今天，如果我们想要看电视，我们需要用手控制遥控器；我们想操纵电脑，也必须使用双手。然而，也许有一天，我们可以改变这一切，因为在不远的将来，人类与机器可以直接对话，不需通过肢体，只需要思维。这是在做梦吗？不，这是一项新技术—“脑机接口”。
脑机接口（Brain-computer Interface，以下简称BCI），是近年来发展起来的一种人机接口，它不依赖于大脑的正常输出通路（即外围神经和肌肉组织），就可以实现人脑与外界（计算机或其它外部装置）直接通信的系统。广义上讲，这种通信也可以是双向的，一方面外界的信息（声音、需要记忆的内容等）可以直接传入大脑，比如电子耳蜗、大脑记忆芯片等；另一方面大脑可以直接控制外界环境，本文介绍的是后者。
BCI技术的出现，使得用大脑信号直接控制外界环境的想法成为可能。要想实现BCI，有三个必要条件：第一，必须有一种能够可靠反映大脑思维的信号；第二，这种信号能够被实时且快速的收集；第三，这种信号有明确的分类。目前可用于BCI 的人脑信号有：EEG（脑电图），EMG（脑磁图）和fMRI（功能性核磁共振图象）等。目前大多数BCI研究机构采用的大脑信号是EEG。
人类的每一闪思维，每一种情绪，每一个想法，在大脑中都会产生特定的EEG信号，这种信号由千百万个神经元共同产生，并在大脑内传播。不同思维情况下产生的神经电活动信号表现出不同的时空变化模式，会导致 EEG信号的不同，将检测到的EEG信号传送给计算机或相关装置，经过有效的信号处理与模式识别后，计算机就能识别出使用者的思维状态，并完成所希望的控制行为，比如移动光标、开门、打字和开机等。
一、基本原理
1.1 BCI系统的基本结构
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。
（1）信号采集：受试者头部戴上一个电极帽，采集EEG信号，并传送给放大器，信号一般需放大10000倍左右，经过预处理，包括信号的的滤波和
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ICA、PCA、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，如在显示器上的光标移动、机械手运动、字母输入、控制轮椅、开电视等。
有些BCI系统还设置了反馈环节（如图1中所示），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者根据这个结果来自主调整脑电信号，以达到预期目标。
BCI系统基本结构
1.2 BCI分类
BCI系统没有固定模式，有多种分类方式：
（1）按照信号获取的方式不同可分为有创伤系统和无创伤系统两种。有创伤系统需要将电极放置于大脑内部，采集大脑内部的电信号，此法更精确，但有一定创伤风险；目前绝大多数BCI系统为无创伤系统，毋需动手术，只需在受试者头上戴上电极帽以记录EEG信号，没有创伤风险。
（2）按照信号控制的方式不同可分为同步系统和异步系统。同步系统要求受试者必须在特定的时间产生特定的思维意识，这样便于信号分析，目前大多数BCI系统属于同步系统,一般用于初始阶段；异步BCI系统则不限定受试者何时产生特定的思维意识，系统自动判定并完成相应的控制，受试者可以随心所欲通过思维来完成对外界的控制。真正实用的BCI系统是异步系统。
（3）根据信号处理的实时性可分为在线系统和离线系统。在线BCI
系统中，信号采样、处理、分析和控制都是实时实现的，同时给受试者反馈,大多数BCI系统是在线系统；离线BCI系统实时记录EEG数据，离线分析这些数据，一般来说离线BCI系统只用来评估测试和抽取特征量。
（4）根据所采用的脑电信号的不同可分为基于P300的BCI、基于慢皮层电位（SCP）的BCI、基于视觉诱发电位（VEP）的BCI、基于事件相关电位（ERP）的BCI等。
目前的BCI系统大多是在线的、同步的和无创伤系统。
二、方法
2.1 EEG 信号采样及存储
（1）电极
目前多数采用按照国际10~20 系统设定好电极位置的电极帽来提取EEG信号。
（2）电极数目的确定和位置的选择
在BCI 研究中，需要确定测量EEG 信号的电极的数目。较多的电极数目，在提高EEG信号定位的准确性的同时增加了处理的复杂度，建议使用尽可能少的电极。电极位置的选择取决于BCI系统本身的要求及与EEG信号特征变化相
关的脑区。
（3）预处理
信号采集过程中，会夹杂干扰，常见的有市电干扰、眼动干扰、声音干扰等，必须通过某种方式减弱或除去干扰，同时保证原有信号成分特征不被改变。
（4）存储
通过电极帽采集的信号是模拟信号，在输入到计算机处理之前，必须通过A/D板将其转化为数字信号，以便存储在计算机内进一步分析处理。
2.2 BCI 研究中采用EEG信号的类型
（1）P300
P300 是一种事件相关电位，其峰值大约出现在事件发生后300毫秒，相关事件发生的概率越小，所引起的P300越显著。
（2）视觉诱发电位
视觉器官受到光或图形刺激后，在大脑特定部位所记录的EEG电位变化，称之为视觉诱发电位（VEP）。
（3）事件相关同步或去同步电位
单边的肢体运动或想象运动,对侧脑区产生事件相关去同步电位（ERD）,同侧脑区产生事件相关同步电位（ERS）。
（4）皮层慢电位
皮层慢电位（SCP）是皮层电位的变化，持续时间为几百毫秒到几秒，实验者通过反馈训练学习，可以自主控制SCP 幅度产生正向或负向偏移。
