摘 要： 設計了基于事件相關電位（ERP）的腦-機接口（BCI）系統，根據ERP中P300的特性，分別對比輸入字符的形式及顏色，并在此基礎上采用不同的實驗參數進行了多次實驗。對采集到的腦電信號（EEG）使用疊加平均、獨立成份分析（ICA）、Fisher線性分類器來進行分析處理。實驗結果表明，輸入方式及實驗參數會對P300的時域特性及識別率產生較大的影響。
關鍵詞： 腦-機接口；事件相關電位；P300；獨立成分分析；Fisher線性分類器
腦-機接口BCI（Brain-Computer Interface）為人腦與外界事物進行信息交流和控制提供了一種全新的通道，隨著人們對大腦的研究越來越深入，可以不使用語言或動作，直接通過腦電信號來表達想法或者操縱設備。BCI系統一般由三部分組成：對腦電信號的采集；對腦電信號進行處理；將處理之后分類正確的控制信號輸出，實現對外圍設備的控制。事件相關電位ERP（Event-Related Potentials）是腦電圖EEG（electroencephalogram）中的一種，當外加一種特定的刺激，作用于感覺系統或腦的某一部位，在給予刺激或撤銷刺激時，在腦區引起的電位變化[1]。ERP中的P300電位是腦-機接口中廣泛使用的信號。浙江大學的陳衛東等人設計的基于P300電位的BCI系統實現對虛擬手臂的控制；瑞士洛桑聯邦理工學院（EPFL）實驗室為殘疾人設計出基于P300的BCI控制系統[2]。
如何讓BCI系統貼近生活，設計出更為簡單實用的BCI系統，就顯得比較重要了。在日常生活中，人們對于密碼并不陌生，本文設計的基于ERP的新型輸入系統，為密碼輸入提供了一種更為安全的方式，不用手就可以實現密碼的輸入。由于好的數據是無可替代的[3]，通過實驗范式設計來產生較好的刺激效果就顯得尤為重要。本文通過變換輸入字符的形式及顏色，對不同實驗參數進行多組實驗。對采集到的EEG進行疊加平均，將P300從EEG背景噪聲中分離出來，然后利用獨立成份分析ICA（Independent Component Analysis）來剔除眼電，用Fisher線性分類器進行分類，對實驗結果進行分析比較來選出最佳的刺激輸入形式。
1 實驗范式
1.1 字符的形式及顏色
用于密碼輸入的字符形式可以選擇阿拉伯數字（0、1、……9）（以下簡稱數字）或者大寫的數字（零、壹、……玖）（以下簡稱漢字）。人們一般非常熟悉阿拉伯數字；大寫的數字，普及率不及阿拉伯數字，但是在一些特殊的場合，如銀行還是會經常用到。并且相對于拼音文字，漢字是更為徹底的視覺文字，其腦機制更注重視覺加工[4]。除了字符形式的對比外，又進行了字符顏色（黑色、紅色）的對比。黑色是較為普遍的顏色，紅色能夠引起人們較為強烈的反應。本文共設計了四組實驗：黑色數字、紅色數字、黑色漢字及紅色漢字。
1.2 實驗參數
實驗過程中，準備階段屏幕上將會呈現1 s的“+”，之后隨機出現的字符即為目標字符，持續呈現1 s，隨后一輪10個字符隨機閃爍出現，重復多輪，當出現與目標字符相同的字符時，要求被試者默數一次。每個字符出現的概率相同，且滿足偏差刺激概率小于30%；標準刺激概率大于70%。綜合考慮參考文獻[5-6]之后，初步設定字符閃爍方式亮暗時間/s的組合取為[0.1，0.3]，[0.15，0.3]，[0.2，0.3]，[0.1，0.4]，[0.15，0.4]，[0.2，0.4]；字符重復次數的取值為10，13，15，20；連續無間隔訓練的目標字符個數為8，10，15，18。實驗過程中發現：亮暗時間太短，被試者的眼睛會很快進入疲勞狀態，個別被試者還會流眼淚；如果亮暗時間太長，被試者容易走神，刺激效果不明顯；隨著目標字符數目的增多，實驗所需的時間就會越久，被試者的注意力會下降。在咨詢被試者的基礎上，分析采集到的數據，最終確定實驗參數為：字符閃爍方式為亮0.15 s，暗0.4 s；訓練一個目標字符過程中，每個字符隨機重復閃爍13次；測試完8個目標字符之后，被試者可以適當休息。
1.3 腦電信號采集
實驗采用VC++中的MFC編寫信號的采集存儲等處理程序，實現19導（FP1，FP2，F3，F4，C3，C4，P3，P4，Po7，Po8，F7，F8，Oz，T4，T5，T6，Fz，Cz，Pz）EEG的同步采集。通過銀-氯化銀電極制作的電極帽采集EEG，經過數字放大器（中科新拓公司，UEA-24BZ）放大，采樣頻率定為100 Hz，30 Hz低通濾波。由4名女性、3名男性參與實驗，平均年齡是24.7歲，對顏色可以正常識別，視力矯正到正常，右利手。在實驗之前，被試者已明確自己的任務，保持頭皮干凈，情緒穩定，身體狀況良好。實驗室溫度控制在25℃左右。采用單極導聯，耳電極為參考電極。測試期間被試者要精神放松，注意力集中，盡可能減少眨眼及肢體運動。待實驗結束，咨詢被試者默數的目標字符出現次數，以此來判斷被試者注意力的集中程度。
2 數據處理
2.1獨立分量分析
