齊 凱，張 琨，紀(jì) 俐,3

(1.華晨汽車集團(tuán)控股有限公司 a.質(zhì)量部，b.電氣部，沈陽 110141；2.沈陽工業(yè)大學(xué) 機(jī)械工程學(xué)院，沈陽 110870；3.沈陽航空航天大學(xué) 機(jī)電工程學(xué)院，沈陽 110136)

人體在運(yùn)動過程中，如同想象運(yùn)動一樣，能夠引起事件相關(guān)腦功能區(qū)電位變化[1]。確定皮層節(jié)律性活動與肢體實(shí)際運(yùn)動任務(wù)的關(guān)系是非常重要的。激活皮層電位是在實(shí)際運(yùn)動表現(xiàn)和運(yùn)動表象過程中產(chǎn)生的節(jié)律性皮層電位，其波形的階躍對應(yīng)于不同事件的運(yùn)動任務(wù)[2]。目前，解析駕駛行為的腦電位變化僅限于左、右手運(yùn)動想象，左、右手駕駛運(yùn)動行為和運(yùn)動想象結(jié)果與事件相關(guān)去同步化(ERD)μ節(jié)律功率變化關(guān)系密切[3]。除了對左、右手運(yùn)動的想象，研究者對真實(shí)駕駛行為和腦電圖特征之間的關(guān)系了解甚少，因此，分析手臂運(yùn)動行為與腦電圖信號之間的關(guān)系是首要問題，腦網(wǎng)絡(luò)的結(jié)構(gòu)和功能連接狀態(tài)與真實(shí)的運(yùn)動行為有著必然的關(guān)系，腦電位之間的數(shù)據(jù)連接網(wǎng)絡(luò)特征增加，依賴于大腦接收豐富的信息流，這些信息流必須根據(jù)行為相關(guān)性進(jìn)行處理[4]。

以前，腦功能連接通常在靜息狀態(tài)fMRI中進(jìn)行測量，并根據(jù)時(shí)間相似性分析相關(guān)性、一致性和空間分組[5]。Adey W R和Brazier M證明通過對腦電圖信號的互相關(guān)聯(lián)，可以測量大腦電位節(jié)點(diǎn)間的線性連接[6-7]，相關(guān)性越高，表明相關(guān)腦區(qū)之間的功能關(guān)系越強(qiáng)。為了測量頻域內(nèi)的線性連通性，引入了幅度平方相干性(Magnitude Squared Coherence )或相干性。相干性是在不同波段測量信號之間的空間相關(guān)性[8]，其中的功能連接是指大腦空間分離區(qū)域之間的功能整合關(guān)系，與尋找大腦中物理連接的結(jié)構(gòu)連接不同，功能連接與大腦不同區(qū)域的類似激活模式有關(guān)，而不管這些區(qū)域是否具有明顯的物理連接[9]。此外，功能性連接也表現(xiàn)出時(shí)間的同步和相關(guān)性在功能區(qū)域內(nèi)信號的關(guān)系。一些研究揭示了神經(jīng)元動作和各頻段之間的不同關(guān)系，通常分為α-(8～12 Hz),β-(13～30 Hz)和γ-bands(>30 Hz)[10]。近年來，研究單任務(wù)或多任務(wù)行為的腦電圖信號中識別功能連接和結(jié)構(gòu)網(wǎng)絡(luò)的波動成為熱點(diǎn)問題。一些方法已經(jīng)證明了功能連接與各種不同任務(wù)中的行為有關(guān)，這些方法是假定在一項(xiàng)任務(wù)或信號系統(tǒng)的短時(shí)間內(nèi)不變的大腦的功能連接?，F(xiàn)在，DFC(動態(tài)功能連接)已經(jīng)應(yīng)用在各種不同行為任務(wù)中，研究表明它與行為和神經(jīng)活動有關(guān)[11-12]，一些研究人員認(rèn)為它可能與高水平的思維或意識密切相關(guān)[13]。

運(yùn)動想象的腦激活與真實(shí)的身體活動相似，即運(yùn)動想象所涉及的神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)的真實(shí)運(yùn)動基本一致[14-15]。以前的工作進(jìn)一步證明了人類大腦的動態(tài)重新配置網(wǎng)絡(luò)[16]，為更好理解大腦相關(guān)真實(shí)運(yùn)動想象任務(wù)動作，在目前的工作中,研究了時(shí)空腦電圖大腦活動在一個真正的駕駛行為向左轉(zhuǎn)和右轉(zhuǎn)的任務(wù)。此外，這一研究旨在闡明真正的任務(wù)特異性運(yùn)動和運(yùn)動想象是否顯示出大腦的空間連接模式以及跨頻率耦合在人類感覺運(yùn)動系統(tǒng)中發(fā)揮多大的作用。