（5）自发脑电信号
在不同的意识状态下，人们脑电中的不同节律呈现出各异的活动状态。按照所在频段的不同分类，一般采用希腊字母（α、β、γ、δ、θ）来表示不同的自发EEG 信号节律。比如α节律在8-13Hz频段，而β节律则在13-22Hz 频段。
采用以上几种脑电信号作为BCI输入信号，具有各自的特点和局限。P300和VEP 都属于诱发电位，不需要进行训练，其信号检测和处理方法较简单且正确率较高，不足之处是需要额外的刺激装置提供刺激，并且依赖于人的某种知觉（如视觉）。其它几类信号的优点是可以不依赖外部刺激就可产生，但需要大量的特殊训练。
BCI所使用的EEG信号
2.3 训练
时至今日，大多数BCI研究主要集中于技术层面的研究，即如何更好地采集、处理和分类EEG信号。然而，EEG信号的产生者是人，而不是机器，他（她）的一举一动都可能会对实验产生影响。因此，BCI实验中对受试者的训练也是值得关注的。
如何对受试者进行训练呢？也就是说，我们用什么实验方案？不同的BCI系统采用不同的实验方案。一般来讲，方案几个阶段，每个阶段又分成若干小节，每一小节大概持续几分钟，每个方案可能会持续半个小时到几个小时。
某些BCI系统基于事件诱发电位的，如P300 或VEP，并不需要训练，受试者按照指示就能启动实验。通常，为了实验能够顺利开展，在初次实验前，对受试者都要进行训练，只是时间长短而已。训练的时间和过程因BCI 系统和受试者而异。
在某些BCI系统中，用户必须了解如何自主调节自身的EEG信号幅度，这时训练是必不可少的，而且训练时间可能会很长；在基于模式识别的BCI系统中，训练侧重于获得相应的参数；在基于操作条件方法的BCI系统中，可能需要受试者反复训练，可能长达数月才能达到预计的效果。
Neuroscan脑电系统
2.4 反馈
大多数BCI系统是需要反馈的，最常见的反馈形式是光标控制，受试者把光标移到指定目标位置，只能使用上/下或左/右两组命令。一开始，光标在屏幕中央，每一节以光标碰到目标位置或相反位置为结束。当碰到目标位置，光标会闪烁，说明成功；这种反馈能够加强受试者用意念操作光标的信心。光标控制提供的反馈是持续性反馈，受试者能够亲眼看到自己意念驱动光标在移动，
如方向不对可以及时调整。
在BCI系统中，特别是基于操作条件的BCI系统中，反馈是必要的，受试者需要知道哪种意念能够移动光标朝哪个方向运动，反馈既有好处也有负面影响。
1、好处：
（1）激励持续性实验的动力。看不到结果的实验令人沮丧，不断看到自己能用意念操纵光标朝目的地移动无疑是一种巨大的激励。
（2）吸引受试者的注意力。不断有进展，会使受试者倍感兴趣，注意力不易分散。
（3）提供反馈给信号处理模块，增强系统的稳定性和准确性。
2、负面影响
（1）反馈可能会引起意念“不纯”。反馈会使受试者会产生实验以外的意念，从而使采集的EEG信号并不仅仅反映实验的内容。
（2）反馈的结果会对受试者EEG信号有影响。如光标移动中，正确的移动会使受试者加快移动速度；错误的移动会使受试者丧气，两者都会对EEG 信号产生影响。
（3）视觉刺激反馈可能会影响?节律。
Scan采集分析软件
2.5 算法
BCI的算法是指在信号处理阶段，能够将BCI 输入的信号转化为对实际装置进行控制的命令的一系列信号处理算法，也就是说，这些算法可以从当前使用者的脑电信号获得抽象的特征向量，并将这些向量转化为决定设备控制的命令。一般来讲，这些特征量是包含在特定的频率段内，如果某一特征量代表的思维状态过多，交叉过大，使用这一特征量就很难区分不同思维状态；反之，如果某一特征量能够严格区分不同思维状态，使用这一特征量就能具有很好的功效。总之，无论采用哪种算法，都以实现最优的性能及良好的实用性为目的。
下面简单介绍几种在信号处理阶段实际用到的算法：
（1）独立分量分析（ICA）
在脑机接口分析中的应用ICA 方法可从脑电信号中分离出各种不同的独立分量。在进行预处理之后，可以继而通过设计实验，如进行鼠标移动、手
的想象移动、开灯等，对脑电信号进行特征分析和提取，提取进行这些实验时的脑电信号特征，从中发现与之相对应的稳定的思维脑电独立分量模式，进而用于BCI信号的分类。
（2）小波变换
对信号进行小波分解，分析EEG信号的分布特点，选择EEG信号能量相对集中且能较好地反映信号主要特征的频带设计小波时频滤波器。小波变换能准确快速地提取出有明显特征的EEG信号，有利于提高脑机接口通信速度及正确率。
（3）遗传算法（Genetic Algorithm，GA）
用遗传算法对特征信号进行分类时，要从检测到的脑电信号中抽提出大量的特征信号，然后通过遗传算法去除伪特征信号，保留有用的特征信号作为驱动信号。这种算法的特点是要对特征信号进行大量的分析运算，从中找到各种特征参数，然后从中挑取最优的部分，算法的运算量较大。
还有其他很多算法，如人工神经网络、贝叶斯-卡尔曼滤波、线性判别分析等，在此就不一一阐述。
三、研究现状
正式研究BCI的时间至今不足20年，目前绝大部分BCI研究处于实验室研究阶段，尚无大规模商业应用。1999年和2002年两次BCI国际会议的召开以及2006年即将召开的第三届BCI国际会议，为BCI的发展推波助澜。下面是一些国际上BCI研究有影响的实验室：
1、奥地利Graz理工大学
Pfurtscheller等人采用事件相关同步/去同步 (ERS/ERD) 电位作为BCI信号输入。在这套系统中，受试者可以控制光标的移动。
