不同编码分组调制的VEP脑机接口研究

黄引 魏庆国 李茂全 卢宗武

摘 要： 在现有的各种脑机接口实现范例中，基于c?VEP的脑机接口取得了最高的信息传输率，但这种脑机接口系统必须在刺激目标数与检测精度和检测速度之间进行折衷。要增加刺激目标数并保证识别率高，必须增加码长，然而，增加码长会导致识别一个目标所需的时间增加，降低信息传输率。针对这个问题，提出了使用不同编码分组调制刺激目标的方法。基于该方法，采用Golay 码和近完美码各调制16个刺激目标，目标识别的方法是先获取两组目标的参考模板，分别对两个模板做移位得到所有目标的模板，再运用模板匹配法对目标进行识别。7位受试者在一个刺激周期的平均分类准确率高达92.34%，研究结果表明该方法增加了刺激目标数，同时提高了识别率，缩短了检测时间。

关键词： 脑机接口； 调制； Golay码； 模板匹配法

中图分类号： TN911.22?34； TP301 文献标识码： A 文章编号： 1004?373X（2016）09?0061?05

Abstract： In current various implementation paradigms of brain?computer interface （BCI）， the c?VEP based BCI achieved the highest information transfer rate， but this BCI system must have a compromise among the stimulation target quantity， detection accuracy and detection speed. To increase the stimulation target quantity and ensure the high recognition rate， the code length must be increased， but it will lead to time increasing to recognize a target， and information transfer rate reducing. To solve this problem， a stimulation target method applied with different coding grouping modulations is proposed. Based on this method， the Golay code and nearly perfect code are used to modulate 16 stimulation targets respectively. The target identification method is used to obtain the reference templates of two target groups. The two templates are shifted to obtain all target templates， and then the template matching method is used to recognize the target. The average classification accuracy of a stimulation period for 7 subjects can reach up to 92.34%. The research results show that the method can increase the stimulation target quantity， improve the recognition rate， and shorten the detection time.

Keywords： BCI； modulation； Golay code； template matching method

0 引 言

脑机接口（Brain?Computer Interface，BCI）监测用户的脑活动，解读用户的意图，并将用户的意图转换为外部命令[1]。作为一种新的、非肌肉的通信通道， BCI能够使人直接通过大脑来表达思想或操作设备，而不需要借助语言或肢体动作。在过去几十年中，基于EEG的BCI已经吸引了脑科学、神经工程和临床康复领域的研究人员的极大关注。尽管BCI系统的性能得到了很大的改进，但它们还不能支持广泛的应用。在各种BCI实现模式中，基于视觉诱发电位（Visual Evoked Potentials，VEP）的BCI，具有系统配置简单、几乎不需要训练以及低的用户变化率等优点，因而在BCI研究中变得更加流行。根据刺激信号的调制方法，基于VEP的BCI可分为基于时间调制的VEP（t?VEP）BCI、基于频率调制的VEP（f?VEP）BCI和基于伪随机码调制的VEP（c?VEP）BCI三种类型[2]。基于c?VEP的BCI取得了最高的通信速度，是最有可能率先实现产品化的BCI。

基于c?VEP 的BCI早在1984年就由Sutter提出，并在8年后由一个ALS病人进行了测试，测试结果表明这种BCI系统每分钟能写10～20个字[3]。在长达20多年的时间里，没有任何有关这种BCI的研究报告。直到最近，才由Bin等人证明了基于编码调制的VEP BCI的性能超过其他视觉刺激类型的BCI。在Bin等人的研究中，当刺激目标数为32时，平均的ITR高达108 b/min。但这种BCI系统必须在刺激目标数与检测精度和检测速度之间进行折衷。要提高目标检测识别率，应采用较长的调制编码，这样相邻目标之间具有足够的延时，注视目标的响应信号与其模板具有较大的相似性，而与其他模板具有较大的差异性。然而，调制编码太长，严重影响检测速度，因为增加码长就增加了一个刺激周期的长度，而一次检测最少需要1～2个刺激周期。

为了确保高的检测精度和检测速度，同时提高BCI系统的刺激目标数，本文提出了一种新的目标调制方法，即不同编码分组调制，研究使用Golay码和几乎完美码分别调制两组目标，每组包含16个目标。在这种BCI系统中，码长不变，但是刺激目标增加了一倍，同时又保证了高的目标识别率和目标检测速度。

1 c?VEP BCI的系统结构

c?VEP BCI的基本系统结构包括LCD刺激器、脑电放大器、空域滤波和模板匹配，如图1所示。视觉刺激器在VC++ 6.0的环境下编程实现并在计算机LCD显示屏上显示，计算机通过并口发送同步信号给脑电放大器实现脑电数据和刺激同步，视觉刺激器用来诱发VEP。脑电放大器采集并记录头皮脑电信号。空域滤波将多通道EEG信号融合为单导联信号。模板匹配为目标识别算法，实现方法是将实验数据片段与各目标的模板做相关运算，与之相关系数最大的模板所对应的目标即为识别目标。

