腦機(jī)接口技術(shù)的仿人控制綜述*

韓震坤，陶 慶，2，關(guān)向恒

（1.新疆大學(xué)機(jī)械工程學(xué)院，烏魯木齊 830047；2.新疆大學(xué)機(jī)械工程博士后研究中心，烏魯木齊 830047）

0 引言

腦機(jī)接口（BCI）位于信號(hào)處理、機(jī)器學(xué)習(xí)和機(jī)器人系統(tǒng)的交叉點(diǎn)。腦機(jī)接口是一種記錄和處理人的大腦信號(hào)以執(zhí)行所需動(dòng)作的技術(shù)。腦電圖（EEG）、皮層電圖（ECoG）和近紅外光譜（NIRS）是幾種用于記錄大腦信號(hào)的方法，而腦電是腦機(jī)接口應(yīng)用中最常用的方法之一［1－2］。腦機(jī)接口為開發(fā)一種利用大腦信號(hào)控制的新的交流機(jī)制提供了機(jī)會(huì)，這種機(jī)制對(duì)那些運(yùn)動(dòng)障礙的人非常有幫助［3］。例如，可以使用腦機(jī)接口開發(fā)腦控肢體、腦控椅子、腦控語音系統(tǒng)等應(yīng)用。將這種通信機(jī)制結(jié)合起來，并與類人機(jī)器人對(duì)接，為復(fù)制人類的行動(dòng)開辟了幾種可能性。

類人機(jī)器人［4－5］在形狀和動(dòng)作范圍上與人體相似。這使得類人機(jī)器人成為接收來自大腦信號(hào)的激勵(lì)然后與其環(huán)境進(jìn)行相應(yīng)互動(dòng)的完美候選者。由于類人機(jī)器人幾乎是人類的復(fù)制品，它可以被控制來執(zhí)行人類執(zhí)行的各種日常任務(wù)。因此，類人機(jī)器人有很大的潛力，它們可以執(zhí)行大量預(yù)期的日常應(yīng)用。這樣的人形機(jī)器人可以通過幫助殘疾人的日?；顒?dòng)來充當(dāng)他們的助手。類人系統(tǒng)還可用于關(guān)鍵任務(wù)操作，如災(zāi)難恢復(fù)［6－7］、軍事行動(dòng)［8－10］等。然而，此類應(yīng)用對(duì)系統(tǒng)的可靠性要求比以前的應(yīng)用要高得多。這類系統(tǒng)的安全性也是一個(gè)主要問題。

因此，在這個(gè)方向上有越來越多的研究來保護(hù)這樣的系統(tǒng)，從而避免它們被黑客攻擊和濫用［11－13］。在設(shè)計(jì)BCI控制的仿人機(jī)器人時(shí)，腦控接口系統(tǒng)需要對(duì)輸入的腦信號(hào)進(jìn)行轉(zhuǎn)換，生成控制信號(hào)給仿人，而傳統(tǒng)的方法是將腦信號(hào)單獨(dú)作為輸入信號(hào)。然而，有時(shí)存在訓(xùn)練時(shí)間長(zhǎng)、準(zhǔn)確性差的問題。造成這一現(xiàn)象的主要因素之一是輸入信號(hào)的顯著變化。為了提高這類系統(tǒng)的性能，在過去的幾年里，研究人員積極探索多傳感器融合。這類系統(tǒng)通常被稱為混合腦－機(jī)接口系統(tǒng)，它們根據(jù)來自不同傳感器的輸入進(jìn)行融合來做出控制決策。這種多傳感器融合的使用已經(jīng)被證明提高了基于BCI的系統(tǒng)的魯棒性［14－15］。

本文介紹了國(guó)內(nèi)外腦控技術(shù)的研究概況，論述和分析了腦電信號(hào)模式、控制信號(hào)轉(zhuǎn)換算法和應(yīng)用系統(tǒng)研究等問題，探討了進(jìn)一步研究的方向和思路，并對(duì)腦控的未來發(fā)展方向和應(yīng)用前景進(jìn)行了分析和展望。

