李東閣

1.認知科學(xué)國家民委重點實驗室，湖北武漢430074；2.醫(yī)學(xué)信息分析及腫瘤診療湖北省重點實驗室，湖北武漢430074

前言

當(dāng)人眼受到固定頻率超過4 Hz的視覺刺激時，大腦皮質(zhì)活動將被調(diào)節(jié)，導(dǎo)致類似于刺激的周期性節(jié)律，這就是穩(wěn)態(tài)視覺誘發(fā)電位（Steady-State Visual Evoked Potential,SSVEP），而SSVEP主要出現(xiàn)在大腦皮層枕區(qū)［1］。人們設(shè)計出基于SSVEP的腦-機接口系統(tǒng)，通過識別大腦中的腦電信號的頻率成分來檢測目標(biāo)指令［2］。目前，基于SSVEP的腦-機接口系統(tǒng)得到廣泛關(guān)注和研究，其中有關(guān)SSVEP的識別準確率問題的研究居多。Regan等［3］證明在不同頻段，SSVEP有不同的諧振峰，這些頻段分別為：低頻段（5～12 Hz）、中頻段（12～25 Hz）和高頻段（30～50 Hz）。隨著頻率的升高，諧振強度減弱。

SSVEP是通過固定頻率的閃爍刺激誘發(fā)的，而誘發(fā)產(chǎn)生SSVEP信號的視覺刺激源通常包括光刺激源、圖形刺激源以及模式翻轉(zhuǎn)刺激源［4-6］。其中，光刺激源主要是用受到一定頻率調(diào)制的LED、熒光燈等光源作為視覺刺激。以LED作為光源誘發(fā)視覺刺激為例，利用LED可以實現(xiàn)不同顏色光的閃爍刺激來誘發(fā)SSVEP，而不同顏色光的LED閃爍會影響SSVEP的響應(yīng)。

Regan等［3］首先研究不同顏色（紅色、黃色、藍色）閃爍刺激對SSVEP在不同頻段的響應(yīng)的影響。研究表明：在11 Hz處紅光可以誘發(fā)最強的SSVEP響應(yīng)；在13 Hz處藍光可以誘發(fā)最強的SSVEP響應(yīng)；黃光誘發(fā)出的響應(yīng)最弱，且對頻率不敏感［7］。也有研究者對不同顏色單色光刺激產(chǎn)生的穩(wěn)態(tài)視覺誘發(fā)電位進行比較。結(jié)果表明紅、綠、藍3種顏色中，藍光的效果最好［8］。在對SSVEP的研究中，使用過紅色、綠色、白色、黑色、灰色。

本研究旨在探討影響SSVEP識別準確率的因素。采用圖形刺激源，在計算機屏幕上設(shè)置一個單一的簡單方塊，讓該方塊以一定頻率閃爍作為誘發(fā)SSVEP的視覺刺激。刺激界面背景為白色，通過改變刺激方塊的灰度值，研究不同灰度值的刺激產(chǎn)生的SSVEP，分析不同灰度值的刺激對頻率識別準確率的影響。

1 實驗設(shè)計

1.1 受試者選擇

選擇5位在讀研究生參加本實驗，受試者年齡均在24歲左右并且均自愿參加實驗，視力矯正后正常。在實驗開始前，受試者需要做5 min的預(yù)備刺激，本實驗要求受試者端坐在刺激屏幕前，身體不能有大的移動，眼睛要一直注視刺激屏幕上的閃爍方塊。

1.2 實驗刺激

實驗中使用的視覺刺激是15寸的LCD顯示器（分辨率1 366×768），刷新頻率設(shè)為60 Hz。很多研究表明，在6～20 Hz內(nèi)誘發(fā)的SSVEP頻率特性相較于其他頻率度要好，而且周期頻率刺激還能誘發(fā)出倍頻頻率的信號，因此要避免存在倍頻關(guān)系的頻率。本實驗設(shè)置了4個目標(biāo)頻率，分別為7.7、8.1、8.5和8.9 Hz。影響SSVEP識別準確率的因素有很多，如刺激的時間窗長度［9］、占空比［10］等。本實驗研究不同灰度值的刺激對SSVEP識別準確率的影響，灰度值范圍是0～255，設(shè)置5種灰度值，分別為0、64、128、160和192（背景為白色，改變閃爍方塊的灰度值）。圖1為灰度值為0的刺激界面。

