左右手运动想象脑电信号的特征分析1

摘要：针对运动想象的两种思维任务的脑电信号，本文提出了一种基于能量的特征提取方法。该方法利用想象运动中，脑电信号Mu/Beta节律事件相关同步化/去同步化特性，采用BCI2003竞赛数据，对C3/C4通道脑电信号进行时域分析，分析得到特征较为明显的脑电信号时间段。

关键词：脑-机接口  特征提取  Mu/Beta节律  能量

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2014）09-0195-01

1 引言

脑-机接口（Brain-computer Interface  BCI）是基于把脑电信号（EEG）转化为相应的用户命令，从而建立一种直接在人脑与外部设备之间通信和控制路径的系统[1～2]。该技术可以为那些思维正常但有运动障碍的人（如严重神经或肌肉伤残患者）提供一种有效与外界交流及控制的全新途径，使患者恢复部分运动能力;同时也可以增加正常人的某些功能，来提高生活质量。脑-机接口在康复医疗行业蕴藏巨大的应用价值，已引起诸多科研工作者的极大兴趣。

脑电信号的特征提取和分类是脑-机接口中的关键技术之一。在脑-机接口发展史中，有一个革命性的突破就是把脑-机接口中的学习任务从人转移到计算机，这样就可以通过在计算机中编写相应的有效算法，就可以实现脑-机接口系统对脑电信号的特征分析和分类识别，从而达到人脑与外部设备的通信交流和控制的目的。尽管机器学习技术已经非常成功地应用到脑-机接口系统中，可是，由于脑电信号本身十分复杂、低信噪比的特点，要从微弱的脑电信号中有效区分各种意识活动成分是脑-机接口系统中一个重大课题[3]。

2 实验数据

实验数据采用BCI 2003 竞赛数据Data set Ⅲ，由奥地利Graz科技大学提供。实验是由一个带有反馈的在线的BCI系统组成，受试者为一位健康状况良好的25岁女志愿者，所执行的意识任务为根据屏幕箭头的指示方向来想象左右手运动，实验数据采集图如图1所示，每次实验持续9s，前2s为受试者平静时间，第2s时，屏幕出现一个固定不动十字架提示符，持续1s，第3s开始，受试者根据屏幕出现箭头的方向相应地做想象左手或右手运动，每次实验采集C3、Cz、C4三个通道的脑电信号，采样频率为128Hz，每次实验每个通道包含1152个数据。总共做280次实验，训练组和测试组各140次，其中训练组已知每次实验想象运动的类别，这样训练组和测试组的数据集均为1152×3×140。

3 特征分析

研究表明，人在做真实运动或想象运动时，相应与运动相关的脑皮质的Mu节律和对手部运动最为敏感的Beta节律会发生能量的减弱或增强，这种现象称为事件相关去同步化（event related desynchronization，ERD）和事件相关同步化（event related synchronization，ERS）。在做想象左右手运动时，对侧脑电信号的Mu节律（8～13Hz）和Beta节律（18～24Hz）会出现ERD现象，同时同侧脑电信号的Mu节律和Beta节律会出现ERS现象[4]。C3、C4通道电极位于大脑的初级感觉运动皮层运动功能区，采集到得脑电信号的变化能反映受试者在想象左右手运动时大脑状态相应的变化，而Cz作为参考电极。

由此我们可以分析想象左右手运动时C3/C4通道脑电信号的ERD/ERS现象。由图1所示，想象左手运动时C3通道脑电信号能量增加，而C4通道脑电信号能量减少，符合ERD/ERS现象;同样，想象右手运动时，C4通道脑电信号能量增加，C3通道脑电信号能量减少，亦符合ERD/ERS现象。

4 讨论

文中由于受试者是从第3s开始进行想象左右手运动的，所以对3～9s不同时间段进行分析，分别选取了3～9s、3～8s、3～7s、3.5～8.5s、3.5～7.5s、3.5～6.5s、4～9s、4～8s、4～7s时间段进行多次分析，对比可得3.5～7.5s时间段的脑电数据进行分类判别效果最好。

参考文献

[1]Heung-Il Suk，Seong-Whan Lee.A novel Bayesian framework for discriminative feature extraction in Brain-Computer Interfaces[J].IEEE Trans Pattern Anal Mach Intell，2013，35（2）：286-99.

[2]H. Cecotti and A. Graser.Convolutional Neural Networks forP300 Detection with Application to Brain-Computer Interfaces[J].IEEE Trans. Pattern Analysis and Machine Intelligence，2011，33（3）： 433-445.

[3]Reinhold Scherer，Josef Faller，David Balderas，et al.Brain–computer interfacing： more than the sum of its parts[J].Soft Computing，2013，17（ 2）：317-331.

[4]Shahjahan Shahid，Rakesh K Sinha ，Girijesh Prasad.Mu and beta rhythm modulations in motor imagery related post-stroke EEG： a study under BCI framework for post-stroke rehabilitation[J].BMC Neuroscience ，2010，11（1）：P127.

推荐访问： 电信号 左右手 想象 特征 运动