1 研究現(xiàn)狀

1.1 國(guó)外研究現(xiàn)狀

2006年，布朗大學(xué)的研究人員使用植入的猶他州電極來證明侵入性腦－計(jì)算機(jī)接口技術(shù)可以用來控制計(jì)算機(jī)鼠標(biāo)。2012年，研究小組證明，侵入性腦－計(jì)算機(jī)接口技術(shù)可以執(zhí)行更復(fù)雜的操作。在這項(xiàng)研究中，癱瘓患者可以使用植入芯片來控制機(jī)器人手臂，如喂水或巧克力。匹茲堡大學(xué)2013年的一項(xiàng)研究證明，侵入式BCI技術(shù)不僅可以控制機(jī)器人手臂，甚至可以控制機(jī)器人手臂進(jìn)行各種不同的手運(yùn)動(dòng)，從而滿足BCI用戶在日常生活中可能需要的手抓取功能。

2016年，來自巴特利紀(jì)念研究所和俄亥俄州立大學(xué)的一個(gè)聯(lián)合研究小組證實(shí)，具有侵襲性的猶他州啟用的腦－計(jì)算機(jī)接口不僅能區(qū)分不同的手部動(dòng)作，也可以用來控制身體的殘疾人，讓其控制自己的手做出不同的手部動(dòng)作。該研究表明了此技術(shù)可以用于控制表面功能性電刺激，收縮失去控制的肌肉，從而使殘疾人對(duì)自己的軀體重獲控制。這也是腦機(jī)接口研究史上第一次展示侵入式腦機(jī)接口直接讓殘疾人控制自己軀體。2017年，凱斯西儲(chǔ)大學(xué)用侵入式腦機(jī)接口控制植入式功能性電刺激裝置，使得脊柱截癱的殘疾人能夠通過意念控制自己的手臂，喂自己吃點(diǎn)東西。這一技術(shù)的突破，不僅使侵入腦機(jī)接口能夠控制患者自己的身體，而且也是人類史上首次采用腦信號(hào)到軀體控制設(shè)備（功能電刺激）的同時(shí)，采用了植入技術(shù)（2016年研究利用非植入性表面功能電刺激控制了肌肉）。2016年，荷蘭烏特勒支大學(xué)通過一種侵入腦機(jī)的技術(shù)，成功地讓一位患有漸凍癥、失去運(yùn)動(dòng)能力甚至眼動(dòng)的患者利用意念進(jìn)行計(jì)算機(jī)打字，其準(zhǔn)確度達(dá)到了95%，使侵入腦機(jī)接口的技術(shù)應(yīng)用程度又向前邁了一步。2017年2月，斯坦福大學(xué)研究小組報(bào)告了高性能的腦機(jī)接口應(yīng)用系統(tǒng)，該系統(tǒng)使用顱內(nèi)腦計(jì)算機(jī)進(jìn)行字符輸入。研究人員在脊髓側(cè)索硬化癥和脊椎損傷癱瘓病人的運(yùn)動(dòng)皮層植入高密度微電極陣列，采集動(dòng)作電位及高頻局部場(chǎng)，解碼該電極上神經(jīng)活動(dòng)信息，實(shí)現(xiàn)連續(xù)控制屏幕二維光標(biāo)，并選擇字符的“點(diǎn)擊動(dòng)作”，從而使患者能夠通過屏幕虛擬鍵盤輸入文本和外部交互。3名使用這一系統(tǒng)的患者分別實(shí)現(xiàn)了每分鐘輸入39.2、31.6和13.5個(gè)英文字符的速度，這也是運(yùn)動(dòng)障礙病人中目前最快的信息傳遞速度。

雖然這些侵入式腦機(jī)接口的研究很令人振奮，但是上述僅僅只是腦機(jī)接口技術(shù)需要實(shí)現(xiàn)的一方面：解碼大腦的信息，用于控制。腦機(jī)接口很重要的另外一方面則是編譯外界的信息，并將其送入大腦。直觀地說，人的本體感覺和觸覺。2014年，凱斯西儲(chǔ)大學(xué)團(tuán)隊(duì)證明了使用外周神經(jīng)刺激技術(shù)可以恢復(fù)截肢病人的手部觸覺，其后續(xù)研究表明此項(xiàng)技術(shù)能夠讓截肢病人區(qū)分不同的手部觸覺。而對(duì)于脊柱截癱病人的觸覺恢復(fù)，外周神經(jīng)刺激不再有效，是因?yàn)樯窠?jīng)信號(hào)無法越過脊柱損傷處再傳回大腦。對(duì)于脊柱截癱病人的觸覺回復(fù)，刺激的部位會(huì)選擇在脊柱損傷處之上更靠近大腦的地方。匹茲堡大學(xué)的研究人員于2016年展示了植入式猶他電極的腦機(jī)接口技術(shù)可以提供微小電流刺激給大腦的感覺中樞，從而恢復(fù)高位截癱病人的手部觸覺。