1 實(shí)驗(yàn)設(shè)計(jì)

1.1 實(shí)驗(yàn)選擇

為了能夠體現(xiàn)真實(shí)的駕駛行為，利用實(shí)驗(yàn)室內(nèi)的模擬駕駛儀器，選擇5名實(shí)驗(yàn)室內(nèi)研究生成員作為受試對象，每名成員具有2年左右的駕駛經(jīng)驗(yàn)。實(shí)驗(yàn)前，每位實(shí)驗(yàn)者應(yīng)保證充足睡眠，具有良好的精神狀態(tài)，無疲勞現(xiàn)象，心情放松、愉悅；實(shí)驗(yàn)時(shí)間選擇上午，天氣晴朗，陽光充足，減少實(shí)驗(yàn)者受外界環(huán)境干擾。佩戴電極帽前，頭發(fā)清洗干凈，避免影響采集效果；穿戴配有慣性傳感器模塊的運(yùn)動緊身衣，保證每個模塊的位置安放在關(guān)節(jié)處，能準(zhǔn)確測量關(guān)節(jié)的運(yùn)動狀態(tài)。這樣可以通過腦電采集設(shè)備與慣性運(yùn)動捕捉設(shè)備獲得駕駛員腦電信號與手臂駕駛行為的運(yùn)動參數(shù)，如圖1所示[17]。

圖1 駕駛實(shí)驗(yàn)場景

為使左右手臂不離開方向盤，選擇自動擋駕駛模式，不使用換擋機(jī)構(gòu)；選擇高速路駕駛模式，彎道較少，避免過多急加速與制動以及較小的轉(zhuǎn)動方向盤幅度；根據(jù)道路的情況，控制方向盤轉(zhuǎn)向，安全謹(jǐn)慎駕駛車輛。

1.2 實(shí)驗(yàn)數(shù)據(jù)采集與預(yù)處理

研究腦電信號的前提是提取腦電信號的特征，大腦在活動過程中會產(chǎn)生功能區(qū)域性腦波律動，通過駕駛員操作方向盤左右轉(zhuǎn)向的實(shí)際運(yùn)動行為來獲取腦電信號，并提取相關(guān)導(dǎo)聯(lián)的腦電特征。大腦在發(fā)令左、右手運(yùn)動時(shí)，在兩側(cè)半球產(chǎn)生α波和μ節(jié)律的ERD/ERS(事件相關(guān)去同步與同步)信號，為了證明在真實(shí)的駕駛情況下，左右轉(zhuǎn)向與腦電信號中特定頻率信號的關(guān)系，將腦電信號進(jìn)行特征提取與分類，獲得相關(guān)導(dǎo)聯(lián)的信號特征。文章采用了公共空間模式(Common Spatial Patterns,CSP)濾波算法應(yīng)用于多導(dǎo)聯(lián)數(shù)據(jù)特征提取任務(wù)。該方法是對兩個協(xié)方差實(shí)對稱矩陣對角化，通過方差的大小來反應(yīng)節(jié)律信號的強(qiáng)弱[18]。CSP在腦電信號處理過程中，經(jīng)常計(jì)算空間濾波來檢測事件相關(guān)去同步現(xiàn)象(ERD)，設(shè)多導(dǎo)聯(lián)EEG信號為N×T維矩陣，其中N為導(dǎo)聯(lián)數(shù)，T為每導(dǎo)的采樣點(diǎn)數(shù)。通過上述變換，我們可以獲得空間濾波器為

W=BTP

(1)

一組EEG信號數(shù)據(jù)E可以通過式(1)映射到一個新的空間

Z=WE

(2)

其中，Z的大小為2m×T。

(3)

真實(shí)的駕駛過程中所獲得的腦電信號，經(jīng)過該組濾波投影后，獲得較明顯的特征向量。原始的腦電信號中也包含著很多噪聲信號，這些噪聲信號來自偽跡信號與眼電、肌電、心電等信號。為了消除噪聲信號對腦電信號的干擾，我們將數(shù)據(jù)進(jìn)行了預(yù)處理。為了克服小波變換中對頻帶劃分不明確的問題，采用小波包分解的方式對腦電信號頻帶進(jìn)行精細(xì)的特征分解。小波對信號的高頻和低頻同時(shí)進(jìn)行分解，包含多頻段的腦電信號經(jīng)過小波包分解后，在第i層得到2i個子頻帶。ψ(t)表示小波變換的母函數(shù)，φ(t)為小波變換正交尺度函數(shù)，設(shè)正交尺度函數(shù)φ(t)的低通濾波器為h(n)，小波母函數(shù)ψ(t)的低通濾波器為g(n)，且，g(n)=(-1)1-nh(1-n)，則兩個尺度方程為

