丁成義

（中國(guó)電子科技集團(tuán)公司 第二十七研究所，河南 鄭州 450047）

0 引言

隨著目標(biāo)所處環(huán)境復(fù)雜性日益增加，以及目標(biāo)主動(dòng)隱身與反探測(cè)能力的提高，現(xiàn)有的計(jì)算機(jī)目標(biāo)檢測(cè)識(shí)別方法（模板匹配、最近鄰和決策樹(shù)等）遇到較多技術(shù)瓶頸，亟待尋求新的目標(biāo)探測(cè)方法。

人類長(zhǎng)期進(jìn)化的大腦對(duì)運(yùn)動(dòng)或者敏感目標(biāo)，會(huì)誘發(fā)出一些特殊的神經(jīng)信息，這些神經(jīng)信息可通過(guò)腦電信號(hào)（EEG）來(lái)反映，其中最重要的是P300事件相關(guān)電位。P300是一種內(nèi)源性的與認(rèn)知功能相關(guān)的特殊誘發(fā)電位，通過(guò)檢測(cè)腦電信號(hào)中的P300電位，可以快速實(shí)現(xiàn)對(duì)目標(biāo)的探測(cè)分選，進(jìn)而實(shí)現(xiàn)分類識(shí)別。

近些年來(lái)，腦-機(jī)接口(brain-computer interace，BCI)技術(shù)的研究在國(guó)際上引起了廣泛的關(guān)注并獲得了快速的研究進(jìn)展。通過(guò)利用EEG等來(lái)實(shí)現(xiàn)人機(jī)交互，是一種新型的人機(jī)接口方式。BCI技術(shù)在助殘、康復(fù)、輔助控制、神經(jīng)機(jī)器人、特殊環(huán)境條件下的軍事應(yīng)用等領(lǐng)域有著廣泛的應(yīng)用前景[1]。利用人類的腦電波結(jié)合先進(jìn)的認(rèn)知處理算法，充分利用人的智能和現(xiàn)有機(jī)器的智能結(jié)合提高對(duì)目標(biāo)的探測(cè)概率。

1 P300電位的形成及特點(diǎn)

人類在長(zhǎng)期進(jìn)化過(guò)程中形成的EEG中的事件相關(guān)P300電位是一種內(nèi)源性事件相關(guān)電位(event related potentials,ERP)，一般出現(xiàn)在刺激發(fā)生后300ms左右，具有時(shí)域波形特征，通常采用Oddball范式誘發(fā)。所謂Oddball范式，是指在標(biāo)準(zhǔn)刺激(大概率刺激)的序列中，偏差刺激或靶刺激(小概率刺激)誘發(fā)的ERP。偏差刺激或靶刺激出現(xiàn)的概率越小，誘發(fā)的P300振幅越大[2]。自1965年Sutton等人發(fā)現(xiàn)P300電位以來(lái)，P300電位一直是ERP研究的重要內(nèi)容，也是腦科學(xué)研究的重要途徑之一。Farewell和Donchin等最早將P300作為控制信號(hào)應(yīng)用于BCI[3]，他們?cè)O(shè)計(jì)了基于P300的虛擬打字機(jī)，這樣可以使癱患者通過(guò)拼寫(xiě)單詞實(shí)現(xiàn)與外界交流[4]。此后基于P300的BCI研究大都建立在Farwell等的工作基礎(chǔ)之上。例如Hoffman等[5]將呈現(xiàn)的矩陣改為6張生活圖片，同樣通過(guò)閃爍摸一張圖片來(lái)誘發(fā)P300，6張圖片包含開(kāi)燈、開(kāi)窗和看電視等內(nèi)容。結(jié)果發(fā)現(xiàn)這一系統(tǒng)能滿足患者的某些活動(dòng)需要。Perez-marcos等[6]用P300電位控制機(jī)器人，是機(jī)器人能夠?qū)崟r(shí)地寫(xiě)出受試者所注視的字符。