由于非侵入腦機(jī)接口的操作比較簡(jiǎn)單，研發(fā)小組更多地使用了非侵入腦電圖EEG、腦磁圖MEG、近紅外光譜NIRS、功能磁共振成像FMRI等研究方法。其中，基于EEG的腦機(jī)接口系統(tǒng)是最常見的，廣泛應(yīng)用于文本輸入、輪椅控制或機(jī)器人的控制。美國(guó)羅切斯特大學(xué)的一項(xiàng)研究表明，用戶可以利用P300信號(hào)來控制一些虛擬實(shí)現(xiàn)場(chǎng)景的對(duì)象，如開關(guān)或操縱虛擬汽車等等。奧地利g.tec公司研發(fā)的非入侵式腦機(jī)接口系統(tǒng)，可用于恢復(fù)腦中風(fēng)后肢體運(yùn)動(dòng)的功能，并獲得FDA認(rèn)證。日本大坂大學(xué)的研究小組發(fā)現(xiàn)，通過腦機(jī)接口訓(xùn)練，幻肢在感覺運(yùn)動(dòng)皮層的表征減弱，可以有效地減少幻肢的疼痛感，使腦機(jī)接口訓(xùn)練有望成為一種可以面向臨床的幻肢痛治療手段。美國(guó)加州大學(xué)圣迭戈分校研究小組開發(fā)了穩(wěn)態(tài)視覺誘導(dǎo)電位計(jì)算機(jī)接口系統(tǒng)，該計(jì)算機(jī)將電極安裝在耳后的無毛發(fā)覆蓋地區(qū)，并在12分類任務(wù)中達(dá)到85%，信息傳遞率在30 bit／m左右。這一研究的進(jìn)展為普通人群提供了有效的腦電收集和高效地使用腦機(jī)接口，為日常生活提供可行性的支持。2019年7月17日，Space X和特斯拉創(chuàng)始人埃隆馬斯克召開了一次發(fā)布會(huì)，宣布Neuralink公司成立兩年來的腦機(jī)接口技術(shù)取得了重大突破，他們已經(jīng)找到了高效實(shí)現(xiàn)腦機(jī)接口的方法。這實(shí)際上本身就是一個(gè)全大腦機(jī)器人接口植入系統(tǒng)：它是利用進(jìn)行神經(jīng)移植手術(shù)的輔助機(jī)器人將數(shù)十條波長(zhǎng)直徑僅為46μm的“線”通過植入連接到機(jī)器人的大腦內(nèi)，以及植入專用神經(jīng)技術(shù)圖像芯片和大腦信息條，然后通過USB－C接口直接進(jìn)行讀取進(jìn)入大腦內(nèi)的信號(hào)。與以往的信息技術(shù)應(yīng)用相比，新型的技術(shù)由于損傷人的大腦較小，傳輸數(shù)據(jù)更多。

