基于脑电波人机交互的研究Word格式.docx
《基于脑电波人机交互的研究Word格式.docx》由会员分享，可在线阅读，更多相关《基于脑电波人机交互的研究Word格式.docx（18页珍藏版）》请在冰豆网上搜索。
1.3人机交互接口3
1.4人机交互的成果3
1.5内容概述5
2、基于脑电a波的HCI系统7
2.1脑电a波的概述及其在HCI系统中的应用7
2.1.1α波信号8
2.1.2α波信号的应用9
2.2系统的框架和原理9
3、脑电α波的提取10
3.1硬件系统的设计11
3.3输入端电极12
3.4α脑电波提取实例14
3.4.1α波提取14
3.4.2α波去噪16
4、人机交互脑电波的未来17
参考文献18
绪论
随着科技的不断进步，人们日常生活和生产活动越来越依赖各种先进复杂的机器设备。
如何高效便捷地使用各种机器设备对于提高生产力显得尤为重要。
其中，人机交互技术作为一种新型的设备控制技术在己经越来越得到广泛运用。
从普通的个人计算机到大型机器设备，人机交互技术使得机器设备的使用效率得到提高。
同时，人对设备的操作能力也在得到不断的扩展，很多人体行为特征可以通过人机交互技术扩展为信息输出通道，给用户带来极大的便利，人机交互技术的发展极大地提高了和改变了社会生产方式。
1、神奇的电信号——脑电波
自古以来，人类梦寐以求洞察自身机能，自主调节机体内部功能。
人类发现，要通过人体自身的心理活动控制相关的生理过程，必须能取得体内机能活动的准确信息，而且要有具备改变有关信息的心理指导。
有四种脑电波，四种基本脑波是：
δ波（DELTA/δwave），θ波（THETA/θwave），α波（ALPHA/αwave）和β波（BETA/βwave）。
这四种脑波构成脑电图（EEG）。
脑电图是脑内电波的显示，但脑内电波的电压很小，只有百万分之几伏特。
阿尔法脑波的振荡平均为10次/秒。
在脑波中阿尔法脑波是第一个被发现的。
1908年奥地利医学家汉斯·
伯格博士第一个提出发现，并称之为阿尔法波（ALPHA），因为在希腊字母的排序中ALPHA排在第一个，与英文字母A相同。
近百年来，无数的科学家花费了大量的时间用于研究阿尔法脑波，因此关于阿尔法脑波的基础研究的知识和结论积累丰富。
1.1脑电波的作用
通过生物反馈可以实现机体自我认识与自主调整，把控制焦点从依赖外界环境转移到内部自觉掌握。
可成功地对体内某一系统、器官、神经组织，甚至单个细胞实现自主控制，以充分开发身体，高效运行体内机能。
当代三分之二以上的人类疾病均可归根到生活过度紧张，思想忧虑引起。
用生物反馈技术训练松驰身心，调节神经系统，解忧消愁，可以防治许多疾病，提高自身的免疫功能。
神经心理学研究证实，人体脑电波中8～12赫频率的α波段是成年人在安静、觉醒状态下的主要活动节奏。
在那些正以某种方式入静的放松者中间，脑波α成分有序化逐渐增强，而忧虑者则很少出现α波，代之以频率较高的β成分。
脑电α波生物反馈，就是用电子仪器处理脑电波中的α频谱，使受试者感受自身的α信息，学习有意识地运用心理过程来触发某种生理机制，强化α波段成分。
脑波处于α段时，人体进入‘放松性警觉’状态。
主观感觉舒适、放松和注意力集中，身心沉浸在伸展想像力翅膀飞翔的幻想、沉思气氛之中。
可以取得非凡的记忆力，高度专注和不同寻常的创造力。
尤其高振幅的α波在沉思中能导致高效学习成果，是创意思维活动从酝酿到领悟的过渡过程，由此引导脑波频率进入低于α波段的θ状态，使思想处于非常开放，自由流通的创造境界。
我个人认为，研制小型、简便的电子仪器探索脑电生物反馈领域，对神经生理学术研究与开发人体潜能的实践均有深远意义。
目前新兴科技发展的如日中天，研制小型袖珍机器，进行批量生产，以降低成本，争取普及和推广脑电生物反馈技术。
