基于SSVEP腦機接口的殘疾人出行輔助系統

王輔國

摘 要 如何輔助殘疾人進行空間的移動一直是困擾人類的命題，盡管當前市場上已經出現了一些能夠輔助殘疾人進行移動的設備，例如拐杖、輪椅，但這些輔助設備使用者的肢體健康狀況有一定要求（例如絕大多數設備都不適用于漸凍癥患者）。文章介紹了一種新的輔助系統，使用者在使用時只需要移動眼球、轉移目光，就可以對電動輪椅發出明確的移動/停止信號。其基本原理是通過注視穩定頻率的視覺刺激來誘導大腦皮層產生響應（SSVEP），使用傅里葉變換對用戶腦電信號進行頻譜分析，進而將相關分量輸入到神經網絡中進行判斷、分類，最后將判斷的指令輸出給電動輪椅進行輔助移動。

關鍵詞 SSVEP；傅里葉變換；神經網絡；輔助移動

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2018）224-0143-02

據中國殘疾人聯合會發布的數據顯示，目前我國殘疾人總數超過8？500萬，其中肢體殘疾人數近2？500萬。

對于肢體殘疾的人來說，身體的殘疾不僅給日常生活帶來了不便，也阻礙了他們進行正常的社會活動。而現有的輔助殘疾人進行運動的裝置仍然對使用者的身體健全狀況有著較高的使用要求，例如拐杖和普通輪椅都需要使用者有較強的臂力，就算是較先進的輔助運動設備，其與人的交互方式都是通過聲音、按鈕等傳統方式進行的，而這對于很多老年人、殘障人士或完全喪失自主控制肌肉的能力的病患來說，操縱難度大、使用難度高。所以需要一種更加方便、使用門檻更低的輔助設備。

腦機接口為該問題提供了一個優秀的解決方案，腦機接口不需要用戶的額外運動就可以直接將人的腦電信號提取出來，輸入給電腦，加以分析，幫助用戶發出指令。

該方案的基本原理是：用戶面前會有7個不同頻率的刺激（例如牛頓環）分別代表7種運動/控制指令（前后左右，停止，確認/返回），產生運動指令后，該系統將人的腦電信號提取并加以識別，判斷被試所需要的運動狀態（前后左右運動或是停止），并由機動輪椅實現運動。

1 腦電信號與SSVEP

1.1 腦電信號與腦機接口

腦電是一種使用電生理指標記錄大腦活動的方法[ 1 ]，是大腦在活動時，大量神經元同步發生的突觸后電位經總和后形成的。它記錄大腦活動時的電波變化，是腦神經細胞的電生理活動在大腦皮層或頭皮表面的總體反映。根據采集過程中是否需要將采集電機插入頭部皮層，可以將腦機接口分為侵入式與非侵入式。

在采集過程中，由于侵入式腦機接口具有一定的危險性，容易引發免疫排斥反應，所以采用非侵入式的腦機接口，方便于佩戴人體上，但是顱骨對信號的消減作用較強，并影響信號的穩定性，信號信噪比較低，需要進行后期處理。因此在實際應用中，經常配合導電膏使用非侵入式腦機接口來獲取用戶腦電數據。

1.2 視覺穩態誘發電位（SSVEP）

盡管腦電有著巨大的應用前景，但其噪聲多、信號弱、應用條件相對苛刻的特點也對其推廣造成了一定的阻礙。實際上，在實際應用中我們主要使用兩種腦電信號（及其對應的實驗范式）進行研究與應用：P300、SSVEP。

P300：P300信號是指當被試者視覺受到外界特殊刺激后腦電信號會出現一個正向波峰，該波峰大約出現在相關事件發生后的300ms。P300？電位是腦機接口中經常使用的信號，是事件相關電位的一種。P300電位的產生主要依賴于人對某種刺激的反應，而不依賴身體狀況，通常由包含靶刺激的小概率事件和非靶刺激的大概率事件的刺激序列誘發。但值得注意的是，在使用P300信號的腦機接口實驗范式中，被試者往往需要長時間專注，因此非常容易疲憊，這對于腦機接口的推廣是有一定負面作用的。