(4)

(5)

式(4)、(5)中的i，j分別表示節(jié)點(diǎn)號和小波包分解的層數(shù)，信號f(t)在第j層，k節(jié)點(diǎn)的小波包分解系數(shù)為

(6)

(7)

原始數(shù)據(jù)的采樣頻率為1 000 Hz，通過降采樣的方式獲得500 Hz重采樣信號。根據(jù)采樣定理，重采樣后的有效頻率為250 Hz，進(jìn)行6層小波包分解，獲得64節(jié)點(diǎn)頻帶段小波包系數(shù)。想象左、右手運(yùn)動與實(shí)際情況下左、右手運(yùn)動的ERD/ERS一樣[19]，想象左、右手運(yùn)動，主要是8～12 Hz的μ節(jié)律，以及18～22 Hz的β波的兩個頻帶信號的ERD/ERS現(xiàn)象明顯。兩種頻率小波包分解后對應(yīng)的頻帶關(guān)系：8～12 Hz：(6,2)；18～22 Hz：(6,4)，(6,5)。分解后的節(jié)點(diǎn)系數(shù)，通過對小波包節(jié)點(diǎn)(6,2)的重構(gòu)可以獲得。7.8～11.7 Hz的信號，通過對小波包節(jié)點(diǎn)(6,4)、(6,5)重構(gòu)可以獲得15.6～23.4 Hz的信號。將3個節(jié)點(diǎn)系數(shù)重構(gòu)后獲得小波包分解重構(gòu)后的特征頻率信號。

圖2可以得出，節(jié)點(diǎn)系數(shù)(6，0)的頻率范圍與delta(0.5～4 Hz)，節(jié)點(diǎn)(6，1)的頻率與theta的范圍(4～8 Hz)，節(jié)點(diǎn)系數(shù)(6，2)的頻率范圍與alpha波(8～13 Hz)，節(jié)點(diǎn)系數(shù)(6，4)和(6，5)節(jié)點(diǎn)系數(shù)beta(13～30 Hz)。在左右轉(zhuǎn)向過程中，8～12 Hz和18～22 Hz波段較明顯的出現(xiàn)在駕駛員頭皮層，小波包分解與重構(gòu)的系數(shù)節(jié)點(diǎn)為(6，2)、(6，4)和(6，5)。

圖2 小波包分解與重構(gòu)樹形結(jié)構(gòu)

1.3 左右轉(zhuǎn)向行為運(yùn)動軌跡分析

無線慣性運(yùn)動捕捉模塊布置在駕駛員的手臂關(guān)節(jié)，腕關(guān)節(jié)和肩關(guān)節(jié)處，為了能夠很好地采集到駕駛員運(yùn)動數(shù)據(jù)，制作可穿戴的布置傳感器設(shè)備，這樣可以減小傳感器與皮膚直接的滑動誤差，慣性傳感器可以輸出X-Y-Z3個方向的加速度、歐拉角，通過對偶四元數(shù)的方法計(jì)算出關(guān)節(jié)運(yùn)動軌跡，圖3為駕駛員在操作方向盤左右運(yùn)動行為的腕關(guān)節(jié)和肘關(guān)節(jié)運(yùn)動軌跡[20]。

圖3 駕駛員腕關(guān)節(jié)與肘關(guān)節(jié)的運(yùn)動軌跡

1.4 腦功能網(wǎng)絡(luò)連接分析

駕駛過程中左右轉(zhuǎn)向行為會引起相關(guān)腦電位信號波動，通過腦功能網(wǎng)絡(luò)連接的方式來表達(dá)運(yùn)動事件相關(guān)的腦電位變化趨勢，為了研究腦功能區(qū)N×N個電位或者對1×N個電位的關(guān)聯(lián)程度常采用相關(guān)性分析方法。進(jìn)而，可以利用相關(guān)性系數(shù)作為連接閾值強(qiáng)度來判斷電位之間的功能性連接程度。Pearson相關(guān)性系數(shù)常作為分析兩個物理參數(shù)之間的關(guān)系而被廣泛使用[21]，其方程如式(8)所示

r(X，Y)=

(8)

其中X表示肢體段關(guān)節(jié)運(yùn)動的加速度，Y表示是運(yùn)動過程中腦電信號，例如：C3、C4、CP3和CP4。相關(guān)性系數(shù)取0至1之間，表示轉(zhuǎn)向行為與該腦電位信號相關(guān)程度，根據(jù)相關(guān)性原則，相關(guān)性系數(shù)r小于 0.5 并且大于0.8，表示這倆個物理量具有強(qiáng)相關(guān)性。

