1、16 机器人技术与应用 双月刊第4期0.引言目前全球老龄化趋势越来越严重，我国也面临同样问题。据权威部门预测，到2010年，中国60岁及以上老年人口将达到1.74亿，约占总人口的12.78%。其中，80岁以上老人将达到2132万，占老年人口总数的12.25%。全国老龄工作办公室提供的调查资料表明，60岁以上老年人在生命期内，平均有1/4左右时间处于肌体功能受损状态，需要不同程度的照料和护理。中国约有3250万老年人需要不同形式的长期护理，而我国目前为老年人提供服务的设施严重不足。同时，由于各种灾难和疾病造成的残障人士也逐年增加，这更加大了对服务设施的需求。目前许多发达国家采用服务机器人为老年人
2、与残疾人士提供服务，提高他们的生活质量。但是由于大多数服务机器人与人的交互方式都是通过声音、按钮等传统方式，很多老年人及残障人士部分或完全丧失了自主控制肌肉的能力，甚至吞咽、说话都困难，这些人控制此类服务机器人的难度非常大。如何使这部分人群重新恢复对外部世界的控制能力以及与外部世界交流的能力，帮助他们重新返回现代社会是目前研究的热点。上世纪70年代出现的脑机接口（Brain-Computer Interface, BCI）技术为该问题的解决提供了一个良好的可选择方案。脑机接口是人脑与计算机或其他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其他设备，而
3、不需要通过语言或肢体的动作，是一种全新的通信和控制方式。1本文主要介绍脑机接口系统的组成、研究现状、发展趋势和其中的关键技术。1.脑机接口系统的组成BCI系统一般都具备信号采集、信号分析和控制器三个功能模块（见图1）2。（1）信号采集：受试者头部戴一个电极帽，采集EEG（脑电图）信号，并传送给放大器，信号一般需要放大10000倍左右，经过预处理，包括信号的滤波和A/D转换，最后转化为数字信号存储于计算机中。（2）信号分析：利用独立向量分析（ICA）、傅立叶变换（FFT）、小波分析等方法，从经过预处理的EEG信号中提取与受试者意图相关的特定特征量（如频率变化、幅度变化等）。特征量提取后交给分类器
4、进行分类，分类器的输出即作为控制器的输入。（3）控制器：将已分类的信号转换为实际的动作，控制外部电子设备，如显示器上光标的移动、机械手的运动、轮椅的前进与后退、字母的输入等。有些BCI系统还设置了反馈环节，不仅能让受试者清楚自己的思维产生的控制结果，同时还能够帮助受试null 高诺 鲁守银 张运楚 姚庆梅山东建筑大学信息与电气工程学院摘 要 脑机接口（BCI）是在人脑和计算机或其他电子设备之间建立的一种直接的信息交流和控制通道，是一种不依赖于常规大脑信息输出通路的全新信息交流系统。BCI技术为目前服务机器人提供了一个可选择的人机交互方式。本文介绍BCI技术的组成及工作原理，论述近年来BCI的发
5、展现状，指出目前BCI研究存在的问题及未来发展趋势。关键词 脑机接口，脑电图，机器人专专 题题 报报 道 Special Reports栏目主持：艳 涛专业交流2008年7月30日 机器人技术与应用 17者根据这个结果来自主调整脑电信号，以达到预期目标。2.脑机接口的研究现状在过去的十几年中，脑机接口的研究群体迅速壮大。第一次和第二次脑机接口国际研讨会分别于1999和2002召开。第一次会议有来自六个国家的22个研究组参加，第二次会议有来自北美、欧洲和中国的38个研究组参加。目前，世界上已经有很多家实验室实现了真正意义上的脑机接口，下面我们分别加以介绍。2.1 视视 觉 诱诱诱发 发 电电位
6、位位位 （ Visual evoked poteenntials, VVEEP）视觉诱发电位是人眼经过“集中注视”活动诱发大脑视觉皮层神经的特定电活动在头皮电位的反映3-4。基于VEP的BCI系统依赖于使用者控制眼睛注视方向的能力。实验通过对操作者进行生物反馈训练，可获得稳定的视觉诱发响应（Steadystate VEP，SSVEP）。Middendorf等开发了基于VEP的BCI系统，他们在屏幕上设置了几个以不同频率闪烁的按钮，使用者注视其中的一个按钮，系统分析VEP的频率，如果匹配于某个按钮闪烁的频率，就可确定使用者希望选择的按钮。他们还利用SSVEP控制飞机模拟器，其准确率高达965。在
7、我国，清华大学程明、高上凯教授带领的团队设计了基于SSVEP的环境控制系统，测试结果显示该系统能区分至少48个目标，并且已成功实现了对周围电子设备的控制6。此外，他们还设计了基于SSVEP的电话拨号实验系统7，如图2（a）、（b）所示。此类BCI特点是：仅需很少的信号记录电极，且训练周期很短，只需适应视觉刺激信号8。2 2 事事件 件 相相 关 电电位 位位位 P300P300是一种事件相关电位（ERP），出现在事件发生后300ms左右，呈正向峰值。它反映了大脑对稀少事件的认知，相关事件出现概率越小，所引起的P300越显著。Farwell和Donchin在1988年就利用P300设计虚拟打字机