SSVEP：穩態視覺誘發電位是指當給用戶一個固定頻率的視覺刺激時，我們能夠在該用戶的大腦皮層觀察到一個與刺激頻率的基頻或倍頻相關的連續響應[ 2 ]。這個響應是被稱為穩態視覺誘發電位。相對于使用以P300為首的事件相關電位的腦機接口系統而言，使用穩態視覺誘發電位的系統和實驗設計更加簡便，而且需要的訓練次數也比較少。

那么如何對SSVEP信號加以識別呢？正如前文所言，腦電信號弱、干擾多、復雜程度高，為了在紛繁復雜的信號中將有用的、珍貴的信息提取出來，就必須對信號進行大量的數據處理。如果單純地將腦電信號輸入到相對基礎的神經網絡（比如多層感知器）中，勢必需要非常復雜的網絡（比如層數特別深，或者神經節點特別多）才能實現比較理想的分類，甚至無法完成目標函數的收斂。這對于該系統的泛用性和可靠性都是非常不利的。因此，理想的情況是我們對腦電信號進行相對簡單的特征提取，將提取出來的特征進行識別。為此，我們引入傅里葉變換。

2 傅里葉變換

傅里葉變換是一種在頻域上對信號進行處理和分析的方法，就其本質而言，傅里葉變換將一般信號分解為若干（可能是無數）個正弦信號的疊加（對于周期信號，可直接分解為傅里葉級數，對于非周期信號，可將其視作周期為無限大的周期信號進行分解），即將我們的視角轉到頻域上，這樣我們可以很方便地查看該信號是由哪幾種頻率的正弦信號疊加而成，并通過比較它們的幅值大小來判斷哪種信號起主要作用（幅值大的信號），哪種信號作用較小，在實際中可以忽略。

正如前文所說，當人接收到一個穩定的固定頻率（這個頻率需要滿足一定的要求）的刺激后，會在腦中產生諧振峰，即在頻譜上對應該頻率的基頻或倍頻的幅值會有明顯的增加。

因此，我們可以通過判斷人的腦電信號中哪個頻率的幅值發生明顯增加來判斷被試接收到了哪個頻率的刺激，進而判斷被試在注視哪個區域。

然而從人腦中提取的電信號是離散而非連續的，因此我們需要引入離散傅里葉變換。通過離散傅里葉變換，我們將某一個具體的窗口中的離散數據擴展到整個時間維度上（即擴展為離散的周期信號）后再進行傅里葉變換，即可得到在這個窗口中的頻譜。

這樣，我們就不必從時域上研究腦電信號，而是使用一種更加簡潔的形式對腦電信號加以分析和識別。或者說，我們將腦電信號的“特征”提取了出來。

3 神經網絡

自反向傳播算法廣泛應用以來，神經網絡進入了高速發展時期。

其在圖像處理、語音識別、自然語言處理等領域大方異彩，比起其他方法，神經網絡在實現復雜分類、特征提取等方面更加有優勢。就其本質而言，神經網絡的基礎是以sigmoid函數為代表的激活函數所實現的二元分類，通過堆疊神經元（實際上可以將每一個神經元理解為一個二元分類器）來增加分類次數，值得注意的是在同一個隱藏層上單純地增加神經元只是增加了分類的次數，但不同的分類之間并無邏輯關系，因此除去增加神經元，我們還需要增加神經網絡的層數（即隱藏層數），以實現邏輯的復雜化。

在輸入通道數量固定、label固定的條件下，通過調整隱藏層和每層神經元的數量，我們可以改變神經網絡的結構，進而對神經網絡的表現（比如收斂速度、準確率）產生影響（既可能是積極的，也可能是消極的）。

