基于SSVEP的高傳輸速率腦機撥號系統

趙 麗，薛仲林，王宣方

(天津市信息傳感與智能控制重點實驗室，天津 300222)

基于SSVEP的高傳輸速率腦機撥號系統

趙 麗，薛仲林，王宣方

(天津市信息傳感與智能控制重點實驗室，天津 300222)

隨著科技的發展，BCI技術已有長足進步，但是其識別率和傳輸率低，是阻礙其走出實驗室、走向實踐應用一個重要原因。SSVEP即當人的眼睛的視網膜受到固定頻率的刺激時，大腦視覺皮層也會產生一個相同頻率的腦電信號或者是倍數頻率的信號。為此，提出了基于CCA算法的快速腦機撥號系統。該系統引入用于識別和分析SSVEP信號的空間濾波器，同時將數據分析結果通過Matlab串口直接發送給下位機SIM900撥打電話。該系統不僅可以實現撥打電話功能，而且還可以實現電話的實時接聽，以幫助有運動障礙的殘障人士，有效保證了殘障人士生活的便利。實驗結果表明，基于CCA算法所構建的快速腦機撥號系統能夠提取腦電信號的特征，實現準確的模式分類，其準確率達95%，ITR達到154 bit/min，為腦機接口系統推向應用提供一種新的思路和方法。

典型相關分析；穩態視覺誘發電位；傳輸速率；腦機接口系統

1 概 述

腦-計算機接口是大腦與外部設備直接建立通信，不依賴外周神經和肌肉，旨在幫助殘疾人士和癱瘓人士使用的計算機和其他技術設備[1]。目前應用最廣泛的設備是非侵入性的腦機接口系統，該系統不但成本低，而且使用安全，所以被應用于試驗系統和字符輸入系統中。

SSVEP(Steady-State Visual Evoked Potentials)早在1966年被Regan研究發現,即當人的眼睛的視網膜受到固定頻率的刺激時，大腦視覺皮層也會產生一個相同頻率的腦電信號或者是倍數信號。閃爍刺激頻率不同，所誘發的SSVEP的強度也不同。一般刺激頻率在25～50 Hz所誘發的頻率的振值最強，12～25 Hz所誘發的頻率的振值次之，5～12 Hz所誘發的頻率的振值最弱。目前在非植入BCI系統中，主要有3種SSVEP-BCI實現形式：以頻率為特征，刺激源以不同的頻率的閃爍;以相位為特征，刺激源以同一頻率但相位不同的閃爍;同時以相位和頻率為特征，刺激源以不同的頻率和相位閃爍。文中采用不同頻率和相位的閃爍[2-5]。

BCI系統的主要指標是信息傳輸率(Information Transfer Rate，ITR)，定義為單位時間發出的有效比特數，因此又稱為比特率(bit rate)。它是一個用來衡量腦機接口性能的客觀指標，與響應時間、命令數目和識別的正確率有關，單位采用bits/s或bits/min。對于一個準確率的M分類問題，信息傳輸率的計算方法如下所示：

(1)

其中，C表示系統在單位時間內所能做出的決策次數[6-8]。

ITR取決于三個因素：目標數量(必須足夠一個特定的接口任務)、檢測速度和精度。因為SSVEP訓練時間短，ITR傳輸率高，設計實驗模式簡單，因此廣泛應用于非侵入性的腦機接口中。

典型相關算法(Canonical Correlation Analysis，CCA)是利用變量間的相關關系反映兩組指標之間的整體相關性的多元統計分析方法，分別在兩組變量中提取有代表性的兩個綜合變量X和Y，利用兩個綜合變量的相關關系來反映兩組指標之間的整體相關性。

在傳統的腦機撥號中，利用FFT(Fast Fourier Transformation)和PSD(Power Spectral Density)等方法提取腦電特征，這種基于能量值提取特征值的方法，個體差異性很大，不利于系統推廣。文中從刺激范式直接采用Matlab PTB工具箱編寫刺激界面，能夠減少硬件電路刺激模塊的使用，從而簡化電路設計。引入CCA算法提取特征值，提高了系統的識別率和精度；引入SIM900撥號系統，使用USB供電，增加了系統的便攜性。為此，設計并實現了快速腦機撥號系統。該系統在功能、速度和精度上均有提高，且體積更小，更便于攜帶。

2 系統構建

基于SSVEP的高傳輸速率腦機撥號系統包括腦電誘發、腦電信號采集、腦電信號處理、撥號系統，系統的工作流程為Matlab PTB工具箱編寫穩態的視覺界面，Neuroscan采集腦電數據，Matlab分析信號結果，傳給下位機SIM900模塊撥號，如圖1所示。

2.1腦電信號誘發

Psychtoolbox-3(PTB-3)是一組Matlab工具箱，在原來的PTB2基礎上，兼容和擴展了C語言，能更好地與OpenGL交互。主要用于心理實用程序，而文中用于刺激界面的編寫。

