基于腦機接口的多人協同控制技術研究

摘 ?要：腦機接口技術旨在維持人類神經系統靈活性的同時讓武器裝備的智能化水平更接近人類智慧，為人類神經系統和智能裝備之間搭建橋梁。為了提高腦機接口的識別正確率，本文提出了一種多人協同的控制技術，通過多位被試同時進行運動想象任務，通過決策選取出最終控制指令進行輸出，從而提高控制任務的準確率。

關鍵詞：腦機接口;智能裝備;多人協同控制

中圖分類號：TN911.7;TP391.9 ? ? 文獻標識碼：A 文章編號：2096-4706（2019）14-0024-03

Research on Multi-Person Cooperative Control Technology Based on

Brain-Computer Interface

HU Yifang

（The 27th Research Institute of China Electronic Science and Technology Group Corporation，Zhengzhou ?450047，China）

Abstract：Brain-computer interface （BCI） technology aims to maintain the flexibility of human nervous system while bringing the intelligence level of weapon equipment closer to human intelligence and building a bridge between human nervous system and intelligent equipment. In order to improve the recognition accuracy of brain-computer interface （BCI），a multi-person collaborative control technology is proposed in this paper. Through the simultaneous motion imagination task of multiple subjects，the final control instructions are selected for output by decision-making，so as to improve the accuracy of the control task.

Keywords：brain-computer interface;intelligent equipment;multi-person collaborative control

0 ?引 ?言

近年來，隨著科技水平的進步，腦機接口技術獲得了長足的發展與進步。由運動想象產生的腦電信號作為一種自發性腦電信號，不需要通過外部刺激，只需被試進行自主意志的想象就可以完成控制，在使用時間上具有更高的靈活性，但同時也存在一些問題：（1）被試進行運動想象的能力參差不齊;（2）不同被試在進行同一任務時特征明顯的大腦活動區域不一定相同;（3）被試進行試驗時自身精神狀態也會對測試結果有影響。為了盡可能減小影響，提高系統識別準確率，本文設計了一個用于多人同時進行運動想象任務的系統。

1 ?系統概述

基于運動想象的腦機接口系統是大腦和被控對象之間的一個軟硬件結合的交互式通信系統。為了使系統具有良好的靈活性與可拓展性，設計系統具有以下模塊：腦電信號采集模塊、數據預處理模塊、特征提取模塊、分類識別模塊、決策模塊、控制指令模塊以及交互模塊。

腦電信號采集設備進行數據采集，提供給系統作為輸入。由于腦電信號十分微弱，且具有隨機性、非平穩、非線性等特點，故而對信號采集設備具有很高的要求。并且在數據分析之前需要對采集信號進行初步的預處理，剔除因外力或其他因素產生的明顯的非正常信號，進而篩選出任務周期內的有效信號進行分析。預處理的過程主要分為三步，即基線校正、帶通濾波、去眼電。

特征提取是腦機接口系統中的關鍵環節，其通過相關算法對預處理后的腦電信號數據進行量化處理，提取出可以區分不同思維任務的有效信息，特征提取的成果將直接影響系統識別的分類準確率。本系統采用改進的多類CSP算法提取運動想象腦電信號最優分量的特征，該算法采用多類信號協方差矩陣的近似聯合對角化實現CSP算法的擴展，然后采用類別與空間濾波信號的最大互信息實現對最優濾波器的選擇。

在獲得特征向量后，需用分類器對腦電信號根據特征進行分類識別，常用的分類器有線性分類器（LDA）以及支持向量機（SVM）。本系統支持以上兩種算法，可以由用戶根據實驗結果在交互模塊中自由選擇使用哪一種分類器進行在線實驗。

在產生分類識別結果后，如果是單人實驗狀態，由決策模塊直接發送識別結果反饋至交互模塊或產生控制指令發送至外部設備;如果是多人實驗狀態，由決策模塊收集每人的識別結果分析，最終輸出一個結果反饋至交互模塊或產生控制指令發送至外部設備。

此外，在交互模塊中，由于用戶的差異性，還可以根據用戶自身情況自由選擇進行數據采集的導聯;并能夠在實驗時將系統的分類識別結果通過顯示屏等方式反饋給被試，以便被試進行自我狀態的調整。

根據需要，本系統主要設計了三種工作模式：離線訓練模式、單人在線控制模式以及多人協同控制模式。

2 ?離線訓練模式

由于不同被試在做同一個思維任務時腦電信號的特征是不同的，同一被試在不同時間做同一個思維任務時腦電信號的特征也不盡相同，因此每次執行控制任務之前，需要針對將要進行任務的被試對象進行離線訓練，采集腦電數據并分析，得到當前狀態下的腦電信號特征，以進行在線模式下的指令判別。

設定4s為一個任務周期（trial），在一個任務周期內，屏幕上出現向左（←）或向右（→）箭頭，被試進行相應的運動想象任務，系統采集數據并記錄存儲。一個任務周期結束后，接下來4s為空閑周期，被試進行休息與狀態調整。如此，任務周期與空閑周期穿插進行，如圖1所示，每次訓練包含50個任務周期。

