基于稳态视觉诱发电位的字符输入系统研究

高　建，赵　丽，孙　永

（天津职业技术师范大学天津市信息传感与智能控制重点实验室，天津300222）



基于稳态视觉诱发电位的字符输入系统研究

高建，赵丽，孙永

（天津职业技术师范大学天津市信息传感与智能控制重点实验室，天津300222）

摘要：设计了一种基于稳态视觉诱发电位的实时脑-机接口系统，用于控制字符输入。系统以单片机和LED灯组成的视觉刺激器为稳态视觉诱发电位的刺激源，利用中科新拓NT9200系列脑电放大器对采集的脑电信号进行逐级放大，并采用滤波器进行滤波，之后通过USB数据线上传给计算机；在LabVIEW平台上对不同频率刺激下产生的脑电信号进行实时处理，产生脑-机接口控制命令，实现字符输入。实验证实，该系统具有良好的可行性和可靠性，具有较高的应用价值。

关键词：脑-机接口；稳态视觉诱发电位；字符输入系统

作为近年来迅速发展的一种人机接口，脑-机接口（brain-computer interface，BCI）是一种在人脑和计算机或其他电子设备之间进行通信和交流的控制系统，在残疾人康复领域具有重要的研究意义[1]。帮助肢体残疾严重的患者和交流障碍患者实现与外部环境的交流是研究发展BCI技术的主要目的之一，一些老人和残障人士因为各种原因无法用语言和肢体与外界交流，BCI可以为这些人群提供一种新的途径，满足其与外界交流的需求。

稳态视觉诱发电位（steady state visual evoked potential，SSVEP）是指视觉和认知能力正常的人眼受到视觉刺激后，大脑皮质枕区位置产生的特定电位信号[2]。SSVEP具有高信息传输率、较短训练时间和特征易于提取等优点，因此常作为输入信号用在人机交互系统中[3]。利用这一特点，本文设计了一套基于稳态视觉诱发电位的字符输入系统，系统采用单片机设计了7个闪烁的LED灯作为视觉刺激器，利用功率谱估计对脑电信号进行特征提取并将脑电信号转化为控制命令，在LabVIEW平台上搭建系统软件，实现了无需肢体动作只依靠脑电控制与外界通过字符输入来交流的功能，具有很强的实用性。

1　基于SSVEP的字符输入系统基本构成

基于SSVEP的字符输入系统主要由4个部分组成：视觉刺激器、信号采集模块、脑电信号处理和字符输入软件。视觉刺激器是由单片机控制不同频率闪烁的7个LED灯组成，闪烁频率在13.5～16.5 Hz之间。信号采集主要由中科新拓NT9200脑电放大器和Ag-AgCl电极组成，利用USB将采集到的被试脑电信号传输到计算机。脑电信号处理部分在计算机上完成，主要分为信号预处理、特征提取和模式分类3个部分。字符输入软件搭建在LabVIEW平台上，系统流程如图1所示。

图1　系统流程框图

系统初始化后，字符输入界面上显示26个英文字母、4个标点符号和10个数字分布在7×7的字符矩阵中；系统设定先确定横坐标，然后确定纵坐标。被试根据所需要输入字符的横坐标注视所对应的刺激器LED灯，系统接受控制指令后，字符所在行整行亮起；被试再根据字符的纵坐标注视对应的LED灯，系统接受指令后，字符输入成功，系统记录输入的字符和所消耗的时间。字符输入控制界面如图2所示。

图2　字符输入控制界面

1.1视觉刺激器

在基于稳态视觉诱发电位的脑-机接口中，视觉刺激器既是提供视觉刺激的外部装置，也是脑-机接口系统中的人机界面[4]。目前常用的视觉刺激器有2种设计方式：一种是采用软件控制显示器中图像的闪烁；另一种是在硬件电路里使用单片机控制发光装置的闪烁。系统使用的视觉刺激器是由AVR单片机控制7个LED灯组成。这种视觉刺激器通过单片机控制定时器，使7个LED灯以不同频率闪烁，并可通过调整闪烁的频率获得较好的刺激效果。本系统的7个闪烁LED频率分别为13.5 Hz、14.0 Hz、14.5 Hz、15.0 Hz、 15.5 Hz、16.0 Hz和16.5 Hz，分别对应字符输入界面的坐标1、2、3、4、5、6和7。

1.2脑电信号采集

脑电信号的采集在基于稳态视觉诱发电位的脑-机接口中具有重要作用[5]。本系统脑电信号是按照国际标准10-20系统电极标准放置法采集的O1通道的脑电信号，并以A1和A2通道的耳电极作为参考电极。

