SSVEP-BCI抗自由眨眼穩(wěn)定性的ANFIS方法*

陸竹風(fēng)， 張小棟,2， 張黎明， 李瀚哲， 李 睿,2

(1.西安交通大學(xué)機(jī)械工程學(xué)院 西安,710049) (2.西安交通大學(xué)現(xiàn)代設(shè)計(jì)及轉(zhuǎn)子軸承系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室 西安,710049)

引 言

自Berger首次使用非植入電極檢測人腦表面腦電信號(electroencephalogram, 簡稱EEG)以來[1]，EEG分析領(lǐng)域迄今已歷經(jīng)近百年研究。依托EEG分析算法發(fā)展，研究人員將腦機(jī)接口(brain control interface，簡稱BCI)技術(shù)應(yīng)用于假肢、輪椅和屏幕打字機(jī)等的控制[2]，均取得喜人成果[3]。盡管如此，BCI技術(shù)尚停留于實(shí)驗(yàn)室研究階段。由于EEG本身的低信噪比和高個(gè)體差異性，作為微弱的人體生物電信號，EEG極易淹沒于眾多偽跡、噪聲之中[4]。為增進(jìn)BCI技術(shù)的實(shí)用價(jià)值，提高其穩(wěn)定性，EEG去偽跡研究已成為必不可少的趨勢[5]。

穩(wěn)態(tài)視覺誘發(fā)(steady state visual evoked potentials, 簡稱SSVEP)腦機(jī)接口因其誘發(fā)機(jī)理，在現(xiàn)行BCI范式中具有較高穩(wěn)定性?，F(xiàn)有研究多基于受試者無眨眼動作的注視狀態(tài)開展，自由眨眼動作的引入，造成了SSVEP識別正確率的明顯下降，極大影響其應(yīng)用價(jià)值。由于人眼處于人體頭面部區(qū)域，距EEG采集點(diǎn)距離極近，易對EEG造成明顯影響。眼電偽跡屬于人體自身偽跡信號，易與EEG產(chǎn)生混淆，無法通過簡單濾波處理輕易消除[4]。為增進(jìn)SSVEP-BCI的實(shí)用價(jià)值，提高其抗自由眨眼動作下的穩(wěn)定性，如何于包含眼電偽跡的EEG中提取純凈EEG，同時(shí)保留SSVEP有效信息、提高識別正確率，成為亟待解決的問題之一。

傳統(tǒng)眼電偽跡消除方法一般基于獨(dú)立成分分析完成：通過分離EEG中的獨(dú)立成分，參考眼電電極信號確定眼電成分，將其置零重構(gòu)以恢復(fù)純凈EEG。該方法在運(yùn)算過程中易造成有效信息損失，無法保證BCI穩(wěn)定性的提高。不少市售EEG采集設(shè)備缺少眼電電極，無法提供直接的眼電信號參考。

筆者從偽跡干擾下BCI的穩(wěn)定性研究出發(fā)，以自由眨眼動作下的SSVEP-BCI為切入點(diǎn)，進(jìn)行SSVEP去眼電偽跡研究，提高眼電偽跡干擾下SSVEP-BCI的穩(wěn)定性。提出了一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的無參考電極下EEG眼電偽跡自適應(yīng)消除方法，有效消除了SSVEP中的眼電偽跡，并通過自由眨眼動作下的穩(wěn)態(tài)視覺刺激實(shí)驗(yàn)，驗(yàn)證該方法的有效性。

1 穩(wěn)態(tài)視覺刺激下眼電偽跡表現(xiàn)

眼電偽跡由眼部活動產(chǎn)生，分為眼球豎直移動、水平移動及眨眼動作[5]。穩(wěn)態(tài)視覺刺激下，由于受試者對視覺刺激源呈現(xiàn)注視狀態(tài)，眼球豎直及水平移動較為細(xì)微，故SSVEP中的眼電偽跡主要由眨眼動作造成。

同時(shí)采集穩(wěn)態(tài)視覺刺激時(shí)自由眨眼動作下前額葉區(qū)及枕葉區(qū)EEG，如圖1所示。其中,虛線標(biāo)記區(qū)域表現(xiàn)出強(qiáng)烈眼電偽跡特征。對比眼電偽跡區(qū)域內(nèi)前額葉區(qū)與枕葉區(qū)信號，前額葉區(qū)信號呈上凸現(xiàn)象、枕葉區(qū)信號呈下凹現(xiàn)象，眨眼動作在前額葉區(qū)與枕葉區(qū)呈現(xiàn)相反表現(xiàn)，故眼電信號源在全腦EEG呈線性變換偽跡現(xiàn)象，無法通過濾波器直接消除。包含眼電偽跡與不含眼電偽跡的SSVEP頻譜圖如圖2所示。其中，含眼電偽跡信號頻譜在低頻處存在較大增幅，故眼電偽跡多集中在信號低頻部分。