2 刺激器的设计

2.1 调制码的选择

为了表达不同的意图，需要用一定的方法对EEG信号进行调制，以便嵌入在EEG信号中的意图能被解调成为原始的信息。同时，为了避免相互干扰，对不同意图调制的EEG信号相互之间应该是正交或接近正交的，这要求调制编码应具有尖锐的自相关函数，而Golay互补序列和近完美序列具备这种特性。

依据视觉中心放大原理，当受试者注意到某个目标时，所注视的目标对诱发电位的产生起主要作用。但是它周围的其他目标也会对诱发电位产生一定的贡献[6]。因此，每组16个刺激目标的周围增加了20个额外的非刺激目标，这样中间刺激目标与边缘刺激目标所产生的视觉电位几乎一致。外围刺激模块的安排是按照等邻域原理[7]。图4（b）所示为各个目标的刺激序列，其中序列中的“1”代表白色帧，“0”代表黑色帧。每个刺激序列的长度为64位，即64帧，所以一个刺激周期为[6460=]1.066 s，且刺激不断重复。为了保证刺激器与显示器的刷新率同步，刺激器采用DirectX技术。

3 目标识别

3.1 空域滤波器优化算法

在模板匹配法中，相关运算只能用于一维信号。然而通常情况下需要在头皮上覆盖更多的电极来获取更全面的脑电信息，从而提高脑机接口的性能。为了采用多电极导联信号，可以运用空域滤波器把多导联信号线性融合为单通道数据，通过多个导联数据的线性组合来提高脑电信号的信噪比。对于给定从多个电极导联上记录到的脑电数据[X，]源信号[x=wTX，][w]是根据优化算法获得的，通常优化思路有两种：一种是最大化差异，另一种是最大化相似度。本文研究了两种求解[w]的方法：最大对比融合（Maximum Contrast Combination，MCC）和典型相关分析（Canonical Correlation Analysis，CCA）。

3.1.1 MCC

3.2 模板匹配

在c?VEP的脑机接口中一般采用模板匹配法进行目标识别。在每位受试者实验之前，都必须在训练阶段获取实验模板。由于各目标之间的诱发电位都是时间位移的关系，所以只需要在训练阶段对某一个特定刺激目标的诱发电位进行采集，然后通过时间移位得到其他的刺激目标模板。模板匹配法的流程如下：

（1） 在训练阶段受试者需要注视某一个特定的刺激目标，训练阶段所持续的时间为3～4 min，这样可以获得约为200个周期的数据，在此间期，受试者可以按下空格键开始或者暂停，避免受试者的精神疲劳。

4 实验设计及实验结果

4.1 实验设计

有7名身体健康的受试者参与了本实验，年龄在20～28岁之间，视力正常或轻度近视，熟悉实验内容。本实验在安静、无电磁屏蔽的室内进行，试验者眼睛距离刺激目标正前方60 cm左右。实验分为训练阶段和实验阶段：在训练阶段，受试者依次注视两组目标的参考目标，每个参考目标持续的时间为3～4 min，该数据用来制作模板和获取空域滤波器；在实验阶段，受试者依次注视32个刺激目标，一个目标持续20个刺激周期，一个周期是1.066 s，这样就获得了20次实验的数据。

脑电放大器为清华大学自主研制的Mipower16，采样率为1 000 Hz。脑电信号采集使用32导10～20电极帽，实验过程中采用了7个电极，分别是O1，O2，Pz，P3，P4，T5，T6。参考电极和地电极分别位于FPz、耳垂。

4.2 实验结果

7位受试者的离线实验结果如表1所示，其中acc1表示当受试者注视Golay AB码调制目标时，实验数据和Golay AB码调制的16个目标的模板匹配的结果，acc2指在近完美码调制下，相应的实验数据和近完美码调制的16个目标的模板匹配的结果，accTwo是指实验数据与所有目标模板匹配的结果。从表中可以发现，除了受试者xfa的acc1用CCA和MCC两种方法滤波的结果有点差别外，CCA和MCC的准确率完全一样，也就是说这两种方法可能在该问题中是等价的，MCC的原理是使源信号和噪声差异最大化，即最大化信噪比，CCA的原理是使观测信号与源信号相似度最大化。所有受试者的accTwo介于acc1和acc2之间，7位受试者acc1，acc2，accTwo的均值在CCA方法下分别为93.20%，92.74%，92.34%，accTwo与acc1或acc2相差甚微，证明了用不同编码分组调制的可行性。除此之外，除了个别受试者在Golay AB码或近完美码调制下的结果低于90%，大部分受试者的实验结果超过90%，且在两种码调制下的实验结果很相近，因此这两种码诱发的c?VEP信号都很强。

5 讨 论

为了验证刺激目标的排列方式是否对实验结果有影响，本文设计了2[×]8[×]2矩阵的上下排列方式，表1中7位受试者中的4位受试者参与了该实验，除了目标排列方式不一样之外，实验过程、调制码等都与上述实验一致，获取空域滤波器的方法基于CCA。4位受试者在两种目标排列方式下的实验结果如图6所示。