由于采集的是人体头皮表面十分微弱的脑电信号，所以系统需要将采集到的原始脑电信号用脑电放大器进行逐级放大[6]，同时采用滤波器将人体表面存在的噪音信号（如人体肌电、体表静电、肌电等）进行滤波。系统采用中科新拓NT9200脑电放大器进行实验，该放大器具有高精度、高可靠性和性能稳定等特点，符合本系统要求；脑电信号采集使用的电极是导电性能较好的Ag-AgCl电极。脑电放大器对采集到的原始脑电信号进行放大和滤波等预处理后，将脑电信号通过USB数据线传给计算机并保存在EEGData9文本中。

2　信号处理的实现

脑电信号是一种生物信号，不能直接作为控制信号作用于系统，因此需要将其进行处理并将其转化为控制命令[7]。脑电信号的处理过程包括脑电信号的预处理、特征提取和特征分类等。脑电信号通过脑电放大器的逐级放大以及滤波器的滤波后转化为数字信号作为计算机的输入控制信号，在LabVIEW软件上进行特征提取和模式识别分类，之后转化为控制指令控制字符输入。

2.1脑电信号的预处理

由于系统脑电信号采集的电极位于头皮表面，测量到的脑电信号幅度较弱并存在大量噪音信号，采集的脑电信号容易被各种干扰掩盖，因此需要进行滤波[8]。本系统采用Butterworth数字带通滤波器，带通频率为13～17 Hz，阻带频率为10 Hz和20 Hz，通带衰弱为0.5 dB，阻带衰减为50 dB。

2.2特征提取和分类识别

功率谱估计是用已检测到的一定数量的样本数据估计1个平稳随机信号的功率谱，反映随机信号各频率成份功率能量的分布情况，揭示信号中隐含的周期性及靠得很近的谱峰等有用信息[9-10]。因此，需要估计随机信号的功率谱密度函数才能描述它在频域内的幅值变化。

设随机信号为x（t），它的自相关函数为Rx（t），则x（t）的傅里叶变换为：

式中：Sx（f）为随机信号x（t）的自功率谱密度，可以从自功率谱密度中看出噪声信号频率的成分。本系统是以O1通道在一定频段内的能量作为判别依据，系统设置采样率为200 Hz，分析数据长度为2 s/次。功率谱估计的算法是将信号x（n）看作N个数据的有限序列，对x（n）做快速傅里叶变换x（k），然后取其幅值的平方并除以N作为序列x（n）的真实功率谱估计，具体公式为：

15 Hz的SSVEP脑电信号经过FFT后的频率图如图3所示。从图3中可以看出，原始信号经过特征提取后识别效果良好。

图3　15 Hz的SSVEP脑电信号FFT后的频率图

模式分类的方法是通过脑电信号的功率谱提取最大功率对应的频率值，然后采用模版匹配法将特征提取的结果转化为控制命令，通过查询提前设置好的转化表将特征提取后的脑电信号转化为对应的控制命令。例如：通过算法处理后将13.5 Hz的信号转化为控制命令1，14 Hz转化为2，依次推理16.5 Hz为7。

2.3LabVIEW中的实现

LabVIEW包含大量的工具与函数用于数据采集、分析、显示与存储等，可以实现将算法嵌入脑-机接口系统中。本系统的滤波、特征提取和模式分类等相关算法的执行过程都在LabVIEW平台上执行和实现。

3　基于SSVEP字符输入系统的实验

3.1实验准备

实验设备包括中科新拓NT9200系列脑电放大器、用于脑电信号采集的Ag-AgCl电极和基于LabVIEW平台的字符输入软件。基于VC平台开发的数据接收程序用来记录所输入的字符、判断字符输入是否正确和记录所消耗的时间。程序界面如图4所示。

实验共选取6名年龄在22～27岁之间的被试，4名男性、2名女性，被试身体健康，视力正常。由于稳态视觉诱发电位的稳定性很好，被试在实验前不需要进行专门训练。为减少外界因素干扰被试的实验过程，整个实验在灯光柔和且较为安静的环境下进行。

图4　VC程序界面

3.2实验过程

实验设施准备就绪后，被试了解实验机制，熟悉实验流程后就可以进入实验阶段。实验流程如下：①被试坐在视觉刺激器正前方，眼睛与视觉刺激的距离为50 cm左右，高度以双眼平视刺激器为宜。②在被试脑部枕区确定脑电信号采集位置O1处，并在此位置用75%的医用酒精擦拭，达到减少头皮电极的阻抗；为被试在O1处安放电极并在双耳乳突A1、A2处接上参考电极。③调节室内灯光亮度，避免灯光太亮影响刺激器的刺激效果，被试开始实验。