1.2 國(guó)內(nèi)研究現(xiàn)狀

中國(guó)在腦機(jī)接口研究方面也取得了很多成就。清華大學(xué)、浙江大學(xué)、華東理工大學(xué)、華南理工大學(xué)、上海交通大學(xué)、國(guó)防技術(shù)大學(xué)、天津大學(xué)、中科院、華中技術(shù)大學(xué)等已成立研究組，開展相關(guān)領(lǐng)域的研究，在國(guó)際BCI大賽上取得成績(jī)，在研究結(jié)果方面取得突破性進(jìn)展。例如，清華大學(xué)在2001年就開始實(shí)現(xiàn)鼠標(biāo)控制和電視按鍵控制。2006年，他們用運(yùn)動(dòng)的想象控制了兩只機(jī)器狗，進(jìn)行足球比賽，并采用了基于運(yùn)動(dòng)的想象腦接口和功能電刺激技術(shù)進(jìn)行康復(fù)的新方法。浙江大學(xué)早年研究的大白鼠“動(dòng)物機(jī)器人”，通過意念控制試驗(yàn)和猴子腦信號(hào)“遙控機(jī)械手”，完成了國(guó)內(nèi)首次植入病人顱部的電極，然后用意念控制機(jī)械手的實(shí)驗(yàn)，在“入侵式腦接口”領(lǐng)域處于國(guó)內(nèi)領(lǐng)先地位。華東理工大學(xué)的研究小組提出，讓用戶想像漢字是一種以手寫為題材的想象運(yùn)動(dòng)任務(wù)，在分類方面取得顯著優(yōu)于傳統(tǒng)格式的性能。該范式以國(guó)內(nèi)用戶群體為基礎(chǔ)，設(shè)計(jì)范式任務(wù)，為BCI在中國(guó)推廣和應(yīng)用提供良好思路。華南理工大學(xué)正研究以P300為基礎(chǔ)的文本輸入系統(tǒng)，該系統(tǒng)將運(yùn)動(dòng)想像、互聯(lián)網(wǎng)和電子郵件光標(biāo)控制、生活輔助（例如，家用電器和輪椅）以及殘疾人的神經(jīng)功能恢復(fù)。2015年，上海交通大學(xué)成功地實(shí)現(xiàn)了遠(yuǎn)程對(duì)蟑螂進(jìn)行控制的目標(biāo)。2016年10月，天津大學(xué)神經(jīng)工程隊(duì)主要負(fù)責(zé)在軌道上進(jìn)行互動(dòng)、腦負(fù)荷的設(shè)計(jì)和發(fā)展，將視覺功能及其他神經(jīng)功能測(cè)試系統(tǒng)送入天宮二號(hào)，進(jìn)行了國(guó)內(nèi)首次空間腦機(jī)互動(dòng)實(shí)驗(yàn)。2017年，中國(guó)科學(xué)院半導(dǎo)體研究所與合作研究組進(jìn)行了一次突破，提出與任務(wù)有關(guān)的組成分分析算法，進(jìn)一步提高穩(wěn)態(tài)VEP腦機(jī)接口通信速度為5.4 bit／s，優(yōu)化結(jié)果為6.3 bit／s。這是目前為止最快的頭皮腦電機(jī)接口系統(tǒng)之一。華中科技大學(xué)的研究小組進(jìn)行的是非侵入腦機(jī)接口系統(tǒng)安全的研究。

2 初步認(rèn)識(shí)

本節(jié)討論理解本文中描述的工作所需的幾個(gè)初步基礎(chǔ)知識(shí)。

2.1 腦機(jī)接口

康復(fù)是腦－機(jī)接口應(yīng)用的主要領(lǐng)域之一。腦機(jī)接口可以作為運(yùn)動(dòng)障礙者的溝通機(jī)制。對(duì)于有運(yùn)動(dòng)障礙的人來說，他們的神經(jīng)系統(tǒng)不能按照大腦的信號(hào)執(zhí)行。例如，大腦可能會(huì)想到抬起左手，但由于一個(gè)人的左手癱瘓（由于神經(jīng)紊亂），手可能無法移動(dòng)。然而，來自大腦的信號(hào)可以使用腦電圖電極直接感知，并可以用來控制可能模仿左臂抬起的機(jī)械臂［16］。目前已有各種研究討論了幾種腦－機(jī)接口的應(yīng)用，這類應(yīng)用極大地推動(dòng)了腦機(jī)接口最近的發(fā)展，因?yàn)樗鼮榘c瘓或患有各種身體殘疾的人提供了新的交流可能性［17－30］。腦－機(jī)接口的工作分為3個(gè)階段。第一階段包括從大腦獲取輸入，通常使用腦電圖（EEG）；第二階段包括將來自大腦的輸入信號(hào)映射到預(yù)先定義的輸出命令的轉(zhuǎn)換算法；第三階段包括基于命令控制外部設(shè)備［31－33］。