2、美国Wadsworth中心
Wolpaw等人训练受试者自由调节自身?节律，并通过?节律的变化来实现光标移动、字母拼写和假肢控制等功能。由于灵活控制自身?节律变化比较困难，所以并不是每个受试者都能学会使用这套装置。
3、德国Tübingen大学
Birbaumer等人设计了一个名为思想翻译器（Thought Translation Device，TTD）的装置，通过慢皮层电位（SCP）的变化来实现对外界的控制，使用视觉反馈，实现了字母拼写等功能。
4、美国伊利若斯大学
Farwell和Donchin采用P300诱发电位作为BCI信号输入。在计算机显示屏上显示一个6?6包含36个字母的格子，使用者要求选择一个特定字母，每行和每列都在闪烁，频率为10Hz，计算对每行和每列闪烁的平均反应，测量P300幅值。对包含特定字母的行和列的反应幅度最大，根据这个特性就可以从P300诱发电位中“找到”特定字母。
5、美国Smith-Kettlewell视觉科学研究所
Sutter等人设计的脑反应接口以对视觉刺激反应中所产生的视觉诱
发电位（VEP）作为BCI信号输入，通过诱发电位选择计算机显示屏上某一特定部分，进而可以实现选择的功能。
6、我国清华大学
高上凯等人深入分析了稳态视觉诱发电位（SSVEP）的特征和提取方法，
设计了具有高传输速率的基于稳态视觉诱发电位的脑机接口系统，可用于残疾人的动作控制或环境设备控制等领域。
以上几种BCI系统间的比较。
不同BCI间的比较
其中速度值为平均速度，N/A表示没有数据报道或没有讨论。
四、存在的问题
BCI既是一门新兴的研究领域,作为一门交叉学科,涉及计算机科学、神经科学、心理认知科学、生物医学工程、数学、信号处理、临床医学、自动控制等多个领域。仍有大量的问题尚待解决，目前主要存在以下问题：
1、速度太慢。从整体性能上看，大多数信息传输率在20比特/分钟以下，对于一些实际应用还太慢。
2、稳定性不高。系统稳定性随研究方法、受试者和控制系统不同变化较大；缺乏自适应能力。
3、缺乏统一标准。目前尚无统一的BCI基础理论框架，兼容性较差。
4、实用性不强。目前的BCI系统大多都是在特定的实验室环境下设计，真正在日常生活环境下的应用极少； BCI装置的制作费用一般都很昂贵；这些都使得BCI系统的实际应用受到限制。
5、采样信号缺乏具体意义。很难把脑电信号类型与心理意识活动直接联系起来。
6、没有统一信号处理方法。信号处理方法是目前BCI研究的重点,由于百家争鸣也造成目前研究方法的多样性，特征提取方法和分类方法没有统一的标准，没有任何一种信号处理方法能够为所有BCI研究者所采纳。
7、反馈的必需性。要不要反馈？如何反馈？目前仍有争议。一方面，反馈提高了系统的准确性和稳定性,同时，另一方面，反馈也给整个系统带来额外的负荷，可能会降低信息传输率，同时也给受试者带来操作上的困难。
8、训练的必要性。目前对要不要训练及采取何种训练尚有不同观点.
有些BCI系统还需要较长时间的训练过程，需要受试者掌握改变自身脑电变化的技巧，需要耗费大量的时间和精力，容易产生疲惫和反感。
9、难以持续性工作。目前大多数BCI系统都只是在特定范围内工作，
系统的连续工作能力受到了限制，受试者难以在实验中实时“观察”自己所有的意识。
10、个体差异造成很大影响。由于每个人的思维方式、行为习惯等都不完全一样，需要针对每一类人设计不同的实验参数和训练方法。即使是同一个人,由于他（她）的注意力、身体状况、心理状况、情绪态度、操作适用性、目的性等的改变，也可能会改变实验参数，造成已设计好的BCI装置可能无法继续使用。
五、应用前景
由于BCI系统可以不依赖于外部肌肉和神经就可以实现人机交互，因此有着极为广阔的应用前景。目前，BCI的应用主要集中于医学领域、人工智能的实现以及提供新型的娱乐方式。
5.1 在医学方面的应用
在医学领域中，BCI 可以帮助肢体障碍患者提高他们的生活质量。
1、实现简单的通信。通过BCI能够使用电脑浏览网页、拨打电话和模拟阅读等。
2、控制周围环境。通过BCI可以控制轮椅、开门、开灯等。
3、运动康复。通过BCI 控制康复机器人的方法，辅助伤残人士进行运动功能重建和生活自理。
4、治疗。BCI 技术可以为将来治疗技术的发展起到推动作用，如利用深层大脑激励来治疗帕金森病。
5.2 在医学以外的其它方面的应用
虽然目前BCI 系统主要应用于医学领域，特别是为残疾人提供帮助，但是BCI的用途决不仅仅限于在医学领域中应用，在其它诸多领域都可以得到广泛的应用。
1、特殊环境作业。例如，宇航员可以应用BCI监控远距离的仪器设备；控制机器人在危险或不适宜人工操作的环境中工作。
2、BCI可以为电子游戏提供附加控制。当前流行的电子游戏是要操作者靠鼠标、键盘或操纵杆来进行操作的，如果能够实现靠“思想”就能完成控制的电子游戏，一定会吸引更多的游戏爱好者。
3、在艺术领域中，可使用BCI来进行创新。例如，生物收音机、人脑化音乐设备等。
4、生物身份识别。由于EEG信号有特异性，在此基础上可实现一种交互式、主动型的人体身份验证系统。
从理论上讲，只要有神经电参与并可分类的通信系统，都可以应用BCI 技术。
总结
在过去的十几年中，BCI 的研究发展十分迅猛，目前的BCI 研究主要是为某些患者（一般指思维正常但有运动障碍的病人）提供一种与外界交流的手段或控制外界的方式以及协助其康复.随着对人脑结构与功能认识的愈加清晰，提取脑电信号技术手段的提高，以及高效率、低成本的计算机的出现,BCI 研究人员将研究出“更快、更准、更易”的BCI技术。当然，在BCI的发展中仍存在着诸多挑战。比如，目前尚无一个BCI 系统可以做到既精确又能实现快速控制；