实验开始后，基于VC平台开发的软件随机出现60个字符，被试按照提供的字符，在软件界面的字符矩阵上确定字符的位置。被试先注视横坐标对应的闪光灯，若横坐标确定，字符所在行整行字符变为绿色，然后再注视纵坐标对应的字符。系统记录字符输入消耗的时间。

3.3实验结果和分析

实验共进行6次，每人实验1次，每次实验被试输入40个符字，并记录完成输入所需要的时间和最终输入正确的字数。实验结果如表1所示。

表1　字符输入系统实验结果统计表

实验结果显示，基于稳态视觉诱发电位的字符输入系统控制字符输入的正确率达到97.9%，单条指令发送的平均时间在5 s以内，单个有效字符输入速度为8.3 s/字，证明该系统是可行的，能够实现脱离肢体和语言动作，仅靠脑电信号就可以进行交流的目的。同时，该系统的设计也为下一步研发更加完善的字符输入系统进行了尝试。

4　结束语

本系统通过对采集的脑电原始信号进行预处理、特征提取、模式分类等一系列的信号处理后，实现了无需肢体动作只依靠脑电控制通过字符输入来与外界交流。通过对比发现，本文只需采集O1通道的脑电信号即可满足实验需求，系统操作简单方便，使用的算法易于识别。系统经实验验证可行，为脑-机接口的发展提供了技术支持。但对于识别速度和正确率仍需要进一步的改善，相信随着技术的进一步发展，会有更多更好的脑-机接口系统出现。

参考文献：

［1］李宏伟，赵丽.脑机接口视觉刺激器的设计与实现[J].机床与液压，2010，28（14）：45-47.

［2］赵丽，孙永.基于稳态视觉诱发电位的手机拨号系统研究[J].中国生物医学工程学报，2013，32（2）：45-47.

［3］高上凯.浅谈脑-机接口的发展现状与挑战[J].中国生物医学工程学报，2007，26（16）：801-804.

［4］李宏伟，赵丽，边琰，等.脑机接口视觉刺激器的设计与实现[J].机床与液压，2010，38（14）：45-47.

［5］张峰，徐光华，谢俊，等.稳态视觉诱发电位的研究与展望[J].仪器仪表学报，2010，31（8）：156-165.

［6］余耀，赵鹤鸣.非平稳噪声环境下的噪声功率谱估计方法[J].数据采集与处理，2012，27（44）：486-489.

［7］赵丽，郭旭宏.基于运动想象的脑电信号功率谱估计[J].电子测量技术，2012，35（6）：81-87.

［8］赵丽，孙永，郭旭宏，等.基于稳态视觉诱发电位的手机拨号系统研究[J].中国生物医学工程学报，2013，32（2）：253-256.

［9］陈亚勇.MATLAB信号处理详解[M].北京：人民邮电出版社，2001.

［10］王春兴.基于Matlab实现现代功率谱估计[J].现代电子技术，2011，34（16）：65-67.

Study on steady state visual evoked potential character input system

GAO Jian，ZHAO Li，SUN Yong
（Tianjin Key Laboratory of Information Sensing and Intelligent Control，Tianjin University of Technology and Education，Tianjin 300222，China）

Abstract：Brain-computer interface（BCI）is a control system that utilizes electroencephalogram（EEG）to let people communicate with computers or other devices.The main point of this paper is a real-time BCT system based on the SSVEP which is used to control the character input.The system，with a visual stimulator consisting of a micro-controller and LED light as its stimulus source of SSVEP and using NT9200 series EEG amplifier to magnify and filter the collected EEG step by step to transmit it to computer through USB cable，processes the EEG generated under the stimulus of different frequencies on the LabVIEW platform to create BCI controlling orders to input characters.The system is quite feasible and reliable and has a relatively higher application value.

Key words：brain-computer interface（BCI）；steady state visual evoked potential（SSVEP）；character input system

作者简介：高建（1988—），男，硕士研究生；赵丽（1962—），女，教授，博士，研究生导师，研究方向为生物医学工程.

基金项目：国家自然科学基金资助项目（61178081）.

收稿日期：2015-10-23

中图分类号：R318

文献标识码：A

文章编号：2095－0926（2016）01－0006－04