P300電位的波形特點(diǎn)是位于刺激點(diǎn)后約300ms出現(xiàn)一個(gè)正向的峰值電位，其波形如圖1所示。

事件相關(guān)電位(ERP)是大腦對(duì)某種事件進(jìn)行信息加工時(shí)誘發(fā)產(chǎn)生的一系列電活動(dòng)，其中P300是一種內(nèi)源性的時(shí)間相關(guān)電位，與大腦注意力有關(guān)，是對(duì)發(fā)生概率相對(duì)較小的外界事件或刺激的反應(yīng)。P300一般出現(xiàn)在刺激發(fā)生后300ms左右，它也因此而得名。

圖1 P300電位的波形圖（PZ）

P300是一種內(nèi)源性的與認(rèn)知功能相關(guān)的特殊誘發(fā)電位（Sutbn等人1965年發(fā)現(xiàn)），主要與心理因素相關(guān)。P300即為晚成分的第3個(gè)正波，也稱為P3。經(jīng)典的P300可在Oddball實(shí)驗(yàn)范式下出現(xiàn)。該范式是指當(dāng)對(duì)同一感覺(jué)通路的一系列刺激由兩種刺激組成時(shí)，一種刺激出現(xiàn)的概率很大，如85%，通稱為標(biāo)準(zhǔn)刺激或背景刺激；另一種刺激出現(xiàn)的概率很小，如15%，稱為敏感刺激或偏差刺激。由于兩種刺激出現(xiàn)的順序隨機(jī)，所以，對(duì)受試者來(lái)說(shuō)偏差刺激具有偶然性。當(dāng)要求受試者發(fā)現(xiàn)偏差刺激后盡快按鍵或記憶其數(shù)目時(shí)，此時(shí)偏差刺激也稱為靶刺激。在偏差刺激后約300ms就可觀察到P300。

P300的測(cè)量指標(biāo)和其他一般誘發(fā)電位一樣，主要為潛伏期和波幅。 P300 的頭皮分布廣泛，相對(duì)集中在中線部位（Fz，Cz，Pz，Oz），如圖2所示。其波幅在頂后部（Pz）最大，中央頂部（Cz）次之，主要特點(diǎn)是具有穩(wěn)定的時(shí)間窗，對(duì)特征識(shí)別敏感等，成分較大易于測(cè)量。

圖2 P300電位測(cè)量電極分布圖

綜上所述，P300電位的優(yōu)勢(shì)特點(diǎn)如下：

（1）P300是完全可以通過(guò)視覺(jué)刺激誘發(fā)的，所以可以用于目標(biāo)探測(cè)；

（2）P300是與注意相關(guān)的信號(hào)，對(duì)于新異性目標(biāo)的出現(xiàn)有較強(qiáng)的反應(yīng)幅度。而且新異性越強(qiáng)幅度越高，有利于模式識(shí)別算法對(duì)信號(hào)的處理。能夠很好的保證識(shí)別準(zhǔn)確率和識(shí)別時(shí)間。

（3）P300由于信號(hào)幅度較大，可以避免傳統(tǒng)ERP數(shù)據(jù)處理過(guò)程中大量的疊加平均。只需要少次疊加，甚至單次即可實(shí)現(xiàn)對(duì)P300信號(hào)可靠穩(wěn)定的提取。

基于P300電位的特點(diǎn)，我們?cè)O(shè)計(jì)了P300電位的目標(biāo)探測(cè)系統(tǒng)進(jìn)行目標(biāo)的快速精準(zhǔn)探測(cè)，使用該系統(tǒng)可以很好地提高目標(biāo)探測(cè)的準(zhǔn)確率和降低虛警率。

2 基于P300電位的目標(biāo)探測(cè)系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)構(gòu)成

基于P300電位的目標(biāo)探測(cè)系統(tǒng)主要由八個(gè)互相通信的主要模塊構(gòu)成。每個(gè)功能模塊通過(guò)一些可選的過(guò)程和算法完成一部分相對(duì)獨(dú)立的工作，系統(tǒng)的硬件架構(gòu)組成模塊及關(guān)系如圖3所示。