對每名被試者的各組數據分別進行分析，ICA在去除眼電干擾方面有比較強的優勢，不需要依賴于數據的任務標簽，就可以在無監督的模式下進行，得到更多獨立的信號源，較為真實地反映大腦的源活動，確保各個分量盡可能的獨立，繪制出相應的獨立分量的空間模式圖。觀察圖像，若在前額FP1、FP2處，顏色越紅就表明眼電干擾越大，在隨后的處理當中，要在盡可能地保留原始數據的基礎上，適當地剔除這些干擾明顯的量。
2.2 P300的波形分析
對同一被試者所采集的四組數據進行分析，分別繪制出在Oz處目標字符與非目標字符在刺激之后0.7 s內的波形圖，如圖1所示，此被試者比較熟悉漢字中的大寫數字，P300電位的峰值都出現在0.4 s附近。在同為數字刺激時，在圖1（b）中目標字符相對于非目標字符波形的起伏較大，刺激的效應較為劇烈。在同為漢字刺激時，在圖1（c）圖中目標刺激的最大峰值更為明顯，而圖1（d）中的波形較為雜亂，對最大峰值有干擾。綜合四幅圖像來看，圖1（b）中紅色數字的刺激效果是最好的，在目標刺激的起始階段，波形較為平穩，P300的峰值集中出現在目標刺激之后的0.2~0.5 s之間。
當被試者對于漢字中的大寫數字不熟悉時，漢字試驗中，目標字符刺激所產生的P300電位峰值會向后延遲，出現在0.5 s之后。推測其中的原因可能是：當被試對于比較熟悉的圖片時，反應快一些；當出現不熟悉的圖片時，反應會慢一些，這樣目標字符刺激產生的P300電位會向后面有些許的延遲。
2.3 正確率分析
同一個被試者，兩周內要完成四組實驗。所采集到的數據為：黑色數字組共96個字符；紅色數字組共96個字符；黑色漢字組共99個字符；紅色漢字組共98個字符，分別進行分類。取刺激之后0.7 s內的數據作為分類特征，進行10次8折交叉驗證，分別對四組實驗的樣本數據分類。繪制出字符閃爍重復次數與正確率之間的關系，如圖2所示。
字符在重復閃爍6~9次之后，會達到一個較為平穩的正確率，隨著字符閃爍重復次數的增多，并不能提高相應的正確率。所以在設計實驗范式時，可以適當地減少字符閃爍的重復次數，縮短實驗時間，最終提高輸入系統的效率。在圖2（a）、（b）中，紅色數字的正確率比黑色數字的正確率高；圖2（b）、（d）中，紅色數字的正確率要比紅色漢字的正確率高很多，即在四組實驗當中，紅色數字的分類效果最好。
綜上可知：在圖1中，紅色數字的波形效果是最好的，目標刺激之后的初始階段波形較為平穩，在0.2~0.5 s內，P300峰值最大；在圖2中，紅色數字的分類正確率最高。鑒于人們對于阿拉伯數字的熟悉程度遠遠高于數字的大寫漢字，及對于此密碼輸入系統的推廣，確定出紅色數字為最佳的刺激方式。
本文所設計的基于ERP的BCI新型輸入系統，通過分別對比輸入字符的形式及顏色，采用不同的實驗參數進行了多次實驗，將腦電信號的處理結果進行比較，確定出了實驗范式的最佳刺激方式及合理的實驗參數。
在數據采集過程中，由于實驗室的條件有限，不能做到完全隔音，以后需要在更加嚴謹的實驗環境中進行。被試者在面對不停閃爍的字符時，很容易疲勞，眨眼是無法避免的，所以要盡量克服BCI任務的枯燥感，減少被試者的疲勞程度，使采集到的數據盡可能干凈。今后的工作中，在利用Fisher分類時，還可以挑選出對P300起關鍵作用的通道或者僅選擇刺激之后的0.2~0.6 s之間的數據進行分析，降低數據的維數，進一步提高BCI系統的效率。
參考文獻
[1] 趙侖.ERPs實驗教程（修訂版）[M].南京：東南大學出版社，2010.
[2] HOFFMANN U， VESIN J M， EBRAHIMI T， et al. An efficient P300-based brain-computer interface for disabled subjects[J]. Journal of Neuroscience Methods， 2008， 167 （1）：115-125.
[3] （美）STEVEN J.LUCK著.事件相關電位基礎[M].范思陸，丁玉瓏，曲折，等，譯.上海：華東師范大學出版社，2008.
[4] 張學新，方卓，杜英春，等.頂中區N200：一個中文視覺詞匯識別特有的腦電反應[J].科學通報，2012，57（5）：332-347.
[5] POLICH J. Updating P300： An integrative theory of P3a and P3b[J]. Clinical Neurophysiology， 2007， 118（10）： 2128-2148.
[6] DUNCAN C C， BARRY R J， CONNOLLY J F， et al. Event-related potentials in clinical research： Guidelines for eliciting， recording， and quantifying mismatch negativity， P300， and N400[J]. Clinical Neurophysiology， 2009，120（1）1883-1908.