8、9，后来经过不断改进，当满足80的准确率时，通信速度达到每分钟7.8个字符10。Serby等设计的BCI采用了不同的信号处理方法也达到了92.1的准确率（通信速度为每分钟5.45个字符）11。使用者无需训练就可以产生P300，但它也可能随着事件发生变化。目前研制的BCI都是短期操作的，如果长时间操作的话，使用者会由于对小概率刺激的适应使产生的P300变得不显著而影响BCI的性能。因而，对于这类BCI而言具有自适应调节能力是非常重要的。2.3 慢慢皮 皮 层层 电 位位 （ Slow Cortical potentials, SCPs）慢皮层电位是头皮记录EEG信号中频率最低的，其持续时间从几百
9、毫秒到几十秒，是具有较大正负电位差异的低频脑电信号。健康人以及严重瘫痪病人通过生物反馈训练学习能够学会控制他们的SCPs，其电位在期望方向上的变化能获得明显增强12。负的电位变化主要与神经元兴奋性的增加相关，而正的电位变化则与皮层活动减少相关13。研究者们设计了一种称为“思想翻译器”（Thought Translation Device, TTD）的装置，那些因为疾病而完全瘫痪的病人，通过操作TTD能写出相当长度的语句、控制开关、甚至上网14-15。对这类BCI来说，目前通信速度为有限的每分钟二到三个字，信息传输率最大能达到15bits/min16。2 4 心心心 理 作作业 业业业这是目前采
10、用最多的方法。人在进行不同的心理作业（mental task）时，脑电信 号是不同的。比 较容易区分的两种心理作业是想象左右运动和想象右手运动，它们会在对 侧的感觉运动皮层产生相关同步 事件17。奥地利Graz技术大学对这种现象进行了长期研究，利用该现象设计的脑机接口，分类正确率为80100，信息传输率可达17 bits/min18。图3为奥地利Graz技术大学研制的脑机接口系统，该系统利用大脑的心理作业信号帮助残疾人抓、握水杯等小物体。欧洲几个国家联合开展的自适应脑机接口计划，可以在线区分三种心理作业，正确率不低于7019。其他采用专专 题题 报报 道 Speciaal Reports栏目主
11、持：艳 涛18 机器人技术与应用 双月刊第4期类似方法的研究者还有：Cincotti20利用表面拉普拉斯方法和线性分类器区分想象运动，正确率为7595；Kostov21仅利用24个电极实现了二维光标控制；Penny22利用想象运动和心算数学题控制光标一维移动。目前，在离线情况下可区分五种心理作业，而在线情况下只能区分三种。2 5 自自发 发 EEG的的 波 、m muu节节 律律和 和和 节节 律律律律信 信 号号波频率为813Hz是自发脑电信号主要成分之一，在几乎所有正常人清醒闭眼时都能出现，在枕区最强。当睁眼、思考问题或受其他刺激时，波消失，这一现象称为波阻断，人们重新闭眼时，波又会重新出
12、现。mu节律出现在812Hz频率段，在感觉运动皮层区可检测到，它与人的运动行为相关。当人们进行运动或准备运动时，mu节律消失。节律的频率为1330Hz，在睁眼视物或进行思考时可出现，反映了大脑皮层在兴奋。利用波幅值变化可设计控制外部设备开关的BCI系统，该系统的一大优点就是无需学习训练。科学家们研究的基于mu节律或节律的BCI实现了指针在一维和二维方向上的移动23。另外，通过调控mu节律或节律，选择“YES”和“NO”来回答简单问题，准确率达到了95。3.脑机接口所面临的挑战经过多年的努力，BCI的研究取得了不少令人欣慰的成果，但不可否认的是尚处于发展的初期。目前BCI系统所能达到的最大通信速
13、率约为25bits/min，大多数BCI仍然处于实验室阶段，大部分测试在正常人中进行，在残疾人中测试较少。BCI要进入实际应用阶段，还有很多问题等待解决24，如：（1）提高BCI系统的信息传输率，降低误差率；（2）如何更有效地剔除噪声，获取清晰的脑电信号，寻求有效的信号特征、最优的特征提取和转换算法；（3）提高用户使用时的自动化程度；（4）设计出更为合理的学习训练方法，让使用者在尽可能短的时间内最有效地控制其脑电信号特征；（5）降低BCI对常规运动和感觉输出通道的依赖程度；（6）增强使用者与BCI系统的相互适应性；（7）BCI的开发要注重个性化、多样化，以满足使用者个体的差异和BCI应用广泛性
14、的要求；（8）减少电极的数量，降低使用的复杂程度，增强BCI系统的稳定性和兼容性；（9）制定出科学的规范，准确客观地评估BCI的性能。随着对这些问题的充分认识和逐步解决，BCI最终将走出实验室，进入人们的生活。4.脑机接口机器人的应用前景脑机接口研究最初的想法是为残疾人提供一个与外界进行交流的通信方式，让他们通过这样的系统用自己的思维操控轮椅、假肢等。但随着脑机接口技术的日益成熟、社会对智能机器人的需求逐渐增加，脑机接口机器人的概念应运而生。脑机接口机器人采用BCI进行人机交互，由人的思维控制机器人从事各种工作。脑机接口机器人不仅在残疾人康复、老年人护理方面具有显著的优势，而且在军事、人工智能