在PTB工具箱上設計了一個12目標的BCI腦機撥號系統。如圖2所示，實驗刺激界面是3×4刺激矩陣，包含12個字符(10個數字，2個字符)。具體來說，12個刺激頻率目標包括9 Hz、9.5 Hz、10 Hz、10.5 Hz、11 Hz、11.5 Hz、12 Hz、12.5 Hz、13 Hz、13.5 Hz、14 Hz、14.5 Hz。兩個相鄰頻率之間的相位間隔為0.5π，12個刺激頻率以不同的頻率同時閃爍。以電腦的刷新頻率為基準，實現數據幀不同時間的閃爍，從而產生視覺誘發刺激頻率。如圖2所示，Y為確認要撥的電話號碼，C為退格鍵，其他0～9為數字鍵。

圖1 系統框圖

圖2 撥號刺激界面

2.2腦電信號采集

實驗選取了Neuroscan公司生產的128導腦電數據采集儀，參考電極為中央區的REF、GND等電極。分別采集Pz、PO3、PO4、PO5、PO6、O1、O2、OZ、POZ等9個導聯的SSVEP腦電信號。采樣率為1 000 Hz，電極阻抗值在10 kΩ以下。實驗共有7名在校健康研究生參加(3男4女)，年齡在20～25之間，保持實驗室安靜，受試者坐在一張舒適的椅子上，距屏幕約70 cm。實驗開始時有兩次數據的建模，每人進行10組電話號碼實驗。

3 信號的處理

3.1信號預處理

在實驗信號處理中，提取9個通道的SSVEP由刺激產生的信號。考慮視覺刺激的延遲性，提取0.5 s的數據長度，首先被降采樣到250 Hz，然后用帶通濾波器從7 Hz濾波到70 Hz無限脈沖響應(IIR)濾波器。零相正向和反向濾波在Matlab中使用filtfilt函數實現。

3.2CCA提取特征值

典型相關分析的實質就是在兩組隨機變量中選取若干個有代表性的綜合指標，用這些指標的相關關系表示原來兩組變量的相關關系。將采集到腦電信號的N個樣本和刺激信號的參考N個樣本都進行線性變化，CCA應用于SSVEP頻率分量的腦電信號(EEG)。該方法的實質是提取穩態視覺誘發電位腦電圖窄帶頻率分量，提取相關的頻率特征。

(2)

其中，channel的下標表示不同信道的編號。

(3)

其中，Y為與刺激頻率相關的參考信號；N為刺激頻率的諧波個數，X中channel的數量也為N。

CCA為兩組多維變量X和Y尋找一對向量WX和WY，通過WX和WY來最大化相關變量x=XTWX和y=YTWY之間的相關性，如下所示:

(4)

式(4)得出了X和Y之間的相關系數ρ的最大值，選取不同的頻率計算ρ，最大ρ對應的頻率即為SSVEP響應頻率。

CCA是用來衡量兩組多維變量之間的潛在相關性的一種統計方法，廣泛用于檢測SSVEP頻率信號。考慮兩組多維變量x,y，其中x=XTWX，y=YTWY，WX和WY為CCA的權向量，用于最大限度地衡量X和Y之間的相關性。

4 打電話實現

4.1AT指令介紹

SIM900是SIMCom公司推出的緊湊型的雙頻GSM/GPRS模塊，替代原有T35模塊，不僅能實現撥打電話、實時通話、發短信等功能，還可以實現GPS全球定位，因為其性價比高，功能穩定，功耗小，體積小，方便攜帶，被廣泛應用工業生產。

AT(Attention)指令即PC設備與終端設備之間的通信，也可以是終端適配器(Terminal Adapter，TA)或數據電路終端設備(Data Circuit Terminal Equipment，DCTE)和終端設備(Terminal Equipment，TE)之間建立的數據傳輸。AT指令必須以字符AT開始，以回車換行結束。通過安裝PL2303的串口驅動，實現在Matlab直接操作串口，設置波特率，設置終端為(LF CR)接收和發送格式[9-11]。

采用SIM900芯片和PL2303相結合實現USB數據傳輸和供電，拋棄傳統的電源供電，實現撥號模塊的可便攜性。在得到Y信號輸入時，將受試者輸入的數據通過Matlab串口發送給SIM900，執行打電話命令[12-14]。

SIM900指令如表1所示。

表1 SIM900指令

4.2實驗流程

(1)受試人員通過注視距自己70 cm的電腦顯示器上閃爍的12字符；

(2)屏幕反饋顯示受試人員選中的目標字符；

(3)受試人員選定電話號碼后，選擇Y字符確認電話號；

(4)Matlab將分析的數據結果通過串口發給下位機，實現撥打電話功能。

5 系統實驗

實驗結果如表2所示。

表2 實驗結果

從表2可以看出，CCA算法可以快速提取特征值，實現更加準確的分類，系統的準確率達95%，ITR平均達到154 bit/min，最高可達160 bit/min；從實現的過程看來，系統對實驗被試要求不高，個體差異性較小。受試者不需要提前訓練，但是受試者情緒對實驗有影響。