接下來，對(duì)這3個(gè)階段進(jìn)行更詳盡地討論。腦機(jī)接口（第一階段）：這個(gè)階段的數(shù)據(jù)包括與大腦活動(dòng)中一個(gè)或幾個(gè)特性相關(guān)的信息。大腦有不同功能負(fù)責(zé)不同區(qū)域的處理。例如，與視覺有關(guān)的感知功能在大腦枕葉上進(jìn)行處理。此外，額葉還負(fù)責(zé)計(jì)劃、決策和演講［34］。根據(jù)所需的動(dòng)作，腦電傳感器可用于從大腦部分獲得大腦信號(hào)，以便進(jìn)行深入處理。第二個(gè)階段，即翻譯算法，將獲得的大腦信號(hào)轉(zhuǎn)換成輸入，并將它翻譯為特定的輸出命令，該命令適用于某些動(dòng)作。特別是，這一階段包括使用線性分析（LDA）、人工神經(jīng)網(wǎng)絡(luò)（ANN）等各種分類方法，將動(dòng)作劃分為特定的類別。轉(zhuǎn)換算法的主要特征是使用傳遞函數(shù)，適應(yīng)所有情況。傳遞函數(shù)可以是線性的（例如LDA）或非線性的（例如神經(jīng)網(wǎng)絡(luò)）。自適應(yīng)算法可以使用復(fù)雜的機(jī)器學(xué)習(xí)算法來根據(jù)大腦進(jìn)行調(diào)整［35］。第三階段，BCI輸出，處理輸出，為專用設(shè)備產(chǎn)生的控制輸出可以是離散的或連續(xù)的這兩種形式。離散輸出是可以用于在固定輸出（例如，字母選擇）中進(jìn)行選擇的輸出，而連續(xù)輸出可以幫助導(dǎo)航（例如，光標(biāo)移動(dòng)）［17］。

2.2 混合腦機(jī)接口

傳統(tǒng)的腦機(jī)接口方法依賴于僅僅使用大腦信號(hào)來產(chǎn)生輸出，然而，據(jù)觀察，不同的受試者大腦信號(hào)的顯著特征可能不同，事實(shí)上，有時(shí)甚至對(duì)于同一受試者，不同的試驗(yàn)的特征也不同［36］。此外，分析單個(gè)方面或特征有時(shí)會(huì)導(dǎo)致遺漏重要信息。這些挑戰(zhàn)使得使用機(jī)器學(xué)習(xí)從信號(hào)中指定和提取特征變得非常合適。過去，機(jī)器學(xué)習(xí)已經(jīng)被用于各個(gè)應(yīng)用領(lǐng)域來解決各種性質(zhì)的挑戰(zhàn)［37－39］，并且在解決與BCI信號(hào)相關(guān)的挑戰(zhàn)方面也發(fā)現(xiàn)了很大的適用性。機(jī)器學(xué)習(xí)方法已經(jīng)能夠顯著地提高解碼精度，正如本文后面討論的那樣。為了最大限度地提高系統(tǒng)的魯棒性，提高信息傳輸率，減少訓(xùn)練時(shí)間，腦－機(jī)接口系統(tǒng)記錄和分析多個(gè)互補(bǔ)信號(hào)［40－41］。這些系統(tǒng)使用數(shù)據(jù)融合技術(shù)，并使用機(jī)器學(xué)習(xí)算法來融合互補(bǔ)信號(hào)。這種技術(shù)稱為混合腦機(jī)接口，如圖1所示［42］。

圖1 混合腦機(jī)接口（BCI）

任何混合式腦－機(jī)接口系統(tǒng)必須滿足4個(gè)主要標(biāo)準(zhǔn)，即［42－43］：

（1）腦－機(jī)接口系統(tǒng)必須使用腦信號(hào)；

（2）用戶應(yīng)能夠有意地控制其中一個(gè)腦信號(hào)；

（3）腦－機(jī)接口系統(tǒng)應(yīng)對(duì)信號(hào)進(jìn)行實(shí)時(shí)處理；

（4）必須向用戶提供腦－機(jī)接口輸出的反饋。

通常，混合腦機(jī)接口使用的信號(hào)組合包括肌電圖［44］（EMG）＋腦電圖（EEG）、事件相關(guān)去同步（ERD）與穩(wěn)態(tài)視覺誘發(fā)電位（SSVEP）、近紅外光譜（NIRS）與EEG、ERD與P300等的組合［45－46］。表1所示為上面討論的主要信號(hào)和方法的說明［47－49］。

