0引言

脑—计算机接口(brain-computer interface, BCI)是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道，通过这种通道，人就可以直接通过脑来表达想法或操纵设备，而不需要语言或动作^［1］。

要想实现这样一种接口，有两个条件是必须满足的：

(1)必须有一种能够反映人脑不同状态的信号；

(2)这种信号必须能够实时或短时被提取和分类。

脑电信号是满足这两个条件的。当人进行不同的感觉、运动或认知活动时，脑电是不同的。此外，脑电记录简单、无创，因此用脑电信号实现BCI系统是合适的。要指出的是，基于脑电的BCI并非试图解释自发脑电，而是使人产生容易被解释的脑电，BCI识别出这种脑电后，就可以作出不同的选择或发出不同的指令。

目前可以想到的BCI的用途至少有三方面：

(1)为思维正常但有运动功能障碍的人提供一种对外界环境进行交流和控制的途径。如控制轮椅或计算机。对于全身瘫痪的人来说，基于脑电的BCI尤其合适；

(2)为人们提供一种在特殊环境下控制外界设备的途径。如帮助飞行员在高加速度下控制飞机；

(3)为人们提供一种全新的娱乐方式。如用思维玩电子游戏。

目前，建立基于脑电的BCI系统引起了人们越来越多的兴趣，世界上很多实验室在这方面做了大量工作。

1基于脑电的BCI的研究思路

人们已经设计出多种可以在实验室中进行演示的基于脑电的BCI原型系统^［2，3］。目前这些系统的应用主要集中在作为残疾人行为障碍的弥补术。

(1)利用视觉诱发电位(visual evoked potential,VEP)

在显示装置上显示多个选项，使用者注视希望选择的一项。通过对显示方式进行处理，可以使人在注视不同选项时产生不同的脑电信号。

比较直接地得到注视目标的方法是跟踪人的视线。但这种方法要求头部保持不动，实际应用中难以做到。而基于脑电的BCI没有对头部运动的限制。

Sutter^［4］在1992实现了名为脑反应界面的实时BCI系统。显示器上8×8的符号矩阵按照一种伪随机二进制序列(称为m-序列)进行红/绿色交替，使用者注视想要选择的符号，将测得的脑电信号与事先记录的模板比较，就可以确定使用者注视的目标。使用者可利用该系统操作字处理软件。

(2)利用事件相关电位(event related potential, ERP)

①利用P300电位P300是ERP的一种，其峰值大约出现在相关事件发生后的300ms。相关事件出现的概率越小，所引起的P300越显著。

1988年，Illinois大学的Farwell和Donchin利用P300设计了一种虚拟打字机^［5］。一个6×6字符矩阵按行或按列闪烁，顺序是随机的，则“包含使用者想要输入字符的行或列发生闪烁”就成为相关事件。求出引起P300幅度最大的行和列，则该行与该列交点上的字符就是要打印的字符。

②利用事件相关去同步(event related desynchronization,ERD)

Pfurtscheller等人进行了一系列基于ERD的BCI系统的研究^［6—8］，并实现了Graz Ⅰ和Graz Ⅱ两个有代表性的BCI系统。

在Graz Ⅰ^［1］中，受试者面对显示器，显示器上的左侧或右侧显示一个目标，受试者根据目标的位置准备用左手食指或右手食指去按一个开关。大约1秒钟以后，显示器中央出现一个十字形光标，受试者按动开关。用于分类的脑电信号取自显示器上出现目标之后，出现光标之前，也就是受试者准备动作的阶段。信号预处理方法采用功率谱估计，分类法采用LVQ^［9］算法，从而预测出是左手还是右手将要运动。十字形光标根据预测结果向左或向右移动，将预测结果反馈给受试者。经过5～7次训练后，正确率为67%～86%。

在Grax Ⅱ^［10］中，受试者只是想象做动作，真正的动作并没有发生，结果分类正确率也超过了70%。

(3)自主控制脑电

这种思路建立在操作性条件反射基础上，认为人可以通过生物反馈来学习控制脑电信号的某些成分。

①自主控制mu节律幅度关于mu节律的介绍见参考文献［11］。

纽约州立大学的Wolpaw和McFarland等人研究了通过改变mu节律幅度来控制光标移动的可能性。在最初的研究^［12］中，光标只能做上下移动。受试者面对屏幕，屏幕中央有一个光标，屏幕的上方或下方有一个目标，设定mu节律的幅度超过某一阈值则光标上移，低于另一阈值则光标下移，受试者设法改变自己的mu节律幅度使光标移向目标。部分受试者经过几周训练后可以自如地控制mu节律的幅度。分析表明，受试者在经过这种训练后，改变的只是8～12Hz的幅度。进一步，Wolpaw研究了控制光标二维移动的可能性^［13］。目标位于屏幕的四角，电极为两通道双极导联，两个通道的mu节律幅度之和决定光标的垂直移动，之差决定水平移动。经6～8周训练后，部分受试者达到70%正确率。