1.2实例举例
我们举例来描述现代人的生活。
一个人在早晨还在深睡时（德尔他脑波状态）突然被闹钟叫醒，时间来不及了，马上行动（倍他脑波状态），紧张，焦虑和匆忙的一天开始了！
喝一杯咖啡使自己保持清醒（倍他脑波状态），咖啡因可以抑制塞他脑波和阿尔法脑波，并提高倍他脑波。
一整天在紧张，压力或焦虑下工作（大脑中倍他，倍他，还是倍他脑波）一直到晚上精疲力竭时，一头扎到床上开始大睡（直接进入德尔塔脑波状态）。
一天当中连放松和感到困倦的时间都没有（没有时间进入阿尔法脑波和塞他脑波状态）。
现代生活中太多的人这样驾驶自己的大脑，突然而有力地从一档直接进入四档，并从四档直接回到一档。
阿尔法脑波的存在的合理性，是我们人类大脑先天所具有的，是大脑的基本状态之一。
但现代生活的紧张使太多人忘记了使自己的大脑处于阿尔法脑波状态，从而许多人成为紧张，焦虑所导致的疾病的牺牲品。
紧张和焦虑降低人体的免疫力。
而大脑有相对较多的阿尔法脑波的人，有相对教少的焦虑和紧张，因此免疫能力也相对较高。
这当然对每一个人都有益处。
α波又分为三种：
慢速α波8-9赫兹临睡前头脑茫茫然的状态。
意识逐渐走向模糊。
中间α波9-12赫兹灵感、直觉或点子发挥威力的状态，身心轻松而注意力集中。
快速α波12-14赫兹高度警觉，无暇他顾的状态。
如果您想减少紧张感，压力和焦虑，您应该在适当的时候提高大脑中的阿尔法脑波，这样也可以提高您的免疫能力。
如果您想提高大脑工作效率，做有创造力的人，您应该学会如何提高大脑的阿尔法脑波。
如果您想在众人面前使自己表现出色，无论是运动表现还是其他方面的表现，您更应该借助阿尔法脑波的帮助。
1.3人机交互接口
人机交互（Human-ComputerInteraction,HCI）:
是研究关于设计、评价和实现供人们使用的交互计算系统以及有关这些现象进行研究的科学川。
我们所接触到的人机交互是指人和计算机机器设备之间进行的信息交流，并且尽可能地具备多种方便快捷的交流方式。
和我们日常生活关系最密切的就是计算机操作系统的人机交互功能，其设备包括键盘、鼠标、显示器、麦克风等，还包括计算机的模式识别软件。
例如，我们通过键盘、鼠标可以很方便地对计算机进行输入、点击等控制，通过计算机显示器的图像图形界面可以清楚地得到计算机中的信息，这样，人和计算机之间就形成了一种很实用的人机交互。
而在早期的计算机操作环境下，计算机无图形界面，也无鼠标，人和计算机之间的交流显得很麻烦[1]。
人机接口技术（Human-ComputerInteractionTechniques）是指通过计算机输入、输出设备，以有效的方式实现人与计算机对话的技术。
人机接口技术在计算机系统发展中得到广泛的应用。
例如，由鼠标、USB驱动、操作系统中相应的模式识别软件构成的人体输入学设备使得人对计算机的操作变得十分快捷简便，这是一套典型的人机交互技术设备。
麦克风、计算机声卡、声卡驱动程序、操作系统中的音频处理软件构成的音频输入设备可以方便地将语音信号输入计算机中[2]，并随着相关研究领域的发展，语音识别和语音合成技术使得人和计算机通过语音进行交流逐渐成为现实。
人机接口技术是一套整体的系统，它涉及多个学科领域，通常要依靠多种软硬件系统的相互配合才能实现。
1.4人机交互的成果
（1）浏览器
一些展厅经常提供触屏展示设备给参观者了解展览信息，但是如果遇到残障人士或者连手指都懒得动一下的高贵客人，BCI就发挥了用处。
这些脑控浏览器不需要太复杂的交互，主要就是点击、前进、后退、滚动等操作。
这些操作可以用不同的意识行为来控制。
（2）轮椅控制
现有的轮椅需要别人来帮忙推，这需要有陪护时刻在身后；
或者自己用双手滚动轮子，这对于老年人和手部受伤、残障的人士来说太困难。
