使用腦電設備實現BCI腦機介面的運用
10-17
使用腦電設備實現BCI腦機介面的運用
Pycorder採集軟體是基於Python語言開發的GUI界面通過調用ActiChamp_x32/64.dll文件進行數據的採集，對於開發性需求的用戶，相對來說更方便些。我們應該知道信號採集過程中，有一些干擾信號是沒辦法避免的，但是我們要在採集信號時，儘可能的提高信噪比。所以，就需要知道雜訊信號的來源——傳送門《EEG信號偽跡來源及可能原因分析》，當知道了信號的干擾分量，則我們就應該對應的減少雜訊的輸入，這樣就有利於後期信號的預處理中刪去了大量的有效信號。第二步，信號預處理及特徵信號提取對於信號的分析，可分為實時信號處理和離線信號處理，對於離線信號處理，可使用多個軟體處理了，如BP公司開發的Analyzer，matlab下的eeglab、erplab、fieldtrip、brainstorm等，Python下的MNE等。對於離線信號的預處理過程，可參看前面推送的文章。另一個信號處理方式——實時信號處理。常見的使用軟體有openVIBE、BCI2000、BCILAB以及可以實時讀取信號的LSL。
推薦閱讀：
1 人贊了文章
這段時間沒有更新文章，寫文章的能力都快退化了。這段時間一直在出差加上人又有些懶了，後台都收到小夥伴的催更信息了，實在有些抱歉，致關注公眾號的小夥伴們。多的話不多說了，這期就分享一下我最近在跟老師和童鞋們交流的技術內容——使用腦電設備實現BCI運用。
對於BCI的一些知識，在前面的文章中已經有了一些介紹，傳送門《腦機介面的簡介》 ，BCI技術的內在原理是，當一個人的大腦在進行思維活動、產生意識（如動作意識）或受到外界刺激(如視覺、聽覺等)時，伴隨其神經系統運行的還有一系列電信號活動，這些腦電信號( EEG)可以通過特定的技術手段加以測量，然後再通過信號處理(特徵提取、功能分類等)，從中辨別出受試者的真實意圖，並將其思維活動轉換為指令信號，以實現對外部物理設備的有效控制。基於該原理，BCI技術系統跟任何通訊及控制系統一樣，由輸入(如受試者的EEG信號)、輸出(如控制外部設備的指令)、信號處理和轉換等環節組成。
以Brain Products公司其中一款放大器antiCHamp設備為例，闡述如何實時的將信號輸出。
第一步，我們要解決的問題如何將人腦的信號採集。Brain Products公司對於這款放大器提供了兩款採集軟體可以用來信號採集Recorder和Pycorder。Recorder採集軟體需要使用加密狗文件才能正常的使用，在第三方軟體中也可以通過調用此軟體的開放介面可以實時讀取Recorder軟體採集的EEG信號，在Recoder的界面configuration——preference——Remote Data Access勾選介面
所謂特徵信號提取，也就是說可以將受試者的意圖產生的EEG信號提取出來，其目的是從眾多的特徵信號中進行分類處理出最有效的特徵EEG信號，這樣才有可能將這一特徵信號轉換為指令。目前提取的常見演算法有：頻譜分析、時頻分析、獨立成分分析（ICA）、主成分分析（PCA）、自回歸模型、模式匹配以及機器學習演算法等。這裡面就涉及的演算法就比較多了，在後續的文章，將儘可能的通俗介紹，對於ICA的方法，可參考《獨立成分分析》 。
第三步中就是需要將提取信號特徵賦予指令同樣以Brain Products公司提取α波控制小車為例，可觀看以下視頻。在視頻中，可以觀察到主要提取的特徵波——α波，它又分為高波幅的α波和低波幅的α波。高波幅的α波使小車高速的運轉，低波幅的α波使小車緩慢或停止。
以上就是使用EEG信號來實現BCI的想法。當然這是一個框架，裡面還涉及的很多東西是我們沒法成功實現BCI應用的原因，如：電極的安放位置、腦電設備信號的獲取、高信噪比、特徵波信號的分類等。最後，向關注本公眾號的小夥伴們致歉。但同時請諒解小編，畢竟本公眾號不是主業，本公眾號主要是記錄下自己的所見所思所學所感。學以致用，學以所悟。文章僅限學習使用，不用於商業行為，若有侵權及疑問，請後台留言！
Make brain technology more simple!推薦閱讀：腦電分析之眼電糾正腦電分析之參考電極變換腦電分析之偽跡去除大腦研究之基礎篇大腦可視化之軟體篇http://weixin.qq.com/r/8Dvx6ZnEcsQNrd2K927i (二維碼自動識別)
推薦閱讀：