还没有真正的商业化产品问世。
总之，BCI研究有着广阔的前景，不仅加强对人自身的认识，同时也将改变人类的生活方式。
脑机接口技术的研究综述 摘要 脑机接口( Brain- Computer Interface, BCI)是在大脑和计算机或其他电子设备之间建立的不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的一种全新通讯和控制技术。脑机接口作为当前神经工程领域中最活跃的研究方向之一，在生物医学、神经康复和智能机器人等领域具有重要的研究意义和巨大的应用潜力，近10年来，脑机接口技术得到了长足的进步和飞速的发展，应用领域也在逐渐扩大。本文概述了基于脑电信号( EEG )的BCI系统的组成和基本原理、涉及的关键技术和研究现状, 最后分析了脑-机接口技术目前存在的问题与应用前景。 关键词：脑机接口；脑电信号；特征提取；特征分类 一、引言 脑机接口是一种不依赖大脑外周神经与肌肉正常输出通道的控制系统，通过采集和分析人脑生物电信号，在人脑与计算机或其他电子设备间建立起直接交流和控制的通道，这样人就可以直接通过大脑来表达意愿或操纵设备，而不需要语言或肢体的动作[1-2]。研究和发展脑机接口技术可以帮助肌肉萎缩、脊髓损伤等神经肌肉方面的患者以及交流障碍者有效地完成对外界交流和控制[3]。 脑机接口技术形成于20世纪70年代，是一门涉及纳米技术、生物技术、信息技术、心理认知科学、计算机科学、生物医学工程和应用数学等多学科的交叉技术，20多年来，随着人们对神经系统功能认识的提高和计算机技术的发展，BCI 技术的研究呈明显的上升趋势，特别是1999年和2002年两次BCI国际会议的召开为BCI技术的发展指明了方向。目前,BCI技术已引起国际上众多学科科技工作者的普遍关注，成为生物医学工程、计算机技术、通信等领域一个新的研究热点。BCI技术的核心是把用户输入的脑电信号转换成输出控制信号或命令的转换算法。BCI研究工作中相当重要的部分就是调整人脑和BCI系统之间的相互适应关系，也就是寻找合适的信号处理与转换算法,使得神经电信号能够实时、快速、准确地通过BCI系统转换成可以被计算机识别的命令或操作信号。BCI技术的发展目前还存在着很多问题，有待于更多的科技工作者致力于深入的研究。为促进BCI 技术的发展，本文在查阅有关资料的基础上，对BCI的原理、结构做了较为详细的综述，并对其应用前景、存在的问题以及评价标准进行了探讨
脑机接口技术综述 标准化文件发布号：（9312-EUATWW-MWUB-WUNN-INNUL-DQQTY-
脑机接口技术的研究综述 摘要 脑机接口( Brain- Computer Interface, BCI)是在大脑和计算机或其他电子设备之间建立的不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的一种全新通讯和控制技术。脑机接口作为当前神经工程领域中最活跃的研究方向之一，在生物医学、神经康复和智能机器人等领域具有重要的研究意义和巨大的应用潜力，近10年来，脑机接口技术得到了长足的进步和飞速的发展，应用领域也在逐渐扩大。本文概述了基于脑电信号( EEG )的BCI系统的组成和基本原理、涉及的关键技术和研究现状, 最后分析了脑-机接口技术目前存在的问题与应用前景。 关键词：脑机接口；脑电信号；特征提取；特征分类 一、引言 脑机接口是一种不依赖大脑外周神经与肌肉正常输出通道的控制系统，通过采集和分析人脑生物电信号，在人脑与计算机或其他电子设备间建立起直接交流和控制的通道，这样人就可以直接通过大脑来表达意愿或操纵设备，而不需要语言或肢体的动作[1-2]。研究和发展脑机接口技术可以帮助肌肉萎缩、脊髓损伤等神经肌肉方面的患者以及交流障碍者有效地完成对外界交流和控制[3]。 脑机接口技术形成于20世纪70年代，是一门涉及纳米技术、生物技术、信息技术、心理认知科学、计算机科学、生物医学工程和应用数学等多学科的交叉技术，20多年来，随着人们对神经系统功能认识的提高和计算机技术的发展，BCI技术的研究呈明显的上升趋势，特别是1999年和2002年两次BCI国际会议的召开为BCI技术的发展指明了方向。目前,BCI技术已引起国际上众多学科科技工作者的普遍关注，成为生物医学工程、计算机技术、通信等领域一个新的研究热点。BCI技术的核心是把用户输入的脑电信号转换成输出控制信号或命令的转换算法。BCI研究工作中相当重要的部分就是调整人脑和BCI系统之间的相互适应关系，也就是寻找合适的信号处理与转换算法,使得神经电信号能够实时、快速、准确地通过BCI系统转换成可以被计算机识别的命令或操作信号。BCI技术的发展目前还存在着很多问题，有待于更多的科技工作者致力于深入的研究。为促进BCI技术的发展，本文在查阅有关资料的基础上，对BCI的原理、结构做了较为详细的综述，并对其应用前景、存在的问题以及评价标准进行了探讨。
