針對現(xiàn)有腦電設(shè)備便攜性差的問題,提出了一種基于嵌入式的可穿戴干電極腦機接口（BCI）系統(tǒng)。該系統(tǒng)首先通過干電極配合24位模數(shù)轉(zhuǎn)換芯片采集腦電信號,然后使用FIR數(shù)字濾波的方法進行3～35Hz帶通濾波,最后通過嵌入式處理器進行腦電識別。在識別算法方面,首先對腦電信號進行截斷處理,去除視覺刺激延遲以及FIR濾波造成的群延遲;然后采用皮爾遜相關(guān)系數(shù)法進行在線腦電識別,并分析刺激時長對正確率和信息傳輸率的影響。實驗結(jié)果表明:該系統(tǒng)采集信號的平均信噪比為74.86dB,50Hz處共模抑制比為-132.57dB,所用的相關(guān)系數(shù)法平均識別時間為0.13s,四目標(biāo)在線穩(wěn)態(tài)視覺誘發(fā)電位實驗的平均正確率為69.54%。與使用標(biāo)準(zhǔn)典型相關(guān)分析（CCA）算法的便攜式BCI系統(tǒng)相比,該系統(tǒng)的平均識別時間縮短0.27s,平均正確率提高了10%,可為干電極腦機接口系統(tǒng)應(yīng)用提供思路。 

【文章來源】：西安交通大學(xué)學(xué)報. 2020,54(06)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

可穿戴腦機接口系統(tǒng)

信號采集處理模塊負責(zé)將模擬信號轉(zhuǎn)化為數(shù)字信號，并對EEG進行在線處理，模塊結(jié)構(gòu)如圖2所示，由預(yù)處理電路1、模數(shù)轉(zhuǎn)換電路2、加速度模塊3、供電電路4以及嵌入式處理器5組成。信號采集處理模塊具體工作方式如下：模塊收到開始采集命令后進行EEG采集，信號依次經(jīng)過預(yù)處理電路1、模數(shù)轉(zhuǎn)換電路2，進入嵌入式處理器5，得到抗混疊濾波后的EEG。每次實驗截取4s數(shù)據(jù)，然后使用嵌入式處理器中的腦電算法對數(shù)據(jù)進行處理，將得到的結(jié)果轉(zhuǎn)化為控制指令通過藍牙模塊無線傳輸至外部設(shè)備，實現(xiàn)對外部設(shè)備的直接控制，對于支持藍牙通信的外部設(shè)備不需要額外的轉(zhuǎn)接線即可與本系統(tǒng)相結(jié)合進行控制。

雖然硬件電路已經(jīng)對腦電信號進行了初步處理，但由于信號中噪聲信號遠大于腦電信號[15]，硬件電路無法完全消除噪聲，還需要進行數(shù)字濾波。為提高EEG質(zhì)量，在使用濾波算法前進行去均值處理，然后對數(shù)據(jù)進行線性擬合去除線性趨勢。數(shù)字濾波器主要分為IIR和FIR兩類，F(xiàn)IR濾波器擁有平穩(wěn)的通頻帶和線性相位[16]，由于使用濾波算法會產(chǎn)生群延遲，而SSVEP范式中的皮爾遜相關(guān)系數(shù)法需要EEG和模板信號保持嚴(yán)格的相位關(guān)系，因此設(shè)計基于Hamming窗的64階FIR帶通濾波器對EEG進行3～35 Hz濾波。64階FIR濾波的群延遲為32個數(shù)據(jù)點[17]，因此需要去除濾波后的前32個數(shù)據(jù)點以消除群延遲，保證濾波結(jié)果的準(zhǔn)確性。2.3 SSVEP范式腦電算法的優(yōu)化和移植

【參考文獻】：
期刊論文
[1]基于便攜式腦電信號采集器的腦-機器人交互系統(tǒng)[J]. 支丹陽,杜秀蘭,趙靖,吳正平,李偉.  電子測量與儀器學(xué)報. 2016(05)
[2]表情驅(qū)動下腦電信號的建模仿真及分類識別[J]. 張小棟,郭晉,李睿,陸竹風(fēng).  西安交通大學(xué)學(xué)報. 2016(06)
[3]FIR濾波器與IIR濾波器去噪效果對比研究[J]. 洪燦梅,劉愛蓮,劉名揚,程航,田素輝.  微型機與應(yīng)用. 2015(21)
[4]基于CCA的SSVEP性能研究[J]. 笪鋮璐,陳志陽,黃麗亞.  計算機技術(shù)與發(fā)展. 2015(05)
[5]穩(wěn)態(tài)視覺誘發(fā)電位的腦機接口范式及其信號處理方法研究[J]. 徐光華,張鋒,謝俊,李葉平,韓丞丞,李黎黎.  西安交通大學(xué)學(xué)報. 2015(06)
[6]視覺感知空間分布對SSVEP調(diào)制成分的影響[J]. 杜智超,陳志凱,陳弘達,高上凱,高小榕.  北京生物醫(yī)學(xué)工程. 2014(04)
[7]信號FIR數(shù)字濾波后相位延遲的消除[J]. 伏燕軍,程強強,于潤橋,江光裕.  計算機工程與應(yīng)用. 2012(07)



本文編號：3066899