15、、娱乐等方面也具有广阔的应用前景24。4 1 在在医 医 学学学方 方 面面的 的的 应应 用在医学领域，脑机接口机器人可以帮助肢体障碍患者提高他们的生活质量，如：（1）与周围环境进行交流：BCI机器人可以帮助残疾人使用电脑、拨打电话等；（2）控制周围环境：BCI机器人可以帮助残疾人或老年人控制轮椅、家庭电器开关等；（3）运动康复：BCI康复机器人可以帮助残疾人或失去运动能力的老年人进行主动康复训练，BCI护理机器人可以从事基本护理工作，提高残疾人或老年人的生活质量。4 2 在在其 其 他他他方 方 面面的 的的 应应 用虽然目前BCI机器人的研究主要应用于医学领域，特别是为残疾人与老年人提供
16、帮助，但是BCI机器人的用途决不仅仅限于医学领域，在其他诸多领域都可以得到广泛应用。（1）特殊环境作业：BCI特种机器人可以在危险或不适宜人工操作的环境中工作；（2）无人驾驶汽车或飞机：BCI机器人可以帮助我们实现无人驾驶汽车与飞机的梦想，这不仅在军事领域意义巨大，同时为残疾人开辟了更广阔的活动空间；图3 奥地利Graz技术大学研制的脑机接口系统专专专题 题 报报 道 Speciaal Reports栏目主持：艳 涛2008年7月30日 机器人技术与应用 19（3）为电子游戏增加娱乐功能：用“思想”控制电子游戏是传统鼠标、键盘控制电子游戏的有益补充，会增加游戏的娱乐效应。脑机接口机器人是智能机
17、器人的有力补充，有效的人机交互方式会提高智能机器人的智能化与灵活性，因此脑机接口机器人的研究潜力和应用潜力十分巨大。5.结论BCI为人们提供了全新的与外界进行交流和控制的方式，人们可以不通过语言和动作来交流，而是直接用脑电信号来表达思想、控制设备，这为智能机器人的发展提供了一个更为灵活的信息交流方式。至今，大多数BCI系统仍然处于实验室研究阶段，真正投入实际使用的很少，BCI的研究和开发还有很多问题需要解决。但是，我们相信，随着计算机科学、神经生物学、数学、智能控制等各个相关学科的不断发展与融合，随着世界各研究小组交流和合作的日益紧密，BCI技术将日趋成熟。形式多样、稳定、可靠、高速、操作简便
18、的BCI机器人一定能在不久的将来进入人们的生活。参考文献1张莉，何传红，何为.脑机接口的研究现状与挑战.现代科学仪器，2007（2）：2326.2高上凯，张志广，高小榕，洪波，杨福生.基于脑机接口技术的新型医疗器械.中国医疗器械杂志，2006，30（2）：7982.3程明.基于脑电信号的脑计算机接口的研究D，2004.4SutterE E.The brain response interface:Communication through visually-induced electrical brain response Micro-compute App, 1992,15:31-45.5M
19、iddendorf M, MdMillan G,et al.Brain-Computer interface based on steady-state visual evoked responace.IEEE Transactions on Rehabilitation Engineering, 2000,8(2):211-213.6Gao Xiaorong, Xu Dingfeng, et al. A BCI-based environmental controller for the motion disabled. IEEE Transactions on Neural System
20、Engineering, 2003, 11(2):137-140.7Cheng Ming,Gao Xiaorong,et al.Design and implementation of a brain computer interface with high transfer rates. IEEE Transactions on Biomedical Engineering,2002,49(10):1181-1186.8杨坤德等.脑计算机接口技术的研究进展.生物医学工程学杂志，2004，21（6）：10241027.9Farwell La, Donchin E. Talking off th
21、e top of your head: A mental prosthesis utilizing event-related brain potentials. Electroenceph. Clin. Neurophysiol, 1988, 70(6):510-523.10Donchin E, Spencer K M, Wijesinche R.The mental prosthesis：Assessing the speed of a P300 based brain-computer interface.IEEE Transactions on Rehabilitation Engin