圖1 穩(wěn)態(tài)視覺刺激時(shí)自由眨眼動作下前額葉區(qū)及枕葉區(qū)腦電信號Fig.1 Prefrontal and occipital EEG during steady-state visual stimulation

圖2 含眼電偽跡與無眼電偽跡的穩(wěn)態(tài)視覺誘發(fā)腦電信號頻譜圖Fig.2 Spectrum of SSVEP with and without ocular artefacts

2 基于ANFIS的無眼電電極下腦電信號眼電偽跡的自適應(yīng)消除方法

眨眼動作對EEG的影響可視為由獨(dú)立偽跡信號源經(jīng)非線性變換后對純凈EEG的噪聲。由于缺失該非線性變換函數(shù)，為達(dá)到在消除眼電偽跡同時(shí)避免有效信息損失的目的，設(shè)計(jì)自適應(yīng)噪聲消除器(adaptive noise cancellation, 簡稱ANC)，采用ANFIS自行逼近眼電信號源至眼電偽跡的非線性變換函數(shù),可達(dá)到測量信號中消除眼電偽跡的目的，其原理如圖3所示。

圖3 算法原理圖Fig.3 Algorithm schematic diagram

(1)

其中:M(t)為測量信號;E(t)為純凈信號;A(t)為測量信號中的偽跡信號;S(t)為偽跡信號源。

由于市售設(shè)備存在眼電電極缺失情況，為獲得有效眼電信號源，設(shè)計(jì)基于FastICA及相關(guān)系數(shù)的眼電信號源提取與識別模塊?？紤]到受試者在單次實(shí)驗(yàn)中未眨眼情況，加入基于峰度系數(shù)的眨眼動作判斷環(huán)節(jié)。算法整體結(jié)構(gòu)如圖4所示。

2.1 基于FastICA及相關(guān)系數(shù)的眼電信號源提取與識別方法

單個(gè)腦電電極可接受電極點(diǎn)周圍18～32 cm2信號[6]。在眼電電極缺失情況下，選擇位于前額葉區(qū)且不易受面部肌電干擾的F3和F4通道作為眼電信號源的參考通道。由于眼電偽跡屬低頻干擾，為體現(xiàn)眼電信號源特征并避免超低頻雜波，將0.5～15 Hz濾波處理后的F3和F4通道信號作為眼電信號源參考信號，進(jìn)行FastICA處理[7]，分離兩路獨(dú)立成分。

對分離后的兩路獨(dú)立成分進(jìn)行眼電信號源成分的自動識別?？紤]到眼電信號源形態(tài)應(yīng)與眼電信號源參考信號形態(tài)較為一致，取數(shù)學(xué)統(tǒng)計(jì)量相關(guān)系數(shù)用于表征兩變量間的線性相關(guān)程度。計(jì)算各獨(dú)立成分與兩路眼電信號源參考信號間的相關(guān)系數(shù)和，取其大者自動識別為眼電信號源，即

圖4 算法整體結(jié)構(gòu)圖Fig.4 Algorithm structure diagram

Cori=(|r(ICi,xF3)|+|r(ICi,xF4)|)

(i=1,2)

(2)

其中：Cori表示第i個(gè)獨(dú)立成分的相關(guān)系數(shù)和；ICi表示第i個(gè)獨(dú)立成分；xF3，xF4表示F3,F4通道眼電信號源參考信號。

為避免對不存在眼電偽跡的測量信號進(jìn)行過度處理，加入眨眼動作判斷環(huán)節(jié)。由于眨眼時(shí)EEG表現(xiàn)出有別于非眨眼EEG的異常凸起，統(tǒng)計(jì)學(xué)中可利用峰度系數(shù)指標(biāo)表征統(tǒng)計(jì)數(shù)據(jù)尖端尖翹程度[8]，故針對眼電信號源參考信號進(jìn)行基于峰度系數(shù)指標(biāo)的閾值判斷，即

(3)