2 實(shí)驗(yàn)結(jié)果

目前，大部分研究集中在運(yùn)動想象過程中大腦功能區(qū)相關(guān)電位的變化趨勢和關(guān)聯(lián)性。研究表明，大腦運(yùn)動功能區(qū)電位不是獨(dú)立的，在各個功能區(qū)電位之間具有某種關(guān)聯(lián)性[22]在短時(shí)間內(nèi)腦電位之間的功能性相關(guān)性功能連接(Correlation Functional Connectivity(CFC))表現(xiàn)強(qiáng)烈[23]。為了能夠定量分析腦功能區(qū)內(nèi)電位信號之間的連接關(guān)系，通過相關(guān)性系數(shù)的閾值強(qiáng)度來分析電位之間的關(guān)聯(lián)程度，選擇12秒時(shí)窗內(nèi)的實(shí)驗(yàn)數(shù)據(jù)分析各電位之間的閾值連接程度。用相關(guān)性系數(shù)來評估腦電位之間的功能性連接，因此，利用腦功能網(wǎng)絡(luò)連接程度，探討駕駛?cè)蝿?wù)行為過程中腦功能區(qū)域內(nèi)電位節(jié)點(diǎn)的連接關(guān)系。

2.1 左轉(zhuǎn)向連接程度

為了表達(dá)腦網(wǎng)絡(luò)節(jié)點(diǎn)連接狀態(tài)，依據(jù)不同閾值確定腦電位節(jié)點(diǎn)間的連接狀態(tài)。圖4所示，左轉(zhuǎn)向過程中，隨著閾值強(qiáng)度的增加，腦功能網(wǎng)絡(luò)連接的節(jié)點(diǎn)數(shù)量減少，C3和CP3的關(guān)聯(lián)性較強(qiáng)，功能區(qū)域內(nèi)相關(guān)電位的alpha波表現(xiàn)出良好的連接強(qiáng)度，因此,腦功能網(wǎng)絡(luò)圖能夠很好的表現(xiàn)出駕駛左轉(zhuǎn)向過程中腦功能區(qū)域內(nèi)電位的變化和關(guān)聯(lián)程度。

圖4 左轉(zhuǎn)向不同閾值強(qiáng)度下腦功能網(wǎng)絡(luò)相關(guān)性連接程度

2.2 右轉(zhuǎn)向的關(guān)聯(lián)性

同左轉(zhuǎn)向分析一樣，在右轉(zhuǎn)向過程中，隨著閾值強(qiáng)度的增加，P4和CP4，P3 和 CP3，F(xiàn)4和C4，F(xiàn)8和FT8 表現(xiàn)出較強(qiáng)的相關(guān)性在閾值強(qiáng)度為0.989 。在右轉(zhuǎn)向過程中，駕駛員左手操作方向盤用力向右，引起事件相關(guān)腦功能區(qū)電位變化，如圖5所示。

圖5 右轉(zhuǎn)向不同閾值強(qiáng)度下腦功能網(wǎng)絡(luò)相關(guān)性連接程度

3 結(jié)論

本文通過腦電采集設(shè)備與無線慣性運(yùn)動捕捉傳感器同時(shí)采集駕駛員腦電信號與左右駕駛行為姿態(tài)，證明了駕駛員腦電信號與真實(shí)駕駛行為的關(guān)系。左右轉(zhuǎn)向行為過程中，駕駛員腦電信號Alpha波在主要感覺運(yùn)動區(qū)域呈現(xiàn)出單側(cè)增強(qiáng)。在實(shí)際駕駛實(shí)驗(yàn)基礎(chǔ)上，證明了左右轉(zhuǎn)向行為引起C3和C4電位與運(yùn)動想象過程中引起的C3和C4電位變化特征相同。最后，在左右轉(zhuǎn)向過程中，將駕駛員手臂關(guān)節(jié)運(yùn)動軌跡和腦電功率譜地形圖進(jìn)行聯(lián)合分析，綜上所述，研究結(jié)果揭示了動態(tài)變化模型與腦電圖源模型的關(guān)聯(lián)程度，并將這些變化與運(yùn)動控制的不同特征聯(lián)系起來；通過實(shí)驗(yàn)詳細(xì)討論任務(wù)運(yùn)動功能行為和參與駕駛?cè)蝿?wù)的皮質(zhì)區(qū)域電位之間的關(guān)系。本研究的未來發(fā)展方向?qū)⒓杏谠u估大腦皮層活動與人體任務(wù)運(yùn)動行為的準(zhǔn)確幅度，未來目標(biāo)是找到一種可靠的解碼大腦連接程度方法，映射特定認(rèn)知任務(wù)和運(yùn)動行為的時(shí)變連接模式的動態(tài)演化關(guān)系。