网络与通信信息技术与信息化 26 2008年第6期 脑机接口技术研究概述 A R ev ie w of B ra i n-Co mputer Interface T echnology 朱文明* 高 诺** Z H U W en-m in g GAO N uo 摘 要 脑机接口(B rai n-Co m puter Interf ace,BC I)是在人脑和外界之间建立不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的一种通讯系统。本文概述了基于脑电信号(EEG)的BC I技术的基本原理、研 究方法、类型、研究现状,并分析了目前存在的问题与应用前景。 关键词 脑机接口 脑电信号 人机接口 Abstract Bra i n-Co m puter Inte rface(BC I)is a comm un i cati on syste m in wh i ch messages or comm ands that an i nd i v i dua l sends to the ex terna lwo rl d do no t pass through the brai n s no r m al outpu t path w ays(periphera l nerves and m usc l es).Th is pape r su mm ar ized the basi c pri nc i ple,researchm e t hods,class ifi cati on and status,the proble m s in current stud i es and the d irec tion for future i nvesti gation are ana lyzed. K ey word s B ra i n-co m pute r i n terface E l ec troencepha l og raph signa l s H u m an-compu ter i nterface 对严重神经或肌肉伤残患者来说 直接用大脑控制装置是不可能的 ,但是近年来随着脑科学、计算机科学、信号处理技术的飞速发展以及残疾患者的需求意识的不断提高,一项被称作脑机接口(B ra i n-Computer Interface,BC I)的技术正在逐步使得人类利用脑信号同计算机或其他装置进行通讯成为可能。脑机接口技术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作其他设备,而不需要通过语言或肢体的动作,是一种全新的通讯和控制方式[1-3]。这对肢体残缺的人来说有着极其重要的 *山东建筑大学现代教育技术中心 济南 250014 **山东建筑大学信息与电气工程学院 济南 250101意义。因此对于脑机接口的研究是近年来康复医学研究的一个热点。脑机接口技术是一门涉及神经学、心理认知科学、康复工程、生物医学工程和计算机科学等多学科的交叉技术。 要想实现脑机接口,有三个必要条件:第一,必须有一种能够可靠反应大脑思维的信号;第二,这种信号能够被实时且快速地收集;第三,这种信号有明确的分类[5,6]。目前可用于脑机接口的人脑信号有:EEG(脑电图)、E M G(脑磁图)和M f R I(功能性核磁共振图像)等。目前大多数BCI研究机构采用的大脑信号是EEG。 1 脑机接口系统的基本结构 BC I系统一般都具有信号采集、信号分析和控制器三个功能 工具去实现,常用的证书管理工具有O pen SSL、EJBCA、O pen C A 或其他商业版本的证书管理系统等。高等学校作为一个独立的实体,可以建立校园范围内的C A中心,管理高等学校内部应用中所需要的证书。参考HEPK I技术活动小组提出的 轻型校园PK I 基础设施框架 (简称PK I-L ite),建立一个既满足高校要求又便于实现的精简的PK I是十分必要的。 10 结论 中间件及核心中间件是在不断演进发展的,要建立高等学校统一的数据中心,核心中间件服务是一件极具挑战性的任务,一般认为在高等学校中部署中间件服务难度大于在企业中部署,需要同时从技术上和策略上着手,也更需要决策者和实施者有远见与耐心。在建立数据中心中间件服务之前,建立一套完整的核心中间件规范是非常重要的,在有明确的规范的指导下,完成建立核心中间件服务的工作会变得比较容易。 参考文献:[1] D ave C rane Er i c P ascare llo D arren Ja m es. A j ax i n A ction [M]北京:人民邮电出版社,2006年4月. [2] STRU TS W EB设计与开发大全[M].北京:清华大学出版 社,邱哲王俊标,2006年 [3] W iseNut Search Eng i ne wh ite paper.A utho r:W isenut Inc. 2001. [4] A lta V ista w hite paper.A uthor:A ltav ista Inc.1999. [5] The A na to m y o f a La rge-Sca l e H ypertex t ua lW eb Search En- g i ne.A utho r:Se rgey B ri n and L a w rence Page,1998. [6] 软件的涅磐.世界图书出版社出版,2004年. [7] 信息系统分析与设计.西安电子科技大学出版社,卫红春, 2004年. [8] 软件工程技术概述.科学出版社,朱三元等,2002年. [作者简介] 王会林(1967~),男,汉族,江西崇义人,硕士学位,韩山师范学院数学信息学院高级工程师。 (收稿日期:2008-03-11)