6 結束語

在傳統的SSVEP腦機信號特征提取的過程中，使用傅里葉變換和功率譜等方法，不僅影響了系統速度、精度和傳輸率，而且還與受試人員的個體差異有關。為此，設計并實現了基于SSVEP的高傳輸速率腦機撥號系統。實驗結果表明，該系統的確提高了系統的速度、精度和傳輸率，降低了受試人員個體差異性，為SSVEP信號的處理提供了新的思路和方法；此外，還能擴大BCI人群的使用范圍，更利于SSVEP-BCI系統的推廣。BCI系統在腦科學、康復工程、生物醫學工程有著廣泛的應用前景，但是通信速率低依然是阻礙BCI系統應用的主要原因。總體而言，BCI依然處于基礎階段，需要廣大科技工作者更加努力。

[1] Wolpaw J，Birbaumer N，Heetderks W J，et al.Brain-computer interface technology:a review of the first international meeting[J].IEEE Transactions on Rehabilitation Engineering,2000,8(2):164-173.

[2] Chen Xiaogang，Wang Yijun，Nakanishi M，et al.High-speed spelling with a noninvasive brain-computer interface[J].PNAS,2015,112(44):6058-6067.

[3] Poryzala P,Materka A.Cluster analysis of CCA coefficients for robust detection of the asynchronous SSVEPs in brain-computer interfaces[J].Biomedical Signal Processing and Control,2014,10(1):201-208.

[4] Zhang Yu,Zhou Guoxu,Jin Jing,et al.SSVEP recognition using common feature analysis in brain-computer interface[J].Journal of Neuroscience Methods,2015,244:8-15.

[5] Chang M H，Lee J S，Heo J，et al.Eliciting dual-frequency SSVEP using a hybrid SSVEP-P300 BCI[J].Journal of Neuroscience Methods,2016，258：104-113.

[6] 趙 麗，孫 永，郭旭宏，等.基于穩態視覺誘發電位的手機撥號系統研究[J].中國生物醫學工程學報，2013，32(2)：253-256.

[7] 鄧志東，李修全，鄭寬浩，等.一種基于SSVEP的仿人機器人異步腦機接口控制系統[J].機器人，2011，33(1)：129-135.

[8] 王行愚，金 晶，張 宇，等.腦控:基于腦-機接口的人機融合控制[J].自動化學報，2013，39(3)：208-221.

[9] 徐光華，張 鋒，謝 俊，等.穩態視覺誘發電位的腦機接口范式及其信號處理方法研究[J].西安交通大學學報，2015，49(6)：1-7.

[10] 霍 濤，賈振堂.基于STM32和SIM900A的無線通信模塊設計與實現[J].電子設計工程,2014,22(17):106-110.

[11] 翟 順，王衛紅，張 衎，等.基于SIM900A的物聯網短信報警系統[J].現代電子技術,2012，35(5)：86-89.

[12] 笪鋮璐，陳志陽，黃麗亞.基于CCA的SSVEP性能研究[J].計算機技術與發展,2015，25(5)：52-55.

[13] 薛 飛，楊友良，孟凡偉，等.基于Matlab GUI串口通信的實時溫度監控系統設計[J].計算機應用，2014，34(1):292-296.

[14] 朱向榮，馮喬生，施少捷，等.信捷PLC與計算機串口和以太網通信的VC++編程技術[J].軟件,2015,36(6)：75-82.

AHighITRBCIDialSystemBasedonSSVEP

ZHAO Li，XUE Zhong-lin，WANG Xuan-fang

(Key Laboratory of Information Sensing and Intelligent Control in Tianjin,Tianjin 300222,China)

With the development of science and technology,BCI technology has made great progress,but its recognition rate and transmission rate are low which constrain its application in practice.SSVEP is the phenomenon that when the retina of the human eye is stimulated by a fixed frequency,the visual cortex of the brain produces a signal of the same frequency,or multiples of the frequency.Therefore,a quick brain computer dialing system based on CCA is proposed which is used for spatial filter for identification and analysis of SSVEP signals and sends the results of data analysis through Matlab serial port to the client SIM900 call.It can not only own the function of calling the telephone but also have real-time answering of the telephone so as to help the disabled person with the movement disorder and effectively ensure the convenience of the disabled.The experimental results show that it can extract the characteristics of EEG signal for realization of accurate pattern classification with accuracy rate by 95% and ITR by 154 bit/min,and has provided a new ideas and method to establish brain computer interface system for applications.

canonical correlation analysis;steady-state visual evoked potentials;information transfer rate;brain computer interaction

TP302

A

1673-629X(2017)10-0185-04

2016-11-15

2017-03-03 < class="emphasis_bold">網絡出版時間

時間：2017-07-19

國家自然科學基金資助項目(61178081)；天津市應用基礎與前沿計劃重點項目(C14JCZDJC36300)

趙 麗(1962-)，女，博士，教授，研究方向為生物醫學信號處理、智能信息檢測等；薛仲林(1990-)，男，碩士研究生，研究方向為智能控制與信息處理。

http://kns.cnki.net/kcms/detail/61.1450.tp.20170719.1111.060.html

10.3969/j.issn.1673-629X.2017.10.039