性获得了越来越多研究者的关注。目前对于脑机接口的研究多是针对多通道设备，采集数据多，冗余量大，虽然取得了较高的准确率，但计算速度较慢。本文设计了一款基于运动想象的少通道脑机接口，通过这款设备实现灯的开关。

1 硬件设计

本文中的脑机接口的组成部分有：脑电极、数据采集与信号放大、通信部分、计算机（PC）、控制设备。设备硬件的工作流程如图1所示。

图1 硬件部分工作流程图

1.1 脑电极

脑电极分为湿电极和干电极。湿电极在使用时要实现在受试人头皮部涂抹导电膏或者将电极浸泡在生理盐水中增加其导电性，因此湿电极采集到的信号信噪比较高，但使用不便。干电极不需要在使用前进行任何操作，使用方便，其材料一般选取阻抗很小的物质，例如：银(Ag)、氯化银(AgCl)等，本设计采用由AgCl为材料的干电极。

1.2 A/D转换

采集芯片使用ADS1256，其是TI公司推出的一款AD转换芯片，精度为24bit，数据传输率高达30kSPS，可实现快速切换，最高可实现8通道同时采集数据，也可将8个通道转为4个差分电路进行采集，噪声较低。

1.3 放大电路部分

脑电信号幅值微弱，仅仅只有10-200uV，因此需要对其进行放大，并且要采取多级放大的方式。本设计经过实验后采用2级放大的方式，初级放大10倍，次级放大1000倍。电路原理图如图2所示。

图2 放大电路原理图

1.4 通信部分

本设计采用的通信方式为网络通信方式，通信电路硬件原理图如图3所示。协议为TCP/IP协议。

图3 通信部分电路原理图

上位机客户端计算机在监听到硬件设备后，发出“握手”命令，“握手”成功后，开始接受数据采集卡中的数据。

2 软件设计

本设计用MATLAB作为软件环境，MATLAB是一款强大的数学应用软件，并且具备基本的通信功能，其保证了在信号分析过程中使用方法的可靠性并可加快开发速度。

2.1 脑电信号的分类

脑电信号幅值微弱，在时域上分布复杂，但其在频域上有一定的特征性。医学发现，人日常的脑电波根据频率可以分为：δ波（0.3-3Hz）、θ波（4-7Hz）、α波（8-13Hz）、β波（16-30Hz）。其中α波，β波在人进行思维活动时会有明显的变化。脑电信号中的特定节律波形图见图4。

图4 α波与β波的波形图

2.2 基于运动想象的脑机接口的信号分类原理

当人在实际进行身体某部分动作或者想象身体某部分动作时，大脑在相应的区域的脑电信号较为活跃，这种现象被称为事件相关同步化（Event Related Synchronization, ERS）；其他区域脑电信号相对没有这样活跃，这种状态就是事件相关去同步化（Event Related Desynchronization, ERD）。人在想象自身左手或者右手运动时，大脑异侧会出现去同步化现象，而大脑同侧会出现同步化现象。

基于运动想象的脑机接口一般就是根据大脑特定区域中的同步/去同步现象来对采集到的脑电信号进行区分。

2.3 软件流程

本设计使用MATLAB中的filterDesigner设计巴特沃斯滤波器，如图5、图6所示。

图5 通带为8-13Hz的滤波器

图6 通带为16-30Hz的滤波器

将所有采集到的脑电数据的特征向量输入支持向量机(Support Vector Machine,SVM)进行训练，SVM是一种有监督机器学习方法，主要思想是通过寻找出一个最优的超平面，使得数据样本尽可能地分布在超平面两侧，从而达到分类效果。

计算出所有 后，SVM训练完毕。

SVM训练完成后，继续采集佩戴者的脑电信号并提取信号特征输入SVM中进行分类,将其带入到下式中：

计算出的结果就是SVM对于数据的判别结果(计算结果大于50%时判别为正样本，否则判为负样本)，从而控制灯的开关。

规定实验者通过想象自身右手运动(抓取动作)时控制灯亮，而想象自身左手运动时(抓取动作)控制灯灭，具体软件流程图见图7。

图7 软件流程图

3 实验结果

本文对两名健康男性青年和两名健康青年女性进行信号采集并进行分类，使用信号采样率为128Hz，使用3通道进行采集，其中1个电极为参考电极，参考电极放在耳垂处。每次采样时间为9s，每位实验者采集20组脑电数据训练SVM，之后再次进行20组脑电数据的采集（其中10组数据是控制开灯的脑电信号，10组数据是控制关灯的脑电信号）并通过分类器分类后输出控制指令，实验结果见表1。

表1 实验结果

从表1可以看出，前三次组实验均取得了较好的准确率，但最后组次实验得到结果不是很理想，分析原因可能是第二名实验者的头发过长，电极与头皮接触不充分所致。而在控制开灯的实验中，3位实验者得到的结果较好，而且女1实验者在进行关灯实验时获得最好的准确率，这里推测造成这样结果的原因是女1实验者是左利手，而其余三位实验者都是右利手。

4 结论

本文设计了一款基于运动想象的脑机接口设备，不同于以往多通道的脑机接口设备，本实验采用3通道进行数据采集，使用一种较为简便的信号特征提取方法对脑电信号进行特征提取，在实验中保持了一定的准确率。