但是轮椅的控制在逻辑上是很简单的，只需要前进、后退、左转、右转这样几个操作就可以了，通过一定的训练，完全可以让病患完全用意识来控制轮椅的操作。
（3）假肢
缺失的肢体是有神经系统控制的，而神经系统原本就是由大脑的一部分的延伸。
如果假肢能够利用电子线路代替损坏的神经线路与大脑重新建立关联，那么假肢就不再是塑料或木头，而是可以控制的手指。
即便要完成每个手指的精确移动这个任务难度太大，光是可以控制腿型假肢的移动就已经能够给无数残障人士带来很大的方便。
美国的ZacVawter是一名软件工程师，在一次车祸中丧失右腿。
而他所使用的假肢，是通过检查腿部肌肉的神经来判断。
这些信号通过假肢里的处理器计算之后，判断出使用者的意图。
而他在2012年使用假肢爬上了芝加哥一座2100多级台阶的北美第一高楼——威利斯大厦WillisTower。
这个活动极大的宣传了脑控假肢的应用前景。
（4）猫耳朵
这是个很萌的应用。
日本一家公司开发了一个探测脑电波的头饰。
当你开心的时候，你头箍上的猫耳朵就会立起来；
当你难过的时候，猫耳朵就会垂下。
想象下你的女朋友戴着猫耳朵和你约会的时候，她的喜怒哀乐都可以由猫耳朵看出来，那就不需要费很大心思去揣测女朋友的心情了。
对于不善于揣测女朋友心思的理工男来说，这个能很有效地避免两人的矛盾。
不过话说回来，这样的理工男有女朋友？
（5）读心术
虽然我们前面讲了BCI是没法实现读心术的，但是总有人想要做出不可思议的事情。
2008年日本ATR计算神经科学实验室利用fMRI的技术分析大脑活动，成功显示出来一些分辨率10*10的图像。
原理大致是由视神经激活大脑不同位置，fMRI读取之后，找到图像和大脑位置间的规律。
这个训练过程就得到了图像和大脑活动之间的模式关系。
在测试新的图片时，就可以读取激活的大脑位置，利用已经知道的模式来推算大概看到了什么。
（6）意念控制
看过电影《阿凡达》的人一定不会忘记影片中这样一个桥段：
在潘多拉星上，下身瘫痪的的前海军战士杰克·
萨利躺在密封舱中，通过头上戴着的复杂设备，利用意念操控人造的混血阿凡达。
当然，潘多拉星和阿凡达只是导演卡梅隆的虚构，利用意念操控阿凡达自然也不可能发生。
但是你或许不知道，利用“意念”操控物体已经不再是人类的空想。
EmotivEpoc意念控制器是美国加州旧金山的神经科技公司「EmotivSystems」继英国埃塞克斯大学的科学家研发出附有电极的特殊帽子，以思想操控电脑之后，推出的「神经头盔」（neuroheadset），让使用者戴上之后，只需起心动念便可以操控眼前的电脑，透过意志和情感控制电玩游戏角色动作。
该产品的订价为二百九十九美元。
图1.1意念控制球
1.5内容概述
本文阐述了一种基于人体脑电a波信号的人机接口技术的设计思想和实现方法[3]。
该设思想为通过将脑电α波信号的特征变化转换为控制命令实现对机器设备的控制。
图1.2和图1.3分别为系统的硬件采集平台实物图和系统软件截图。
图1.2人机交互系统的硬件信号采集平台
图1.3人机交互系统的软件截图
2、基于脑电a波的HCI系统
人体脑电（Electroencephalogram,EEG）是1929年由德国精神病学家海森.伯格（HansBerger）在研究中首次发现，他通过记录和研究人体大脑电流的变化情况发现该电流具有规律性变化的特性[10]。
随后，该发现相继被其他科学家的研究所证实，有关脑电信号的研究作为一个科学领域的分支得到迅速发展。
很多脑电领域研究成果在应用领域具有重要作用，其中，例如，能客观反映大脑状况的脑电图在临床医学领域有着极其重要的应用[11][12]。
随着人们对脑电信号认识的逐步深入，脑电信号的种类逐渐扩展，例如:
常规的多导联脑电信号，包括自发脑电和诱发脑电、动态脑电信号、睡眠脑电信号等，相关的特征也得到较为深入的研究。
脑电信号的特征变化可作为一种人体信息传递平台，其研究和应用不断被探索，其中将脑电信号作为人体与外界进行直接信息交流通道这一想法越来越受到众多研究机构的重视，基于脑电信号的人机接口技术由此得到不断发展。
脑电信号的诸多特性使得这种人机接口技术比其他方法具有更多的优点和应用前景[13]。
2.1脑电a波的概述及其在HCI系统中的应用
人机接口系统所使用的脑电信号为电极从人体头皮表面所采集的能反映大脑特征变化的微弱电流，这些微弱电信号经过电路特殊处理后可作为人体对外信息传输的载体。
目前基于脑电信号的人机接口系统所使用的脑电从类型上可以分为诱发电位和自发电位两种。
诱发电位是指采用各种特定刺激源刺激神经系统后人体大脑皮层会产生的相关电位，常见的诱发电位包括依靠视觉神经的视觉诱发电位、依靠听觉神经的听觉诱发电位、事件相关电位等。
采用诱发电位的脑机接口系统所具备的优点是受试者不需要经过严格的训练，并且诱发电位通常在相关神经系统受到刺激后特定的时间范围内和人体特定的部位可以被检测到，因此在实际测试中较容易检测到诱发电位的特征变化并且在特征识别具备较高的准确率。
但是诱发电位的产生需要依赖外界刺激设备一刺激源。
图2.1为一种基于视觉诱发电位的脑机接口系统结构模型[4]。
图2.1基于视觉诱发电位的脑机接口系统结构模型
自发电位又称自发脑电节律，它是指人体大脑皮层在自然正常状态下产生的自发的电位变化。
自发脑电节律分为很多种类，比如α节律、β节律等。
人体自身状态的某些变化会引起大脑皮层自发脑电节律的相关变化。
2.1.1α波信号
α波信号是自发脑电节律的一种，又称α节律。
α节律是一种对应与大脑皮层中视觉皮层的闲散节律的电活动，通常α波信号的能量主要集中在8-13Hz的频段内，在人体头皮表面可检测到的a波信号强度很微弱，电压幅度大约在20-100laV的范围内波动。
α波具有显著的节律性EEG波形特征实验中会在受试者清醒状态时闭目后出现，其信号的波形类似于正弦波，幅度变化特点为先逐渐增大，再逐渐变小，总体外形为梭形形状。
图2.2为课题实验中所采集脑电数据的α波波形仿真图[5]
图2.2实验数据中α波信号波形截选图
2.1.2α波信号的应用
α波的梭状波形通常可以持续1到2秒钟的时间，当人睁眼或集中精力思考某个问题时α波会消失，紧接着会出现一段时间的快波，这种特性在脑电研究中被称为a波阻断现象。
该现象在人机接口研究领域具备很重要的应用。
由于α波信号的这一独有特性，人机接口系统中可以利用其进行命令或指令输出，从而实现一种对设备简单而实用的控制手段。
根据α波阻断原理，在人机接口系统中通过采集设备实时监测人体头皮表面α波信号的幅度，当受试者想要发送一个控制命令时可以闭目，大脑皮层中的α波信号幅度会增大，系统检测到这一变化后就会发送控制命令对外部设备进行操作，当受试者睁眼后，信号幅度降低，系统可再次发送控制命令。
这一过程的实现需要整个人机交互系统平台的设计工作涉及多个学科领域，包括生物医学工程、模拟电路设计、数字电路设计、数字信号处理、软件工程等[6]。
2.2系统的框架和原理
本课题所设计的基于脑电a波的人机交互从整体结构上涵盖了多个子系统模块。
如图2.3所示为系统结构模型框图，该人机交互系统主要由输入端电极、脑电预处理电路、数据采集卡、系统软件、外部控制设备等部分组成。
图2.3人机交互系统结构模型图
系统的设计和运行原理:
输入端的三个电极分别放置在受试者的头皮枕部、耳垂、额前。
实验中，当受试者清醒状态下闭目时，大脑皮层中的α波迅速增强。
头皮表面的EEG由电极和传输导线经过脑电预处理电路滤波、放大，再经数据采集卡AD转换后通过USB总线传入PC中。