圖3 目標(biāo)探測(cè)系統(tǒng)的組成框圖

2.2 實(shí)驗(yàn)系統(tǒng)搭建

實(shí)驗(yàn)系統(tǒng)搭建的示意圖如圖4。

圖4 目標(biāo)探測(cè)系統(tǒng)搭建示意圖

2.3 系統(tǒng)工作流程

系統(tǒng)通過(guò)圖像采集與處理分析模塊為BCI系統(tǒng)提供足以誘發(fā)出P300的圖像序列（如圖5所示），然后每次圖像出現(xiàn)在顯示器上時(shí)，都會(huì)將該圖像所對(duì)應(yīng)的EEG信號(hào)打一個(gè)時(shí)間開(kāi)始標(biāo)簽。在模式識(shí)別時(shí)，對(duì)標(biāo)簽后250ms～350ms的一段數(shù)據(jù)利用訓(xùn)練好的SVM(支持向量機(jī)，Support Vector Machine)[7-10]進(jìn)行識(shí)別。對(duì)分類識(shí)別出的P300信號(hào)，依據(jù)時(shí)間關(guān)系，反推追溯出引起該P(yáng)300的圖像，從而達(dá)到對(duì)特定目標(biāo)探測(cè)的功能。

圖5 刺激時(shí)序圖

2.4 EEG信號(hào)處理

在EEG腦電信號(hào)采集過(guò)程中，極易受到各種偽跡噪聲的干擾，因此在預(yù)處理模塊中，要對(duì)腦電數(shù)據(jù)進(jìn)行濾波，一方面是為了去除腦電中存在的大量噪聲，另一方面可以提取重要成分進(jìn)行后續(xù)處理。這里我們采用空間變換方法[11]，去除各種偽跡干擾。

在特征提取模塊中，小波和時(shí)頻譜分析[12]、相干平均、小波包分解分析、Hilbert-Huang變換、公共空間模式(CSP)[13-15]方法被用于提取預(yù)處理后的EEG信號(hào)特征；最后，在模式分類模塊中，一個(gè)SVM被訓(xùn)練來(lái)分類從每段EEG中提取出的特征向量。

3 目標(biāo)探測(cè)系統(tǒng)實(shí)驗(yàn)測(cè)試

本實(shí)驗(yàn)具體過(guò)程分為訓(xùn)練和測(cè)試。訓(xùn)練過(guò)程用來(lái)得到一個(gè)分類效果較好的分類器。測(cè)試過(guò)程，也就是對(duì)目標(biāo)識(shí)別探測(cè)的過(guò)程。

圖6 目標(biāo)探測(cè)系統(tǒng)實(shí)驗(yàn)圖

實(shí)驗(yàn)設(shè)置：基于Oddball范式，標(biāo)準(zhǔn)刺激為緩慢變化的沙漠背景圖像和海洋圖像（如圖6所示），偏差刺激為沙漠或海洋背景中出現(xiàn)飛機(jī)、坦克、軍艦等圖像，刺激過(guò)程中每幅圖像呈現(xiàn)的時(shí)間為600ms，且偏差圖像出現(xiàn)的概率為16.7%，P300成分采用在線單次提取方法獲取，原始信號(hào)波形圖和主要特征如圖7和圖8所示，其中訓(xùn)練時(shí)采用十五導(dǎo)聯(lián)（采集受試者大腦的頂部、枕部）數(shù)據(jù)，橫坐標(biāo)為樣本點(diǎn)數(shù)目，縱坐標(biāo)為EEG信號(hào)的幅度（μV）。

圖7 原始信號(hào)波形圖特征

圖8 在線實(shí)驗(yàn)中各導(dǎo)EEG數(shù)據(jù)的P300特征圖

在這里，我們以目標(biāo)探測(cè)率和虛警率作為衡量系統(tǒng)的兩個(gè)標(biāo)準(zhǔn)，這里虛警包括誤警和漏警。實(shí)驗(yàn)選取了6名年齡25～29歲的健康男性受試者。在安靜，光照略低的室內(nèi)環(huán)境中進(jìn)行。首先要對(duì)受試者進(jìn)行訓(xùn)練。實(shí)驗(yàn)測(cè)試結(jié)果如表1所示，每個(gè)測(cè)試者的測(cè)試結(jié)果為多次測(cè)試，取平均值作為最終結(jié)果。