22、eering, 2000,8(2):174-179.11Hilit Serby, Elad Yom-Tov, et al. An Improved P300-based Brain Computer Interface. IEEE Transactions on Neural System Engineering, 2005,13(1):89-98.12Hinterberger T, Schmidt S, et al. Brain-Computer Communication and Slow Cortical Potentials. IEEE Transactions on Biomedic
23、al Engineering, 2004,51(6):1011-1018.13Hinterberger T,Hill J,Birbaumer N.An auditory Brain-Computer communication device. IEEE International workshop on Biomedical circuits & Systems, Dec 1-3, 2004:15-18.14Birbaumer N, Flor H, et al. A spelling device for the paralysed. Nature, 1999, 398:297-298.15N
24、eumann N, Kubler A et al. Conscious perception of brain states: Mental strategies for brain-computer communication. Neuropsychologia, 2003,41:1028-1036.16 Hinterberger T, Weiskopf N, et al.An EEG-driven Brain-Computer interface combined with functional magnetic resonance imaging (fMRI).IEEE Transact
25、ions on Biomedical Engineering, 2004, 51(6):971-974.17 Neuper C, Schlogl A ,Pfurtscheller G. Enhancement of left-right sensorimotor EEG differences during feedback-regulated motor imagery.Journal of Clinical Neurophysiology, 1999, 16:373-382.18Pfurscheller G, Neuper C, Guger C, et al.Current trends
26、in Graz Brain-computer interface(BCI) research. IEEE Transactions on Rehabilitation Engineering，2000, 8:216-219.19Millan J R , Mourino J. Asynchronous BCI and local neural classifier: an overview of the adaptive brain interface project. IEEE Transactions on Neural System Engineering, 2003,11:159-161
27、.20 Cincotti F, Mattia D, Babilloni C,et al. The use of EEG modifications due to motor imagery for brain-computer interface.IEEE Transactions on Neural System Engineering, 2003,11:131-133.21Kostov A,Polak M.Parallel man-machine training in development of EEG-based cursor control.IEEE Transactions on
28、 Rehabilitation Engineering,2000, 8:203-205.22Penny W D,Roberts S J,Curran E A,et al.EEG-based Communication: A Pattern Recognition Approach.IEEE Transactions on Rehabilitation Engineering,2000, 8:214-215.23Fabiani G E, McFarland D J, et al. Conversion of EEG activity into cursor movement by a brain-computer interface(BCI).IEEE Transactions on Neural System Engineering,2004, 12(3):331-338.24高上凯.无创高通信速率的实时脑机接口系统.中国基础科学，2007（3）：2526。专专 题题 报报 道 Speciaal Reports栏目主持：艳 涛