為了訓練神經網絡，我們需要儲備訓練數據。在訓練過程中，被試需要依次注視七種刺激，并給響應的腦電波段貼上對應的“label”（例如注視“前進”這一刺激，并將刺激后的腦電信號進行傅里葉變換，輸入到神經網絡中去，并將這此訓練的label設置為“前進”）。

結構確定后，我們便可以將提取出來的特征（在本項目中，是窗口內信號經過傅里葉變換后各個頻段的功率譜）和對應的label（前后左右、停止）輸入到神經網絡的兩端，經過訓練后便可獲得我們識別所需要的網絡。

在本系統中，我們需要構造的是一個多通道輸入（注意，輸入的是頻譜而非信號本身）、單輸出的神經網絡。該網絡的輸出是具體的運動指令。經過多次訓練后，即可得到一個比較精準的分類器。

值得注意的是，對于不同的人而言，相同頻率的刺激引發的響應是有差異的，因此對于不同的使用者，我們需要單獨進行訓練，這也是該項技術后期需要優化的問題之一。

4 系統構造

系統由以下幾部分組成：刺激信號產生裝置（顯示器），腦機接口，信號處理系統（包括信號預處理與神經網絡），機動輪椅，工作流程見圖1。

當系統處于工作狀態時，由顯示器顯示4個方向、停止命令、確認、返回共七個頻率刺激（每個頻率之間的差異應該足夠大以防止誤判）。用戶注視具體頻率刺激后，腦機接口將信號提取并源源不斷地輸送給信號處理系統，而信號處理系統的工作分為3部分：基礎的信號預處理（例如濾波）、特征提?。x散傅里葉變換）和信號識別（神經網絡），經過系統識別后將具體指令（前后移動、左右轉動、停止）發送給機動輪椅，實現輔助移動。

從硬件來看，我們需要刺激硬件（例如顯示屏）、處理硬件（進行相應的數學運算）和移動硬件（例如電動輪椅）。

從軟件來看，我們需要刺激產生軟件（支持不同頻率甚至不同顏色的刺激），信號處理軟件和控制軟件（控制輪椅）。

5 結論

文章介紹了一種輔助殘疾人進行移動的系統，這種系統由主要由4部分組成：刺激部分、信號提取部分、信號處理部分、運動輔助部分。刺激部分負責誘發人的穩態刺激，該部分可以由顯示器完成，也可以由VR、AR等先進技術代為完成；信號提取部分，即腦機接口，負責將人的腦電采樣并輸送給信號處理系統；信號處理部分負責對腦電信號加以識別，并判斷用戶想要發出的具體指令，并將這種指令傳輸給運動輔助部分；運動輔助部分，即電動輪椅，根據信號處理部分的指令做出響應，實現對人的運動輔助。

顯然，該系統的核心在于信號處理部分，如何處理信號來得到具體的指令是我們最關心的問題。為此，我們介紹了傅里葉變換和神經網絡。這兩種方法的結合在理論上能夠幫助我們進行高精度的識別。

通過上述不同部分的集成“合作”，使用者可以在不移動身體任何一個部位的情況下，僅僅通過注視眼前的不同選項，就可以對輪椅發出指令。

當然，該系統仍有許多有待改進的地方。在實際應用中，我們還要考慮功耗、速度、便攜性等一系列問題，所以本文所介紹的系統只是最基礎的“原型機”，相信在不遠的未來，以本文所介紹的內容為基本思路的民用輔助系統一定能夠出現在市場上，大放異彩。

參考文獻

[1]周志勇，程建新，王詩傲，等.腦電研究在工業設計領域的現狀與趨勢分析[J].包裝工程， 2018（6）.

[2]鄭軍.基于穩態視覺誘發電位的腦-機接口研究[J].科學技術與工程，2011，11（33）：8149-8154.