基于P3電位的目標檢測研究

劉學文　王寧　袁道任　胡怡芳

【摘 要】P3波反映受試者對刺激的接受、處理以及反應等認知過程，不受刺激的物理特性影響，在現實中具有廣泛應用場景。本文設計了基于P3電位的目標檢測系統，在預處理模塊中，采用帶約束的ICA、時間濾波和去趨勢方法去除噪聲、偽跡和基線漂移；在特征提取模塊中，利用多維經驗模態分解方法提取預處理后的EEG信號特征；最后，在模式分類模塊中，訓練過的LDA方法來分類從每段EEG中提取出的特征向量。對城市真實場景下的特種車輛的檢測進行了實驗，分類準確率達到97%。實驗采用單次刺激信號提取，大大提高了目標檢測的速度，具有實際應用價值。

【關鍵詞】P3電位；目標檢測；ERP；單次提取

0 引言

Vaughau于1969年首先提出事件相關電位（event related potentials， ERP）的概念，為一個與實際刺激或預期刺激有固定時間關系的腦反應變化。事件相關電位是指與刺激的種類無關，而與刺激的認知、期待和判斷相關聯的一組電位成分。其狹義定義為：凡是外加一種特定的刺激，作用于感覺系統或腦的某一部位，在給予刺激或撤消刺激時，在腦區所引起的電位變化。經典的ERPs成分包括P1、N1、P2、N2、P3，廣義上講ERPs也包括N4（N400）、失匹配陰性波（Mismatch Negativity，MMN）、伴隨負反應（Contigent Negative Vafiaeion，CNV）等。N2、P3屬內源性成分，是受試者對刺激信息進行加工的客觀反應。目前研究最為廣泛的是P300和N400。P3系sutton等1965年所發現，為晚成分的第三個正波，由于當初發現的P3是在300ms左右出現的正波，故亦稱之P300。P是英文“正波”（positivity）的簡寫，300則是潛伏期約為300毫秒之意[1]。

1 P3電位的發展

P3波反映受試者對刺激的接受、處理以及反應等認知過程，是注意、感知、記憶、判斷和思維的總和，它不受刺激的物理特性影響，從而決定了它在現實中的廣泛應用。

ERP用于測謊是近年來才新發展起來的新法。Rosenfeld[2]等次利用P300進行測謊并獲實驗上的成功，為測謊開辟了一條新路徑。他們讓被測者從裝有9件物品的盒子中任意取走1件，以所取物品名為靶刺激，另選一些物品名為非靶刺激，隨機顯示并同步記錄ERP，鼓勵被測者撒謊，盡量避免被測出，結果發現所取物品名引出的P3波幅最大，從而斷定被測者所拿走的物品。張明島[3]等研究表明，在大部分電極位置上，說謊和誠實狀態下誘發出的關聯性負變（CNV）波幅顯著不同。在國內，楊文俊等以人面照片為刺激進行測謊研究，獲得95%～98%的陽性率。

P300可輔助判別某些被試感興趣的目標，當目標的出現是小概率事件時，可以誘發P300的產生。

1.1 P3的產生條件

在Oddball實驗刺激范式中，P300產生的條件如下[4-5]：

1.1.1 反應任務的概率大小

在Oddball任務中，即使不給被試說明依據哪種維度進行分類，低概率事件也會引發一個波幅更大的P300。

1.1.2 被試的注意狀態

只要被試注意識別，即使靶刺激缺失，也可誘發出一個足夠顯著的P300波峰，表示P300的產生取決于被試的主動注意過程而非物理刺激本身。

1.1.3 刺激的性質

Johnston Miller和Burleson的研究表明在刺激概率和任務保持一致的條件下，積極和消極刺激都比中性刺激能誘發更大P300波幅，這表明P300的出現依賴于被試對刺激性質的判斷。

1.2 Oddball實驗范式

該實驗模式是指采用兩種或多種不同刺激持續隨機交替出現，它們出現的概率顯著不同，經常出現的刺激稱為大概率（如85%）或標準刺激，偶爾出現的稱為小概率（如15%）或偏差刺激。在實驗中實驗者需要編制實驗所需的刺激序列：包括刺激方式、刺激類型、刺激呈現時間、刺激、間隔、刺激總次數、刺激序列的隨機出現、刺激概率等。

2 基于P3電位的目標檢測系統

基于P3電位的目標檢測系統主要由圖像采集單元、視覺刺激生成單元、便攜式EEG采集單元、信號預處理和特征提取及分類單元等幾部分組成，主要軟件功能模塊組成如圖1所示。

圖1 基于P3電位的目標檢測系統

置于被試頭上的電極帽將耦合的EEG信號送入EEG放大器，EEG放大器將EEG信號送入PC計算機。在預處理模塊中，帶約束的ICA、時間濾波和去趨勢方法被用以去除噪聲和偽跡，以及去除基線漂移；在特征提取模塊中，小波和時頻譜分析、相干平均、小波包分解分析、Hilbert-Huang變換、公共張量判別分析和判別張量分解方法被于提取預處理后的EEG信號特征；最后，在模式分類模塊中，一個SVM被訓練來分類從每段EEG中提取出的特征向量。

實驗流程設置：基于Oddball范式，標準刺激為緩慢變化的城市背景圖像，偏差刺激為隨機出現的特種車輛等圖像，刺激過程中每幅圖像呈現的時間為600ms。每次圖像出現在顯示器上時，都會將該圖像所對應的EEG信號打一個時間開始標簽，在模式識別時，對標簽后250ms～350ms的一段數據利用訓練好的SVM進行識別。對分類識別出的P300信號，依據時間關系，反推追溯出引起該P300的圖像，從而達到對目標檢測的功能。

P300成分采用在線單次提取方法獲取，原始信號波形圖和主要特征如所示，其中紅線表示偏差刺激特征圖，藍線表示標準刺激特征圖，綠色條表示偏差刺激與標準刺激的t顯著性檢驗量。橫坐標為樣本點數目，縱坐標為EEG信號的幅度（μV）。

圖2 在線實驗中各導EEG數據的P300特征圖

由圖2可以看出，標準刺激和偏差刺激的電位具有明顯差異，我們采用傳統的LDA方法進行分類，分類準確率達到97%。

3 結論

搭建了基于P3電位的目標檢測軟硬件系統，并對城市真實場景下的特種車輛的檢測進行了實驗，分類準確率達到97%。實驗采用單次刺激信號提取，大大提高了目標檢測的速度，具有實際應用價值。

【參考文獻】

[1]王蘭，楊巧麗，武海明.事件相關電位中P300成分的提取及分析研究[J].科技資訊，2009，23期（23）：82-83.

[2]Rosenfeld J.Peter， Soskins Matthew， Bosh Gregory. Simple， effective countermeasures to P300-based tests of detection of concealed information[J].Psychophysiology， 2004，41（2）：205-219.

[3]張明島.腦誘發電位學[M].上海：上海科技教育出版社，1996.

[4]Magee R， Givigi S. A genetic algorithm for single-trial P300 detection with a low-cost EEG headset[C].Systems Conference（SysCon）， 2015 9th Annual IEEE InternationalIEEE， 2015.

[5]胡葉容，成志明.便攜式腦電無線采集系統的設計[J].微型機與應用，2015，34（7）：36-38.

[責任編輯：王楠]