今天，如果我们想要看电视，我们需要用手控制遥控器；我们想操纵电脑，也必须使用双手。然而，也许有一天，我们可以改变这一切，因为在不远的将来，人类与机器可以直接对话，不需通过肢体，只需要思维。这是在做梦吗？不，这是一项新技术—“脑机接口”。 脑机接口（Brain-computer Interface，以下简称BCI），是近年来发展起来的一种人机接口，它不依赖于大脑的正常输出通路（即外围神经和肌肉组织），就可以实现人脑与外界（计算机或其它外部装置）直接通信的系统。广义上讲，这种通信也可以是双向的，一方面外界的信息（声音、需要记忆的内容等）可以直接传入大脑，比如电子耳蜗、大脑记忆芯片等；另一方面大脑可以直接控制外界环境，本文介绍的是后者。 BCI技术的出现，使得用大脑信号直接控制外界环境的想法成为可能。要想实现BCI，有三个必要条件：第一，必须有一种能够可靠反映大脑思维的信号；第二，这种信号能够被实时且快速的收集；第三，这种信号有明确的分类。目前可用于BCI 的人脑信号有：EEG（脑电图），EMG（脑磁图）和fMRI（功能性核磁共振图象）等。目前大多数BCI研究机构采用的大脑信号是EEG。 人类的每一闪思维，每一种情绪，每一个想法，在大脑中都会产生特定的EEG信号，这种信号由千百万个神经元共同产生，并在大脑内传播。不同思维情况下产生的神经电活动信号表现出不同的时空变化模式，会导致EEG信号的不同，将检测到的EEG信号传送给计算机或相关装置，经过有效的信号处理与模式识别后，计算机就能识别出使用者的思维状态，并完成所希望的控制行为，比如移动光标、开门、打字和开机等。
一、基本原理 1.1 BCI系统的基本结构 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。 （1）信号采集：受试者头部戴上一个电极帽，采集EEG信号，并传送给放大器，信号一般需放大10000倍左右，经过预处理，包括信号的的滤波和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ICA、PCA、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，如在显示器上的光标移动、机械手运动、字母输入、控制轮椅、开电视等。 有些BCI系统还设置了反馈环节（如图1中所示），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者根据这个结果来自主调整脑电信号，以达到预期目标。 BCI系统基本结构
脑机接口的综述 ------自动化1班3008203240 付亮脑机接口（brain-computer interface，BCI），有时也称作direct neural interface或者brain-machine interface，它是在人或动物脑（或者脑细胞的培养物）与外部设备间建立的直接连接通路。在单向脑机接口的情况下，计算机或者接受脑传来的命令，或者发送信号到脑（例如视频重建），但不能同时发送和接收信号。而双向脑机接口允许脑和外部设备间的双向信息交换。 研究和发展BCI技术最主要的目的在于设计出基于脑电信号的控制装置以帮助严重的残疾患者(例如肌萎缩性侧索硬化、脑干或脊髓损伤)以及严重的交流障碍患者恢复控制和交流功能[4]。脑机接口还能应用到军事和娱乐领域与此同时研究脑一机接口还是人类对脑电活动规律不断认知的过程j。目前，BCI系统主要用于那些行为有生理上有缺陷的例如偏瘫肌萎缩性(脊髓)侧索硬化患者或脑瘫的人们提供与外界交流的手段。 有几个问题对于BCI技术的进一步发展和更为广泛的应用起着至关重要的作用。第一，即是信号的传输速度。现有的BCI系统是相对低带宽的设备，最多所能提供的信息传输速度为5～25 bit·min_。。以这样的速度，输入一个简单的单词都可能要花几分钟的时间。如果速度能够提高，那么BCI系统将为人类与外部环境的交流提供更为有用的途径。第二个问题就是训练使用者使用系统所需要的时间。BCI系统不能依靠外部刺激提供直接的控制来控制环境，但是这些BCI系统通常要求使用者经过几个小时甚至是几个月的训练。基于诱发电位的BCI系统可以不要求使用者必须经过训练，但是对环境有所要求。第三是关于医学创伤问题。伤害越小那么这门技术才可能被更为广泛的应用。植入式电极可以提供稳定的定位，免除了假象，同时具有更高的信噪比(SNR)。但是在这种系统中存在的一个难题就是如何确定定位的位置以及电极的个数。另一个难点就是怎样长时间的保持系统的稳定性。头皮心电图描记是无创的，但是它的信噪比相对较低且与电极的空间位置有关