系统软件数据分析模块首先使用滤波代码对数据进行滤波处理，滤除EEG中的直流分量成分以抑制信号的基线漂移，再采用基于滑动窗的迭代频谱检测方法对数据进行频谱分析。
算法中针对α波阻断现象这一特点，在EEG信号的频谱幅度上设置一个动态检测门限[7]，每次对幅值大于检测门限的频率点进行分析对比，依据数据的频谱峰值是否在α波信号的主要能量频段范围内8-13Hz推断出此时受试者是否闭目，进而转化成控制命令。
为了解决不同受试者EEG在频谱幅度上的差异对检测门限的影响，在每次频谱分析运算前进行能量归一化操作，即将软件滑动窗内的当前值除
以其均方差，从而使不同待检测信号的相对差异得以抑制，系统运行过程中检测门限值不会出现太大波动。
3、脑电α波的提取
许多种类的微弱信号用普通的测量仪是很难测出来的，例如人的脑电、肌电信号等。
因为脑电信号的电压幅值很小，只有5～150μV,频率低至几十赫兹以下,这些信号极易被外界干扰信号淹没。
另外,脑电信号的输出电流也及其微弱,不能用低输入阻抗放大器处理.因此，为放大这类信号，必须采用高放大倍数、高输入阻抗的放大器进行采集放大。
但仅考虑高放大倍数、高输入阻抗还不能有效地将脑电波采集输出，还应考虑信号的作用，因为有些干扰信号的幅值已大于或接近于脑电、肌电幅值，如果放大器没有足够高的信噪比,也很难将脑电、肌电等有用信号采集到[8]。
所以这种微电压放大器不仅要考虑它的放大倍数,还要考虑它的干扰能力。
3.1硬件系统的设计
由于人体本身就是一个高阻，因此采集接受脑电波的放大器必须是高输入阻抗放大器。
由于差分放大器是微电压放大器的前级，对共模抑制比及温漂等参数的要求非常严格，因此必须使用祛除50Hz工频信号的带阻滤波器[9]、截止频率ω0为100Hz的低通滤波器、集成隔离放大器、α波，β波的带通滤波器等进行并行采样、分时转换。
图3.1脑电信号采集系统的总体框图
3.3输入端电极
为了获得较好的信号采集效果，硬件平台中的系统输入端电极选用精密的银/氯化银电极。
该电极主要由金属银构成，其表面覆盖一层氯化银成份，对人体无伤害、与皮肤接触时刺激性小，具备很好的抗溶解性，使用过程中性能稳定。
该电极的导线为内部三芯结构加外部屏蔽线，具备良好的导电性和抗干扰性，可有效传导人体皮肤表面的微弱生物电信号，如脑电信号（（EEG）、心电信号（（ECG）,眼电信号（（EOG）。
图3.2为系统所用的脑电信号测量电极。
为了提高实验过程中电极的检测效果，通常在电极表面涂盖一层电极膏以提高导电性。
图3.2系统实验平台中的输入端电极
脑机接口系统中电极的安放位置普遍遵循10-20导联系统所规定的电极安放标准,10-20导联系统是由国际脑电图协会制定的脑电测量中相关电极的名称和安放位置。
图3.3为目前国际标准脑电10-20导联系统的图示，图中详细标示了人体头部相关电极的命名和位置。
该标准设计的电极名称由字母加数字组成:
其中字母代表人体大脑皮层上的特殊区域，例如P代表大脑皮层顶部区域，C代表大脑皮层中央区域;
数字为偶数时表示该电极的位置处于大脑右半球，数字为奇数时表示电极的位置处于大脑左半球。
表3-1详细列出了10-20国际标准脑电导联系统中主要导联的相关参数，如所处部位、导联的名称以及代号等。
图3.3国际10-20标准脑电导联系统图示
图表3-110-20脑电导联系统中的导联的相关参数
在基于脑电信号的人机交互系统的设计过程中，电极在受试者头皮表面的安放位置由目标信号的特征决定。
系统输入端共有三个电极:
input0端贴在受试者头皮的枕部，位于图3.3中标示的Oz导联处，在人体头皮表面，Oz导联处脑电成份中的自发脑电。
波信号幅度最强；
inputl端作为地电极贴在受试者额头的眉心处;
input2端为电路的参考电极贴在受试者的右耳垂处。