圖1 刺激界面（灰度值是0）Fig.1 Stimulation interface(gray value of 0)

刺激屏幕位于受試者的正前方，距離受試者60 cm，受試者在實驗過程中要一直關(guān)注閃爍方塊，身體不能有大的移動，避免眨眼。

1.3 實驗記錄

4個頻率的閃爍方塊依次開始閃爍，每個刺激頻率閃爍時間設(shè)置為4 s，休息1 s，下一個刺激頻率開始，即每個試次時間為5 s，4 s為刺激時間，1 s為休息時間。每組實驗采集28個試次的數(shù)據(jù)，每個受試者采集3組數(shù)據(jù)。數(shù)據(jù)采樣頻率為1 kHz。在進行典型相關(guān)分析時，允許頻率誤差范圍為0.1 Hz。

2 方法

本實驗中選用的4個頻率均在7～10 Hz內(nèi)，在預(yù)處理過程中，需要對數(shù)據(jù)進行帶通濾波。本實驗確定了帶通濾波范圍為2.5～30.0 Hz。

2.1 空間濾波

預(yù)處理能有效避免系統(tǒng)誤差對實驗結(jié)果的影響，但是由于腦電信號微弱、能量不集中，預(yù)處理對信噪比的增強有限。而且不同個體的SSVEP存在差異性［11-12］，單個電極的信號特征不能很好地反映整個枕區(qū)對外界刺激的反應(yīng)特性。故本實驗采用空間濾波的方法來融合多個電極的信號。

拉普拉斯融合是一種常用的空間融合方法［13］，通過去除局部共同噪聲來達到加強SSVEP信噪比的目的：

式中，W表示3個電極進行空間濾波的系數(shù)矩陣。

由于SSVEP在枕區(qū)響應(yīng)更為明顯，選擇OZ作為中間電極，PO3和PO4電極為同距電極。經(jīng)融合后的腦電信號(t)可以用式（2）表示：

其中，表示PO3、OZ、PO4這 3 個電極采集的腦電數(shù)據(jù)組成的矩陣。

下面給出一名受試者在注視目標(biāo)頻率為8.1 Hz的刺激時誘發(fā)的SSVEP數(shù)據(jù)，并對比該數(shù)據(jù)空間濾波前后的頻譜圖，圖中只表示一個試次的數(shù)據(jù)。圖2為空間濾波前的頻譜圖，圖3為空間濾波后的頻譜圖。兩張圖對比可以看出，拉普拉斯融合算法有效地去除了噪聲信號的干擾。在進行空間濾波之前雖然能看出目標(biāo)頻率，但是由于其他頻率的干擾太大，無法方便的將目標(biāo)頻率識別出來。

2.2 典型相關(guān)分析（Canonical Correlation Analysis,CCA）

CCA 是由 Lin等［14］于 2006年提出用于解決SSVEP的識別問題的。與其它算法相比，CCA能更好地識別SSVEP。

CCA是一種多變量統(tǒng)計算法，試圖揭示兩組數(shù)據(jù)之間的潛在相關(guān)性［15-16］。假設(shè)有兩個隨機變量X∈RI1×J和Y∈RI2×J，CCA 就是尋找一對線性變換Wx∈RI1和Wy∈RI2，這樣一來線性組合x=WTxX和y=WTyY的最大相關(guān)性系數(shù)可以描述為：

其中，Cxx=XXT和Cyy=YYT分別表示隨機變量X和Y的自協(xié)方差矩陣；Cxy=XYT表示兩個隨機變量X和Y之間的協(xié)方差矩陣；x和y為典型變量；ρ為最大相關(guān)系數(shù)，表示W(wǎng)x和Wy最大的典型相關(guān)性。由于關(guān)于Wx和Wy的任何調(diào)整都不會影響最大化相關(guān)性，因此式（3）等價于：

圖2 空間濾波前的頻譜圖（目標(biāo)頻率8.1 Hz）Fig.2 Spectrogram before spatial filtering(target frequency of 8.1 Hz)