表1 用于記錄特征的各種方法的比較分析

2.3 分類算法

在腦－機(jī)接口系統(tǒng)中，分類器的一個(gè)主要要求是在分類精度方面確保良好的性能［50］。例如用BCI控制輪椅的患者來做例子?，F(xiàn)在，假設(shè)他們有控制BCI輪椅的設(shè)施，可以根據(jù)他們的想法左右、前后或向后移動(dòng)輪椅。因此，當(dāng)他們認(rèn)為輪椅應(yīng)向左移動(dòng)的時(shí)候，BCI系統(tǒng)應(yīng)該適當(dāng)處理大腦的信號(hào)，并且必須把動(dòng)作分類為“向左移動(dòng)的”。該分類算法有多個(gè)特點(diǎn)（例如，大腦信號(hào)）用于輸入和區(qū)分不同的類別（如，在這個(gè)示例中所提供的左右、后兩個(gè)類別）。在執(zhí)行這項(xiàng)任務(wù)時(shí)，重要的是仔細(xì)選擇特征，以便分類算法能夠顯著地區(qū)分多個(gè)類別［51］。作為一種輸入類型的BCI系統(tǒng)，用于控制類人機(jī)器人，其輸入有時(shí)間特征和頻率特征這兩個(gè)類型。時(shí)間特征表示信號(hào)隨時(shí)間變化產(chǎn)生的幅度，頻率特征表示信號(hào)的頻譜功率譜。通常，基于P300的BCI使用時(shí)間特征，而基于ERD和SSVEP的BCI使用頻率特征。

不同的分類器用于將從腦信號(hào)中提取的特征翻譯成控制命令［52－55］。這些分類器從簡(jiǎn)單的線性分類器再到復(fù)雜的非線性都不同。一些常用的分類器有線性判別分析（LDA）、支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）和統(tǒng)計(jì)分類器［56］。下面將對(duì)這些分類方法進(jìn)行詳細(xì)的分析討論。

（1）線性判別分析（LDA）

LDA是一種線性分類器。使用LDA的主要優(yōu)點(diǎn)如下［57］。

①LDA的計(jì)算復(fù)雜度較小，從而減少了分類所需的時(shí)間。當(dāng)在稍后討論的在線會(huì)話中使用該算法時(shí)，這是很有用的。

②LDA是一種易于使用和可視化的分類器。在處理非線性腦電圖數(shù)據(jù)時(shí)，線性可能是一個(gè)限制。另一方面，更簡(jiǎn)單的技術(shù)，如LDA，在訓(xùn)練數(shù)據(jù)集較小的情況下是合適的。LDA被用于許多由腦－機(jī)接口控制的類人應(yīng)用程序中進(jìn)行分類。LDA的典型決策邊界如圖2（a）所示，對(duì)于LDA，決策邊界是單連通的和凸的。圖中表示了3類分類，其中區(qū)域的顏色表示被預(yù)測(cè)的類。

圖2 不同分類器的決策邊界

（2）人工神經(jīng)網(wǎng)絡(luò)（ANN）

人工神經(jīng)網(wǎng)絡(luò)是一種非線性分類器。分類器的靈感來自于大腦的神經(jīng)元結(jié)構(gòu)。它用于逼近非線性函數(shù)［58－59］。使用人工神經(jīng)網(wǎng)絡(luò)通常是計(jì)算密集型的，需要配置許多參數(shù)，與LDA相比，它的用法更復(fù)雜，生成輸出所需的計(jì)算時(shí)間也更長(zhǎng)。然而，人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的適應(yīng)性，可以應(yīng)用于各種各樣的用例。不幸的是，人工神經(jīng)網(wǎng)絡(luò)容易過度擬合，因此參數(shù)／結(jié)構(gòu)的選擇和規(guī)則化需要仔細(xì)地進(jìn)行。ANN的判決邊界如圖2（b）所示，從圖中可以看出函數(shù)的非線性。該圖顯示了兩類，一類用紅色表示，另一類用藍(lán)色表示，這兩種顏色已經(jīng)用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了分類。