2.2 基于ANFIS的眼電偽跡自適應(yīng)消除方法

眼電偽跡的自適應(yīng)消除通過ANC實(shí)現(xiàn)：以眼電信號源作為輸入，將輸出與測量信號之差作為反饋，調(diào)整內(nèi)部權(quán)值，擬合得到眼電偽跡；將測量信號減去眼電偽跡，得到無眼電偽跡的EEG。

圖5 ANFIS典型結(jié)構(gòu)Fig.5 Typical structure of ANFIS

ANC核心運(yùn)算部分由ANFIS結(jié)構(gòu)實(shí)現(xiàn)。ANFIS是模糊規(guī)則與神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則結(jié)合的自適應(yīng)系統(tǒng)，是一種宜于表達(dá)復(fù)雜系統(tǒng)動態(tài)特性的非線性模型。該模糊規(guī)則的推理由網(wǎng)絡(luò)結(jié)構(gòu)中若干節(jié)點(diǎn)各自對應(yīng)規(guī)則完成，ANFIS可分為5層[9]，基本結(jié)構(gòu)如圖5所示。第1層，利用隸屬度函數(shù)完成輸入信號模糊化；第2層，選擇與算子完成模糊規(guī)則預(yù)演；第3層，計(jì)算各節(jié)點(diǎn)各規(guī)則的歸一化可信度；第4層，計(jì)算單個(gè)節(jié)點(diǎn)輸出；第5層，系統(tǒng)整體輸出。其中:節(jié)點(diǎn)個(gè)數(shù)由對輸入數(shù)據(jù)進(jìn)行減法聚類算法確定；隸屬度函數(shù)選擇高斯型隸屬度函數(shù)；參數(shù)調(diào)整由逆向傳遞的最小二乘方誤差方法確定。

考慮到人腦其他區(qū)域較前額葉區(qū)距人眼較遠(yuǎn)，故其他區(qū)域眼電偽跡相較前額葉區(qū)域提取的眼電信號源存在輕微延時(shí)現(xiàn)象。為提高眼電信號源對大腦其他區(qū)域眼電偽跡的適應(yīng)性，在ANC前加入抽頭延時(shí)(tapped delay line, 簡稱TDL)結(jié)構(gòu)對眼電信號源進(jìn)行延時(shí)處理。

3 實(shí)驗(yàn)研究

3.1 數(shù)據(jù)采集

圖6 Neuracle腦電信號采集系統(tǒng)及其電極位置Fig.6 Neuracle EEG acquisition and electrode position

為驗(yàn)證上述算法的有效性，筆者基于穩(wěn)態(tài)視覺刺激實(shí)驗(yàn)，引入受試者在刺激過程中的自由眨眼動作，研究該偽跡消除方法對自由眨眼動作下SSVEP識別準(zhǔn)確率的影響。實(shí)驗(yàn)采用中國博瑞康公司(Neuracle)開發(fā)的8通道EEG采集系統(tǒng)，如圖6(a)所示，其采樣頻率為1 000 Hz，通過無線路由與電腦相連；電極分布位置如圖6(b)所示。以AFz和CPz為參考電極，除用于提取眼電信號源參考信號的F3和F4位置外，其余電極均分布在枕葉區(qū)PO3，PO4，Pz，Oz，O1和O2位置用于SSVEP刺激頻率的識別。

本次實(shí)驗(yàn)共有7名受試者(標(biāo)記為S1～S7，其中2名為女性)，年齡均在22～24歲，無精神疾病史。實(shí)驗(yàn)過程中要求受試者靜坐在穩(wěn)態(tài)視覺刺激屏幕前，注視屏幕上的穩(wěn)態(tài)視覺刺激源，刺激源基于場景動畫的SSVEP范式開發(fā)[10]。刺激源翻轉(zhuǎn)頻率為60/15 Hz，60/13 Hz，60/11 Hz和60/10 Hz。各頻率完成6組實(shí)驗(yàn)，每組實(shí)驗(yàn)進(jìn)行5次刺激，共計(jì)120次視覺刺激實(shí)驗(yàn)。單次刺激時(shí)間為4s，期間受試者可進(jìn)行自由眨眼動作。實(shí)驗(yàn)場景如圖7所示。

圖7 自由眨眼動作下穩(wěn)態(tài)視覺刺激實(shí)驗(yàn)場景Fig.7 Experimental scene diagram of steady state visual stimulation under random blinking

3.2 參數(shù)選擇

3.2.1 FastICA算法二次型函數(shù)和優(yōu)化函數(shù)選擇

在FastICA算法中，非二次型函數(shù)及優(yōu)化函數(shù)的選擇直接影響了獨(dú)立成分的計(jì)算結(jié)果[7]。在非二次型函數(shù)和優(yōu)化函數(shù)選擇方面存在如式(4)所示的4種常見類型，可依次簡易表述為pow3,tanh，gauss和skew型。