在一次訓練結束之后，對采集記錄的前40個任務周期數據進行離線分析：經過預處理、特征提取、分類識別，得到數據的特征值和分類器參數，再根據后10個任務周期的數據進行分類結果的驗證，并根據結果對參數進行修正，得到最終的特征值與分類器參數。

3 ?單人在線控制模式

在線控制模式是整個系統最主要的一個功能。它完成的是一個腦機接口系統最核心的工作：讓被試通過自己的腦電信號來實時控制一個信息化裝備。

對于單個被試來說，在線控制模式與離線訓練模式類似，每4s為一個任務周期，在任務周期內，被試根據屏幕上的開始提示進行左/右手運動想象任務，由系統根據離線訓練的結果進行數據處理和分類，得到左/右手運動想象識別結果，通過屏幕展示給被試。每一任務周期結束后，被試有4s空閑時間，在下一任務周期開始提示時再次進行想象任務。

在任務進行的過程中，被試的腦電信號通過腦電信號采集設備采集并放大，近一段時間的信號被儲存在系統中以待分析。每經過一段時間，通過一個滑動窗口來取得最近一段時間的數據進行分析。每次滑動窗口取得的是一段n導（n為當前實驗時選取的導聯數），每個導包含2s腦電信號的時間序列，經過預處理實現對該段數據的降噪和去偽跡處理，預處理后的數據被同時發給分段模塊，分段模塊將數據按照配置好的系統參數分段，然后把這些數據段傳遞給特征提取模塊。特征提取模塊根據已訓練好的程序提取相應特征量，然后交給分類識別模塊，用訓練好的模型進行分類和識別。最后，由系統產生一個結果來表示被試的運動想象方向，若系統連接外部設備，則可直接將其轉化為控制指令，控制外部設備執行預設任務。

4 ?多人協同控制模式

對于大部分參與實驗的被試來說，進行運動想象任務時系統識別的分類準確率并不是特別高，且通過訓練難以獲得較大進步。因此我們提出利用多人同時進行運動想象任務，進行協同控制，以解決這個問題。

為了便于識別正確率的判別與統計，參考離線訓練模式進行實驗范式的設計，如圖2所示。向左、向右和空閑三種狀態提示指令通過圖像在屏幕中隨機出現，每4s為一個任務周期，每次試驗有60個任務，左、右各有15個任務，空閑態有30個任務。

參與實驗的三位被試同時接受相同提示，各自進行運動想象任務，由系統分別進行每人識別結果的判別，記錄并發送至系統決策模塊，同時計算與更新當前此被試的識別正確率。系統進行決策判定時，參考每位被試的識別正確率，對收集到的識別結果進行加權計算，得出一個最終結果并輸出。并在每個任務周期結束后，實時調整權重值，以提高正確率。

5 ?實驗設計

在實驗之前，精心選擇受試對象，需要選擇身體健康、沒有精神疾病、矯正視力正常的年輕的受試者。被試與腦電采集系統均在屏蔽室中，室內燈光適中，以減少由于視覺變化而產生的偽跡和注意力分散。被試坐在一個舒適的高靠背椅子上，全身肌肉處于放松狀態，不產生任何的肌肉緊張與實際運動。

根據進行運動想象時的腦電活躍區域給被試選擇合適的導聯進行連接，進行阻抗檢測無異常后開始實驗。實驗過程如下：（1）要求被試注意屏幕的提示圖形，執行相應的思維任務。每位被試分別進行一組離線訓練實驗，記錄數據，進行離線分析后建立每位被試的運動想象信號離線模型。（2）三位被試進行多人協同實驗，利用已建立的數據模型進行在線分析，分別計算并記錄每位被試識別正確率Q1、Q2、Q3;同時分析產生三人協同控制的結果，記錄并計算三人協同下系統統計識別的正確率QT。（3）分別對比QT與Q1、Q2、Q3。實驗結果如表1所示。

6 ?結 ?論

本文提出了一種由多人同時進行運動想象任務，從而進行協同控制的技術。通過多人的識別結果由系統進行計算判別并產生決策，以解決有些人員運動想象任務識別率不高及狀態不穩定等問題。重點介紹了系統的三種工作模式，即離線訓練模式、單人在線控制模式以及多人協同控制模式。并且詳細介紹了進行多人協同控制的實驗過程。

經多次實驗證明，由多人協同進行運動想象任務，經系統分析判定產生最終決策的識別正確率相比較于以往單人任務的識別正確率有了較大幅度的提高，降低了由于被試自身運動想象信號特征不明顯、實驗狀態不穩定等不確定因素帶來的影響，是一種有效的控制方法。

參考文獻：

[1] 馬留洋.基于虛擬現實的運動想象腦—機接口訓練系統 [D].鄭州：鄭州大學，2017.

[2] 馬騰.基于mVEP和MI多模態腦機接口的關鍵技術研究 [D].成都：電子科技大學，2018.

作者簡介：胡怡芳（1988-），女，漢族，河南南陽人，工程

師，碩士研究生，研究方向：生物電子、腦機接口。