脑机接口及其主要目标应用研究的综述 学习科学方法研究大作业 东南大学李晓萌 1脑机接口简介 计算机可以奖大脑的信号解码转化成人类的意图或者目的，进而直接通过控制机器完成这 个意图的功能，现在已经出现了实现它的现实技术可能性，这种类型的设备被称作脑机接 口（Brain-computer interface，BCI，有时也称为direct neural interface或者 brain-computer interface）[1],这些神经义肢技术的发展对于有运动障碍的患者有很大的 意义，可以通过大脑控制外部辅助设备如计算机、语音合成器、辅助应用和神经假肢等来 加强他们与外界环境的交流和交互，可以增强他们的独立性，提高生活质量并且降低社会 成本。 1.1脑机接口发展 脑机接口的发展经历了三十多年的历程，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年召开。 Phillip Kennedy及其同事用锥形营养性电极植入术在猴上建造了第一个皮层内脑机接口。1999年，哈佛大学的Garrett Stanley试图解码猫的丘脑外侧膝状体内的神经元放电信息 来重建视觉图像。到2000年，Nicolelis的研究组成功实现了一个能够在夜猴操纵一个游 戏杆来获取食物时重现其手臂运动的脑机接口[2]。 目前，世界上已经有很多个实验室实现了真正意义上的脑机接口。 1.2脑机接口的分类 随着对脑机接口技术的研究的深入，脑机接口系统的种类日趋繁多，分类方式也多样化。 按照方向可以分为双向脑机接口系统和单向脑机接口系统；按信号采集方式可以分为非植 入式脑机接口和植入式脑机接口；按信号类型可分为基于头皮脑电信号（EEG）的脑机接口，基于功能性核磁共振（fMRI）的脑机接口和基于近红外光谱分析（NIRS）的脑机接口；按 信号生成类型可分为自发式脑机接口系统和诱发式脑机接口系统[1]。 1.3脑机接口系统简介 图1显示了脑机接口系统模型的组成和各部分间的联系，它主要由用户、信号采集部分、 信号处理部分、控制部分、反馈部分和设备组成。
在有很多腾空出世的让人眼前一亮的黑科技，比如在2014腾讯WE大会上被誉为未来五大科技趋势之一的脑机接口。这也是PCB厂家为来可能涉及的领域之一。天马行空的意念控制，现实中的“阿凡达”，意念飞行，确实让人们对其充满期待，但到底现在的脑电科技到底发展到了什么程度呢？让我们客观的来审视一下脑机接口的发展。 客观的来说，脑机接口技术尤其是脑机接口设备还是处于非常初级的一个阶段。市场上真正研究脑机接口的商业公司屈指可数（Emotiv, OCZ以及神念Nerosky 是其最终比较有名的三个）。但是现阶段对于脑电波控制手段局限性还是非常大的。 一般我们常说的BCI是指非入侵式的脑机接口，就像我们常看到的将检测点击粘到头部以检测脑电波；而BMI则是入侵式的，也就是直接将检测电极放进你的颅内。 可能说起BMI会觉得特别有意思，但实际上，到目前为止已经有十年到十五年的时间内关于运用在人体上的BMI技术没有任何有意义的进展。BMI技术研究的主要方向是用来帮助截瘫病人和闭锁症患者。现在生产用于研究用的BMI设备的公司确实不少，像Plexon, Neuralynx, Rippl, BlackRock Microsystems, 以及TDT都是其中名气比较大的。但是除了美国布朗大学研制的BrainGate II运用到临床试验上外，没有一个公司的产品用于真正意义上的临床试验。 BrainGate II是针对截瘫患者做的试验，用BMI让截瘫患者控制一个机械手臂
成功的喝到了杯子里的水。这是一个不完善的试验，所以并不不能广泛应用。因为还有很多关键性的问题得不到解决，比如以下三点问题： 1. 脑机接口技术需要同时记录成千上百万个的神经元的活动，但是目前我们的技术只能达到同时记录几百个神经元。目前还没有一个系统能够同时记录那么多神经元的活动。这点极大的限制了BMI目前的研究。值得注意的是有些研究人员提出这个问题并没有想象中的那么棘手，因为有可能通过找到最关键的那几个神经元就可以完成脑电波的控制。 2. 体内排斥反应：安装进脑部的感应电极并不受人体的免疫系统的欢迎，这就可能有潜在性的长期副作用。而且安装进脑部的检测传感器也可能会随着时间而失效。这个问题的解决方案有将极小的对人体无害的感应电极放进脑内以至于免疫系统没有发现（暂时还不知道有没有这种可能），或者是制造一种生物合成感应电极，或者是一些还没发现的方法。 3. 开颅，安装脑部传感器的手术非常危险。 但是我们知道的是，脑机接口肯定会有在社会上广泛应用的一天，而且随着最近几年科技飞速的发展，谁都不会想到这一天是不是会马上到来。而且，值得注意的是，其实我们现在每个人都已经拥有自己的意念控制设备——你的双手。
基于P300的脑-机接口概述 一、P300电位 1.什么是P300 所谓P300是当视觉受到外界特殊刺激时会脑电信号出现一个波峰。其峰值大约出现在相关事件发生后的300ms。P300 电位是脑- 机接口中经常使用的信号,是事件相关电位的一种。P300电位的产生主要依赖于人对某种刺激的反应而不依赖身体状况，通常由包含靶刺激的小概率事件和非靶刺激的大概率事件的刺激序列（oddball paradigm）诱发。 2.P300的两个基本条件 1)相关事件。 2)小概率。P300波的标志性特点是它对靶概率的敏感性。靶概率越低，P300振幅就越大， 二、基于P300的BIC系统的研究 1.刺激与实验过程 实验1 用于诱发P300的Oddball刺激序列如图1所示，目标行，目标列选择过程示意如图2所示。 图1 图2 受试者位于计算机前面对屏幕给出的Oddball刺激序列，为6行6列的字符矩阵排列。屏幕显示适当的色彩和强度，背景色为黑色，字符以白色显示。 刺激的产生是通过随机地加亮字符矩阵的某一行或某一列，一次实验循环是6行及6列均加亮一次，实验要求受试者集中注意他要注视的字符。当包括他要注视的字符的行或列加亮时，此为靶刺激，要求受试者对此进行反应，予以计数。 小概率出现的靶刺激可以诱发P300，如果确定P300出现时刻对应的靶刺激（属于哪一行哪一列）出现的时刻，便可以确定出受试者所注视的字符，从而达到交流的目的。 实验2 5 个十字线表示5 种选择, 受试者只关注其中的一个。在实际应用中, 这5 个选择可以表示