(4)

經(jīng)FastICA處理后的兩路獨(dú)立成分呈現(xiàn)出一路眼電信號源成分、一路純EEG成分的強(qiáng)烈差異性，以兩獨(dú)立成分間峰度系數(shù)差為衡量指標(biāo)，進(jìn)行函數(shù)組合選擇。FastICA算法4種非二次型函數(shù)及4種優(yōu)化函數(shù)組合下獨(dú)立成分峰度系數(shù)差均值及方差如表1所示。其中：第1行表示非二次型函數(shù)；第1列表示優(yōu)化函數(shù)，數(shù)值均保留至小數(shù)點(diǎn)后5位。

表1數(shù)據(jù)顯示，獨(dú)立成分峰度系數(shù)差均值最大的前3組為pow3 & skew > tanh & gauss > tanh & pow3，表明該3種函數(shù)組合在16種函數(shù)組合間呈現(xiàn)眼電信號源成分和純EEG成分差異最大化。由于函數(shù)組合對所有數(shù)據(jù)的普適性，增加獨(dú)立成分峰態(tài)系數(shù)差方差作為評價(jià)指標(biāo)，數(shù)據(jù)方差較小表明該函數(shù)組合對所有數(shù)據(jù)具有相對一致的效果。以上3種函數(shù)組合獨(dú)立成分峰態(tài)系數(shù)差方差排序?yàn)閠anh & pow3 < tanh & gauss < pow3 & skew。綜合考慮兩種指標(biāo)，選擇獨(dú)立成分峰度系數(shù)差均值大而方差較小的tanh & gauss組合為FastICA運(yùn)算函數(shù)組合。

3.2.2 眼電信號源成分自動識別方法比較

為選擇合適的眼電信號源成分自動識別方法，對基于峰度系數(shù)和相關(guān)系數(shù)的兩種指標(biāo)進(jìn)行對比。峰度系數(shù)如式(3)所示，相關(guān)系數(shù)如式(2)所示，均選擇兩獨(dú)立成分間指標(biāo)更大者為眼電信號源。4例峰態(tài)系數(shù)法與相關(guān)系數(shù)法眼電信號源成分識別差異如圖8所示。

在識別有差異的數(shù)據(jù)組別中，基于相關(guān)系數(shù)指標(biāo)識別的眼電信號源成分較基于峰度系數(shù)指標(biāo)識別的眼電信號源成分表現(xiàn)出更為符合眼電信號源的異常凸起特征，因此選擇基于相關(guān)系數(shù)的指標(biāo)作為眼電信號源成分自動識別的依據(jù)。

3.2.3 TDL延時(shí)時(shí)間確定

TDL結(jié)構(gòu)因大腦其他區(qū)域較前額葉區(qū)距離人眼較遠(yuǎn)而引入，其眼電信號源延時(shí)時(shí)間通過計(jì)算不同延時(shí)時(shí)間下眼電信號源與枕葉區(qū)6通道SSVEP間的相關(guān)系數(shù)確定。該相關(guān)系數(shù)變化曲線如圖9所示，其中:+表示延時(shí),-表示提前。

圖9表明，眼電信號源與SSVEP間的相關(guān)系數(shù)隨延時(shí)時(shí)間呈現(xiàn)先增大后減小的關(guān)系。峰值數(shù)據(jù)出現(xiàn)在延時(shí)0～20/1 000 s之間，各通道最佳延時(shí)時(shí)間如虛線框細(xì)節(jié)圖所示。由于PO3和PO4通道、Oz和O1通道最佳延時(shí)時(shí)間相差較近，比較該兩處延時(shí)時(shí)間下6通道SSVEP與眼電信號源相關(guān)系數(shù)，取其中較大者確定為延時(shí)時(shí)間。因此，最終選擇+4/1 000 s，+8/1 000 s，+13/1 000 s，+18/1 000 s 4組延時(shí)時(shí)間用于眼電信號源TDL設(shè)計(jì)。