3.4α脑电波提取实例
3.4.1α波提取
由于α波的频率在8~13Hz,所以构造频率为8.5Hz、9.5Hz、10.5Hz、11.5Hz、12.5Hz的正弦信号和余弦信号各一组,一共10个信号作为α波的参考信号。
将这10个信号与原始闭眼脑电信号S构成ICA方法的输入端,如图4所示,然后用fastICA算法对11个输入信号进行分离,以把闭眼脑电信号中的α波分离掉,得到不含α波的脑电信号D,分离结果如图3.4所示：
图3.4部分原始闭眼脑电信号和构造的正弦、余弦信号
图3.5ICA方法的输出信号
为了证明分离过程的正确，将分离得到的信号依次和源信号S相关得到的相关系数如表2：
表2源信号和分离输出信号的相关系数表
从表2中可以看到,分离得到的最后一个信号与源信号的相关系数的绝对值远远大于前面的信号的，因此可以判断最后一个信号即为D,它和原始信号的相关性最强,证明了分离结果的正确。
比较S和D信号的相位关系。
可以通过比较S和D在某一位置附近上升还是下降的趋势来判别两者相位关系，若同为上升趋势,则同相;
若趋势不同,则反相。
本文实验数据中比较S和D在第100数据点附近的波形,S信号为上升趋势,而D信号为下降趋势,说明S信号与D信号的相位相反,这与S和D相系数为负一致。
因此,要分离的α波为:
C=S+r×
D得到的α波波形以及功率谱图如图3.6所示：
图3.6提取出的α波及其功率谱图
3.4.2α波去噪
由图3.5看出,用ICA方法提取出的α波功率谱在50Hz处有一个峰值,说明信号中还含有一定的工频噪声,因此需要进行消噪。
消除工频噪声后,最终闭眼脑电信号提取出的不含工频噪声的α波信号以及功率谱如图3.7所示。
图3.7不含工频噪声的α波及其功率谱图
4、人机交互脑电波的未来
如今，技术发展的迅猛程度已经完全超出了我们的想象。
如果你是新兴技术领域的开发者，或许你今天开发的东西，明天就被别人的取代了，或者过时了。
如果你是该领域的关注者，那么相信你每天都会很忙，因为你时刻要纵览全球前沿技术发展动态，才能让自己保持清醒的思路。
在新的技术时代，人体的各大感官功能都已经被研究，并用于开发各个领域的感应器，从而与各种终端设备深度结合在一起。
人体感官体现在终端设备上，已经有语音控制、身体感知控制、视觉控制、脑波控制等终端产品。
从目前产品化状况来看，人体几大感官功能中，视觉、听觉、身体感知是产品化比较成熟的，但为什么嗅觉、味觉、脑波（思维）控制方面的产品研究却相对较弱？
这三者产品化方面又有什么新动向和发展趋势？
目前，研究利用脑波技术或脑波控制的相对也比较多，比如利用思维开车，就是用人的脑波读懂人的思维来控制车到底要往哪里开。
大多数人都知道谷歌的无人驾驶汽车，但不知道的是，柏林自由大学的工程师开发出的“自治汽车”（autonomouscar）更让人惊叹，更酷！
汽车的速度和方向可以由司机的思维来控制。
只要你想一下“我要到这个地方”，然后汽车就会转弯驶向新的路径。
如果你中途改变主意，又想去别的地方，没问题，只要你想一下，一切都搞定。
但要实现这点，需要一个思维控制头式耳机，耳机包含16个脑电图记录感应器（Emotiv公司制造的），用户可以训练它来感应代表某些想法的脑电波模式。
因此，它的整个系统实现起来是比较复杂的，系统的价值要300美元，所以真要成功商业化，复杂性和成本都是问题。
这个实现起来确实比较复杂。
再有就是，要实现利用脑波，最主要的就是对脑电波的扫描，而这个扫描都需要在头上佩戴比较复杂的设备，才能监督和收集脑电波的活动，根据活动判断人类的思维。
所以，如果要成功实现商业化，必须要解决产品简易的问题，但目前对脑波扫描的设备还是比较复杂和头戴式大型设备，这也是目前影响更好商业
升级会员 