表1 實(shí)驗(yàn)測(cè)試結(jié)果

4 結(jié)論

搭建基于P300電位的目標(biāo)探測(cè)系統(tǒng)，通過(guò)Oddball刺激圖像序列，誘發(fā)受試者產(chǎn)生P300電位。再對(duì)產(chǎn)生的P300電位進(jìn)行預(yù)處理、特征提取和模式識(shí)別分類，實(shí)現(xiàn)系統(tǒng)連續(xù)的在線目標(biāo)探測(cè)。經(jīng)過(guò)對(duì)多個(gè)受試者的多次實(shí)驗(yàn)表明，該P(yáng)300目標(biāo)探測(cè)系統(tǒng)能夠很好地實(shí)現(xiàn)對(duì)圖像目標(biāo)的識(shí)別，極大地提高了敏感圖像目標(biāo)識(shí)別的效率。盡管如此，實(shí)驗(yàn)中仍然存在一些問(wèn)題：實(shí)驗(yàn)前需要涂腦電膏等準(zhǔn)備工作和實(shí)驗(yàn)后的清潔工作，圖像采集分析處理階段如何能夠更快地產(chǎn)生符合產(chǎn)生P300的刺激圖像序列等。未來(lái)，隨著非接觸式的腦電波探測(cè)技術(shù)研究的深入，能夠極大地縮短實(shí)驗(yàn)的準(zhǔn)備時(shí)間和不必要的麻煩，從而能夠更好地使該系統(tǒng)在目標(biāo)探測(cè)和情報(bào)分析判讀等領(lǐng)域得到應(yīng)用和推廣。

［1］WOLPAW JR,BIRBAUMER N， HEETDERKS WJ,et al.Brain-computer interface technology∶a review of the first interaction meeting[J].IEEE Transaction on rehabilitation Engineering,2000,8(2)∶164-173.

［2］趙均榜，張智君.基于皮層誘發(fā)電位的腦機(jī)接口研究進(jìn)展[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程.

［3］Donchin E,Spencer K M,Wijesinghe R.The mental prosthesis Assessing the speed of a P300-based brain-computer interface[J].IEEE Transaction on Rehabilitation Engineering,2000,8(2)∶174-179.

［4］馬忠偉，高上凱.基于P300的腦-機(jī)接口：視覺(jué)刺激強(qiáng)度對(duì)性能的影響[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2008,48(3)∶417-420.

［5］Hoffman U,Vesin J M,Ebrahimi T,et al.An efficient P300-based braincomputer interface for disabled subjects[J].J Neurosci Methods,2008,167(1)∶115-125.

［6］Perez-Marcos D,Buitrago J A,Velasquez F D.Writing through a robot∶A proof of concept for a brain-machine interface[J].Med Eng Phys,2011,33(10)∶1314-1317.

［7］Duncan-Johnson C C,Donchin E.On quantifying surprise∶the variation of event-related potentials with subjective probability[J].Psychophysiology,1977,14(5)∶456-467.

［8］葛瑜，劉楊，周宗潭，胡德文.用于腦-機(jī)接口P300實(shí)驗(yàn)的支持向量機(jī)分類方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008，29(11)：2860-2862.

［9］楊淑瑩.模式識(shí)別與智能計(jì)算：Matlab技術(shù)實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2008.

［10］Vapnik V N.Statistical learning theory[M].New York∶Jone Wiley&Sons,1998.

［11］計(jì)瑜，沈繼忠，施錦河.基于BSS的EEG信號(hào)中眼電偽跡的自動(dòng)去除方法[J].浙江大學(xué)學(xué)報(bào)：工學(xué)版.

［12］Mensh B D,Werfel J,Sung H S.BCI Competition 2003—Data set Ia∶combining gamma-band power with slow cortical potentials to improve single-trial classification of electroencephalographic signals[J].IEEE Transactions on Biomedical Engineering,2004.

［13］Ramoser H,Muller-Gerking J,Pfurtscheller G.Optimal spatial filtering of single trial EEG during imagined hand movement[J].IEEE Transaction on Rehabilitation Engineering，2000,8(4)∶441-446.

［14］Tang Y,Tang J T,Gong A D.Multi-Class EEG Classification for Brain Computer Interface based on CSP[C]//Proceedings of the 1st International Conference on Biomedical Engineering Informatics,Sanya,China,2008,2∶469-472.

［15］李明愛(ài)，劉凈瑜，郝冬梅.基于改進(jìn)CSP算法的運(yùn)動(dòng)想象腦電信號(hào)識(shí)別方法[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，2009，28(2)：161-165.