（3）支持向量機(jī)（SVM）

支持向量機(jī)也是一種非線性分類器。但是，在使用SVM時(shí)，不需要設(shè)置配置。它在訓(xùn)練數(shù)據(jù)較少的情況下很有用。在大多數(shù)情況下，它更好地概括了這一點(diǎn)。這使得它的使用對(duì)于BCI系統(tǒng)是有利的，因?yàn)橐坏┯?xùn)練好分類器，就可以對(duì)多個(gè)會(huì)話的大腦信號(hào)進(jìn)行分類。即使對(duì)于單個(gè)用戶，在多個(gè)會(huì)話期間生成的特征也可能不同。因此，對(duì)過擬合不太敏感的模型可能表現(xiàn)得更好［57－60］。支持向量機(jī)在處理高維數(shù)據(jù)時(shí)表現(xiàn)也很好。然而，支持向量機(jī)有時(shí)比其他分類器速度慢，這在處理大數(shù)據(jù)時(shí)成為一個(gè)問題。圖2（c）所示為類之間具有最大邊際的決策邊界。

（4）統(tǒng)計(jì)分類器

這些分類器［61］基于每個(gè)新實(shí)例的輸入特征，使用后驗(yàn)概率來選擇概率最高的類別。這種類型的分類器利用先驗(yàn)知識(shí)對(duì)實(shí)例進(jìn)行分類。這些分類器在不確定性的情況下也表現(xiàn)得很好，這在處理大腦信號(hào)時(shí)是可以預(yù)期的。信號(hào)的不確定性可能是由疲勞或?qū)W習(xí)效應(yīng)引起的。表2所示為BCI中應(yīng)用的典型分類器。

表2 分類算法比較

2.4 應(yīng)用系統(tǒng)研究

目前，腦控系統(tǒng)研究多在實(shí)驗(yàn)室和現(xiàn)場(chǎng)研究中，而實(shí)際應(yīng)用系統(tǒng)則較少。然而，與最初的研究相比，許多基于BCI的大腦控制系統(tǒng)實(shí)現(xiàn)了在線的實(shí)時(shí)控制和回饋，并且一些應(yīng)用系統(tǒng)已經(jīng)開始發(fā)布。從應(yīng)用角度看，它可分為兩大類：醫(yī)學(xué)和非醫(yī)學(xué)。在醫(yī)療領(lǐng)域，它主要幫助正常思考和身體障礙的患者外部設(shè)備進(jìn)行外部交流和控制，如基于BCI的智能輪椅、神經(jīng)假肢、虛擬打字和操作機(jī)器人等等。BCI在非醫(yī)學(xué)領(lǐng)域中已被應(yīng)用到操作人員的功能狀態(tài)監(jiān)測(cè)、游戲娛樂、智能家庭等領(lǐng)域中。其中，游戲娛樂是一種成功的應(yīng)用方式。利用BCI技術(shù)，人們可以通過對(duì)鼠標(biāo)、鍵盤或操作桿進(jìn)行思想控制來完成視頻游戲，也可以玩機(jī)器人足球。

從實(shí)際角度看，目前的腦－機(jī)接口技術(shù)還存在許多問題。在腦電信號(hào)模式和控制信號(hào)轉(zhuǎn)換算法方面，除了上述問題外，還需要重點(diǎn)解決以下幾個(gè)問題［62］。

（1）腦電信號(hào)的更新設(shè)備。BCI研究的第一個(gè)問題就是穩(wěn)定地獲取有效信號(hào)，以確定系統(tǒng)是否能夠準(zhǔn)確地、快速地運(yùn)行，這是BCI研究的關(guān)鍵。通過改進(jìn)傳感器、放大器等硬件采集設(shè)備，在采集過程中有效抑制非腦信號(hào)，從而解決因頭皮、顱骨等影響而引起的腦電信號(hào)弱化、干擾等問題，提高了腦電信號(hào)的質(zhì)量。另外，設(shè)備易用和便攜性也需要不斷提升。一些企業(yè)生產(chǎn)便攜腦電圖捕捉裝置。這些攜帶設(shè)備雖然還沒有完成，但它們是BCI應(yīng)用中的一個(gè)重要步驟。

（2）大腦控制系統(tǒng)的安全。腦控系統(tǒng)是人機(jī)一體化高度的系統(tǒng)，其安全性是首要考慮因素之一。近年來，為了考慮安全，一項(xiàng)研究提出了“腦開關(guān)”：在實(shí)際的腦控系統(tǒng)中，為了避免非任務(wù)狀態(tài)下產(chǎn)生任務(wù)指令，腦機(jī)接口系統(tǒng)切換，也稱腦開關(guān)，是必要的。在基于計(jì)算機(jī)信號(hào)的輪椅控制系統(tǒng)中，對(duì)假肢的操縱在實(shí)際運(yùn)作中的控制系統(tǒng)指令錯(cuò)誤會(huì)使用戶陷入危險(xiǎn)，也可能造成許多不必要的麻煩，而這一系統(tǒng)主要應(yīng)用對(duì)象是無法正?；顒?dòng)的殘疾人，他們經(jīng)常很難打開具體操作按鈕來控制系統(tǒng)。如何尋找安全、可靠的腦開關(guān)信號(hào)，也是大腦控制系統(tǒng)應(yīng)用于實(shí)際運(yùn)行的一個(gè)值得研究的方向。