表1 FastICA算法4種非二次型函數(shù)及4種優(yōu)化函數(shù)組合下獨(dú)立成分峰度系數(shù)差均值及方差

Tab.1 Mean and variance of independent components′ kurtosis coefficient difference under combination of 4 non-quadratic form functions and 4 optimization functions in FastICA

pow3tanhgaussskewpow34.992 34±9.295 385.006 91±9.106 154.979 10±9.002 854.947 22±9.209 01tanh5.000 71±9.193 905.003 94±9.144 034.984 10±9.000 794.943 11±9.267 99gauss5.006 71±9.145 935.008 3±9.144 024.980 07±9.013 664.960 71±9.258 78skew5.018 37±9.224 034.995 37±9.191 264.984 37±9.053 154.936 03±9.215 48

圖8 峰態(tài)系數(shù)法與相關(guān)系數(shù)法眼電信號源成分識別差異Fig.8 Difference of kurtosis coefficient method vs correlation coefficient method in EOG source component recognition

圖9 不同延時(shí)時(shí)間下眼電信號源與各通道SSVEP相關(guān)系數(shù)變化圖Fig.9 Variation of correlation coefficients between SSVEP and EOG source under varying delay time

3.3 結(jié)果分析

應(yīng)用該偽跡消除方法對自由眨眼動作下SSVEP進(jìn)行處理，60/13 Hz翻轉(zhuǎn)刺激下O2通道原始信號與經(jīng)ANFIS偽跡消除處理信號的時(shí)域及頻域?qū)Ρ热鐖D10所示。經(jīng)該偽跡消除方法處理后，SSVEP中眼電偽跡得到有效消除。為保證以上算法在消除眼電偽跡的同時(shí)保留了SSVEP頻率刺激的有效信息，對處理后的SSVEP進(jìn)行識別正確率計(jì)算。同時(shí)，選擇經(jīng)典5～45 Hz帶通濾波方法、傳統(tǒng)ICA方法與筆者提出的方法進(jìn)行對比，比較各類方法下SSVEP識別正確率的改變，如表2所示。其中，SSVEP刺激頻率識別正確率由CCA算法完成[10]，準(zhǔn)則函數(shù)為

(5)

其中：X為待識別信號；Y為與刺激頻率相關(guān)的參考信號；WX，WY為系數(shù)矩陣。

以上3種方法中，基于ANFIS的眼電偽跡自適應(yīng)消除方法對受試者S1～S7的識別正確率均有提高，達(dá)到了在去除眼電偽跡的情況下保留腦電信號有效信息的目的。該ANFIS方法平均識別正確率較經(jīng)典5～45 Hz帶通濾波方法平均提高3.6%、較傳統(tǒng)ICA方法平均提高4.8%。在7位受試者中，以受試者S2提高最為顯著，經(jīng)過該ANFIS眼電偽跡自適應(yīng)消除方法后識別正確率較經(jīng)典5～45 Hz帶通濾波方法最高提高6.25%,較傳統(tǒng)ICA方法最高提高10%，極大提高了SSVEP-BCI在眼電偽跡干擾下的穩(wěn)定性。

圖10 60/13 Hz翻轉(zhuǎn)刺激下O2通道原始信號與經(jīng)ANFIS偽跡消除處理信號的時(shí)域及頻域?qū)Ρ菷ig.10 Original EEG vs after-ANFIS under 60/13 Hz visual stimulation in O2

表2 經(jīng)典5～45 Hz帶通濾波方法、傳統(tǒng)ICA方法及ANFIS方法下SSVEP識別正確率Tab.2 SSVEP recognition accuracy rate among classical 5～45 Hz band pass filter vs traditional ICA vs ANFIS %

4 結(jié)束語

筆者以偽跡干擾下BCI的穩(wěn)定性為出發(fā)點(diǎn)，將自由眨眼動作下的SSVEP-BCI作為切入點(diǎn)，針對SSVEP中眼電偽跡問題，提出一種基于ANFIS的無眼電電極下EEG眼電偽跡自適應(yīng)消除方法?；贑CA方法比較了經(jīng)典濾波、傳統(tǒng)ICA和本研究方法下SSVEP識別正確率的改變。該方法規(guī)避了市售腦電信號采集設(shè)備缺乏眼電電極的情況，根據(jù)前額葉區(qū)腦電信號替代性提取了眼電信號源，并有效去除了SSVEP信號中的眼電偽跡成分。將該方法與經(jīng)典濾波、傳統(tǒng)ICA方法處理后的SSVEP進(jìn)行識別正確率對比，驗(yàn)證該方法在消除眼電偽跡的同時(shí)保留了穩(wěn)態(tài)視覺刺激的有效信息，提高了SSVEP識別正確率，改善了SSVEP-BCI在自由眨眼動作下的穩(wěn)定性。