圖3 空間濾波后的頻譜圖（目標(biāo)頻率8.1 Hz）Fig.3 Spectrogram after spatial filtering(target frequency of 8.1 Hz)

約束條件為：

由拉格朗日乘子方法可知，求特征值的問題相當(dāng)于上式的最大化問題：

由于WX和Wy的線性變換，x和y之間的最大典型相關(guān)性由最大廣義特征值的相應(yīng)特征向量給出［17］。

CCA［18］是最大化腦電信號與不同頻率下的參考模板信號（即正余弦信號）之間相關(guān)性，由此來識別并檢測目標(biāo)刺激頻率。假設(shè)我們要將目標(biāo)頻率（即SSVEP信號的頻率）從M個刺激頻率中找出。X∈RC×P，其中C是腦電采集時通道的個數(shù)表，P是每個通道采樣的點數(shù)［17-19］。Ym∈R2H×P是事先構(gòu)建好的參考信號，設(shè)為第M個刺激頻率fm(m=1,2,…,M)，它的數(shù)學(xué)表達式是由一系列的正弦-余弦波組成：

其中，H是信號的諧波數(shù)；F為信號的采樣率。X與Ym(m=1,2,…,M)之間的最大相關(guān)系數(shù)ρm可由前面求最大典型相關(guān)系數(shù)的公式得到，從而識別得到SSVEP信號的頻率［20］，即有：

本實驗中共設(shè)置了4個刺激頻率，將空間濾波融合后的腦電信號進行典型相關(guān)分析，分析過程中將腦電信號分別與4個刺激頻率的參考信號進行相關(guān)性分析，得到4個相關(guān)性系數(shù)，相關(guān)性系數(shù)最大的值所對應(yīng)的參考信號的頻率即為這組采集的腦電信號中的目標(biāo)頻率。

3 結(jié)果與討論

在不同灰度值刺激下，5名受試者的頻率識別準確率隨灰度值的變化情況如表1所示。

從實驗結(jié)果可以看出不同灰度值所對應(yīng)的頻率識別準確率不同，受試者S1和S4隨著灰度值的增加，頻率識別準確率下降。S2、S3、S5在灰度值從64增加為128的過程中頻率識別正確率增加，灰度值繼續(xù)增加，頻率識別準確率出現(xiàn)大幅下降。由此可見，SSVEP的識別準確率并不是隨灰度值的升高不斷減小的，而是根據(jù)不同的受試者在灰度值由64增加到128過程中識別準確率有增高趨勢，但是灰度值為0的刺激產(chǎn)生的SSVEP的頻率識別準確率對于所有受試者來說都是最高的。S3和S5的整體頻率識別準確率明顯比其他幾名受試者的低。S1、S2和S4在灰度值為0的刺激下識別準確率均在90%以上，而S3和S5的識別準確率只有75%和65%，其中，S5在灰度值由0到192的變化過程中，識別準確率只有10%左右的波動。由此，我們可以發(fā)現(xiàn)對于SSVEP識別準確率低的受試者來說，灰度值并不能作為提高他們的識別準確率的影響因素。

本實驗設(shè)定刺激背景為白色，設(shè)置刺激方塊的灰度值，證實產(chǎn)生的不同灰度值刺激對SSVEP有影響，灰度值為0的刺激產(chǎn)生的SSVEP是最強的，頻率識別準確率也最高。但是不同受試者產(chǎn)生的SSVEP的識別準確率有較大的區(qū)別，說明個體之間存在差異性。

表1 不同灰度值下的頻率識別準確率（%）Tab.1 Accuracy of frequency recognition under different gray levels(%)

4 結(jié)論

本實驗采集并分析了5名受試者的數(shù)據(jù)，其中有兩名受試者識別準確率低于80%，在以后的研究中，可以嘗試增加受試者，驗證SSVEP腦-機接口在人群中的適用范圍。本實驗采用拉普拉斯空間濾波的方法，將3個信道的數(shù)據(jù)進行了融合，并將融合后的數(shù)據(jù)進行CCA。如果嘗試融合更多枕區(qū)電極，信噪比將得到更好的提高，SSVEP的識別準確率可能會有所提高。