（3）對(duì)人腦控制系統(tǒng)人機(jī)的適應(yīng)性。一方面，有必要對(duì)BCI性能的問題進(jìn)一步研究；另一方面，應(yīng)進(jìn)一步檢查BCI系統(tǒng)用戶的情況。由于使用終端的人，人的狀態(tài)和感受也會(huì)對(duì)系統(tǒng)性能產(chǎn)生直接的影響，因此判斷腦機(jī)界面的范例和設(shè)置參數(shù)，必須考慮人的情況，因此設(shè)計(jì)出一個(gè)高用戶友好度的大腦界面控制系統(tǒng)，可以真正地為人類服務(wù)。

（4）BCI系統(tǒng)性能評(píng)價(jià)的統(tǒng)一標(biāo)準(zhǔn)。由于現(xiàn)有的研究基本上處于實(shí)驗(yàn)室階段，沒有一個(gè)統(tǒng)一的理論體系和規(guī)范，兼容性較差。目前，BCI主要從人機(jī)互動(dòng)評(píng)估方面，如信息傳遞速率，延遲和反應(yīng)時(shí)間，腦負(fù)荷和用戶的友好度等。從應(yīng)用產(chǎn)品的商品化角度來看，科學(xué)評(píng)估標(biāo)準(zhǔn)的進(jìn)一步完善與統(tǒng)一需要。

3 結(jié)束語

40多年來，腦控系統(tǒng)研究取得了快速的發(fā)展。在未來，作為多學(xué)科交叉研究的新興領(lǐng)域，腦控系統(tǒng)有著廣闊的發(fā)展前景，也面臨著一系列的嚴(yán)峻挑戰(zhàn)，目前主流消費(fèi)型腦機(jī)接口的研究以非侵入型腦電技術(shù)為主，盡管相對(duì)于侵入型技術(shù)更容易得到分辨率較高的分辨信號(hào)，但風(fēng)險(xiǎn)和成本仍然很高。然而，隨著大量人才和資本涌入，非侵入腦電技術(shù)的發(fā)展必然會(huì)向小型、便攜、可穿戴和簡(jiǎn)單的易用性方向邁進(jìn)。

而對(duì)于非侵入性大腦機(jī)器的接口技術(shù)來說，在未來，如果能夠解決了由于人體的各種排異生理反應(yīng)和人類顱骨細(xì)胞對(duì)外環(huán)境傳遞信息的巨大減損，再加之對(duì)人類大腦內(nèi)部神經(jīng)元的深入科學(xué)研究，將會(huì)更有望對(duì)目前人類整體思維力和意識(shí)狀態(tài)進(jìn)行實(shí)時(shí)地準(zhǔn)確認(rèn)識(shí)。這一點(diǎn)可以有助于人類計(jì)算機(jī)更好地深入了解使用人腦的一些大腦生理活動(dòng)及其特性，并可以指導(dǎo)人類計(jì)算機(jī)更好地學(xué)習(xí)模仿使用人腦；另一方面，可以幫助使人類計(jì)算機(jī)更好地與其他人相互工作。

總的說來，目前腦機(jī)接口技術(shù)仍然只能對(duì)計(jì)算機(jī)信號(hào)進(jìn)行讀取轉(zhuǎn)換，從而對(duì)計(jì)算機(jī)／機(jī)器人進(jìn)行簡(jiǎn)單的控制。要想達(dá)到更為復(fù)雜、精細(xì)的交互與功能，實(shí)現(xiàn)“想即得”，甚至可以完美地將思想與計(jì)算機(jī)進(jìn)行對(duì)接，實(shí)現(xiàn)通過“下載”熟練掌握新的知識(shí)和新技術(shù)，而這還要走很長(zhǎng)的路。