②自主控制稳态视觉诱发电位(steady state visual evoked potential,ssVEP)幅度

Wright-Patterson空军基地的McMillan和Calhoun研究了用此方法控制飞行模拟器的BCI系统^［14］。用一个13.25Hz正弦调制的光刺激引发ssVEP。设定当ssVEP的幅度高于某阈值时，飞行模拟器右滚；低于另一个阈值时，飞行模拟器左滚。使用者学习通过控制自己的ssVEP的幅度来控制飞行模拟器的动作。

(4)利用眼部运动控制alpha波

早在1967年，Dewan^［15］就采用自主控制alpha波幅度的办法发送Morse电报码。通过眼球运动可以增大alpha波幅度或阻断alpha波，持续时间较长的alpha波表示“-”，持续时间较短的alpha波表示“.”。用这种办法发送一个字母的Morse码需要35～50s。

1997年，澳大利亚悉尼技术大学的Kirkup^［16］等人设计了可以表达开关量的BCI，通过检测人闭眼后alpha波幅度的升高来控制电子开关。该系统运算简单，对不同的人只有一个参数需要调节，使用者不需要训练。

(5)改变心理作业(mental tasks)

人们很早就注意到，当人进行不同的心理作业时，脑电信号在左右半脑是不对称的。例如，对于语言作业(verbal tasks)，alpha波在左半脑较弱而在右半脑较强，对于空间作业(spatial tasks)则相反。这种现象称为alpha波的不对称性。脑电信号的这一特征为我们检测不同的心理作业提供了可能。

Colorado州立大学的Keirn和Aunon^［17］研究了用脑电信号区分以下五种心理作业的可能性：休息状态，心算乘法，想象物体旋转，打信件腹稿，想象在黑板上书写和擦除数字。

Keirn采用的信号处理方法是功率谱不对称比。在功率谱估计时，分别采用了自相关法和AR模型。结果，自相关法的分类正确率在80%～90%之间，AR模型的阶数超过5阶后，正确率和自相关法差别不大。

此外，Keirn还尝试了直接利用AR模型的系数进行分类。

我们对上述五种思路做一简单的比较：

诱发电位的信噪比较高，且由于集中在特定时间(如P300)或特定频率(如ssVEP)，信号处理方法简单而正确率较高。不足之处是需要额外的刺激装置，并且依赖于人的某一种知觉(如视觉)。

Pfurtsheller和Wolpaw的系统很相似，两者都需要通过生物反馈获得一定的操作性条件反射，但两者也有一些区别^［1］。前者是让分类器去适应使用者，而后者要求使用者调节自己的脑电幅度去适应分类器；前者需要大量的实验数据训练分类器，而后者需要长时间的训练使使用者产生稳定的条件反射。

利用alpha波的通断是一种比较简单的方法，但是单纯利用alpha波的通和断只能反映两种状态，目前还无法进行多选择控制。

Keirn的工作表明，有可能利用脑电来准确区分不同的心理作业，这种方法的好处是使用者不需要产生任何动作。Keirn设想，或许有其它更易区分的心理作业，或许对不同的人可以选择不同的心理作业，这都为将来提高系统性能提供了可能。

2存在的主要问题及解决办法

(1)如何使系统连续工作

目前很多BCI的研究集中在从EEG中区分几种命令，而实际应用中，为使BCI系统能够连续工作，还必须区分出“空闲”状态。事实上，使用者通常只在少数情况下需要发送命令，大部分时间系统都应处于“空闲”状态。目前很多BCI系统的问题是，分类器会把“空闲”时的自发脑电当作命令进行分类。

在前面介绍的五种思路中，利用视觉诱发电位和利用眼部运动控制alpha波幅度是可以连续工作的。而另外三种思路都没有解决连续工作的问题。

为解决连续工作的问题，Mason(1996)设计了一种BCI，该系统由两部分组成，分<