5 种命令。实验开始后，首先有一个实验准备期，然后一个特定的对象会在这5 个十字线上以随机的顺序连续出现，相临两次对象的出现间隔一定时间。当目标刺激出现时, 受试者通过心里计数来产生响应。 数据记录采用5个导联，分别是T 7、T 8、Cz、Pz 和Oz。参考电极被放置在头顶附近, 为系统的标准设置。 2.采集系统的设计
《脑机接口》报告 今天，浙江大学信息与电子工程学院的沈继忠教授给我们介绍了关于脑机接口的技术知识。主要分成以下四个方面讲述：一、脑机接口概述与应用；二脑机接口系统的实现；三、脑机接口中的信号处理算法；四、部分研究工作。 一、脑机接口概述与应用。 脑机接口（Brain Computer Interface, BCI）:在大脑和外界（计算机或其他设备及外部环境）之间传递信息的通讯系统，该系统不依赖于外围神经和肌肉组成的大脑正常输出通路。简单的说，就是用思维控制机器。 脑机接口系统目前主要应用在医疗康复、状态监测、辅助控制、信息输入和休闲娱乐等方面。 接着，沈教授给我们看了近几年来对脑机接口的研究和发展状况，如每年关于脑机接口的出版的文献数、BCI竞赛参赛情况等，都表明着脑机接口的重视程度在增强。 脑机接口的分类：按采集方式可分为有损（invasive） BCI系统和无损（non-invasive） BCI系统。按脑电信号可分为诱发式BCI系统和自发式BCI系统。按系统工作可分为同步BCI系统和异步BCI系统。 如何评价一个脑机接口系统的好坏，主要有以下几个标准：1，分类正确率P；2，Kappa值；3，信息传输率（ITR） B 与实际信息传输率PB B =log2 N + P log2 P +(1—P) log2[(1—P) /(N—1)] PB= B(2P - 1)/T 而我们现在需要面对的问题与挑战有：1：识别正确率和ITR较低。2：可用的脑电模式较少。3：自发式、异步BCI系统的实现困难常用的脑电模式有：视觉诱发电位（visual evoked potential, VEP）、mu和beta节律、事件相关电位（ERP）和慢皮层电位（SCP） 4：BCI系统的实际应用领域还较少。 二、脑机接口系统的实现。 脑机接口系统结构包括：人数据采集信号处理设备控制 器件。信号处理又包括预处理、特征提取和分类算法。 三、脑机接口中的信号处理算法。 预处理：去除伪迹干扰，减少导联数，提高信噪比。 特征提取：提取最能反映大脑意图的信号特征，数据转换及降维。主要方法有：频域分析方法、时频分析方法、时域分析方法、时空分析方法、空间分析方法。 功率谱分析：1，经典功率谱估计；2，参数模型：根据观测信号对系统模型参数及性能进行研究，需要对信号产生方式有一个先验知识，选择一个合适的模型及阶数。 小波变换：时域和频域都具有较好的局部化性质公共空间模式（CSP）：寻找一个空间滤波器，使待分类的两类信号经过空间滤波后，最大限度的被区分经过CSP空间滤波的EEG数据表示为：Z=WX，其中X代表N×T维矩阵的EEG数据，W 代表空间滤波矩阵。 分类算法：将表征神经电活动的特征信号映射为指定的类别，反映大脑当前
脑-机接口系统（Brain–Computer Interface：BCI）是一个不依靠外周神经和肌肉组织等通常的大脑输出通道的人-机通信与控制系统。简单来说，就是在大脑和外界之间建立起一种直接的交流通道。它由电极帽、脑电波放大器和一台计算机信息处理器三部分组成。 经研究发现，人在思维时大脑皮层会出现特定的电活动，在头皮记录到的这种电活动通常叫做脑电波。这些电波可以借助高性能的生物电信号采集系统(比如电极帽)以及专门设计的计算机算法，把这些特征实时地提取出来，并进行自动分类，从而实时判断出当前人所处的思维状态。然后再通过计算机将判断出来的思维状态可以翻译成我们预先设定的控制命令，通过网络等通道发送出去，从而实现人脑对计算机等外部设备的直接控制。 现在，我们所能做到的“心想事成”的程度还没达到字面理解的那样，你自发的想一件事情，通过脑机接口系统就可以知道你在想什么。目前，我们所能达到的就是，给你一定的诱发信号，使你的脑皮层产生特定的脑电信号，通过采集到的脑电信号，跟已知的模型做比对，我们就可以知道你想的是什么了。通俗地说，你只要戴上特殊的电极帽，盯着指定的屏幕看，经过较短时间的训练，就可以通过大脑对计算机进行操作。像这种依赖视觉的脑机接口系统，操作者只需要看就可以了，不需要动脑。所以像霍金教授这样除了移动自己的视线外什么都不能做的人来说，这样的依赖于是觉得脑机接口系统可以帮助他与外界沟通。 目前，我们实验室研制的脑机接口系统，可以实现人脑模拟操作键盘进行QQ聊天，模拟鼠标操作上网，玩俄罗斯方块，并可以在计算机模拟的室内环境中实现电器开关的控制。虽然通过提取脑电信号来操作计算机的速度还慢，但是对于那些高度瘫痪的病人来说，可以通过这个系统与自己的亲人聊天，上网娱乐，已经很不错了。 关于未来的展望，我们除了提高对计算机的一般操作外，我们将把目光转向一些我们常用的外部设备，例如，人脑控制室内灯泡，空调，电视机等常用电器的开关，轮椅操作等。
脑机接口系统介绍(N e u r o s c a n B C I S y s t e m)
今天，如果我们想要看电视，我们需要用手控制遥控器；我们想操纵电脑，也必须使用双手。然而，也许有一天，我们可以改变这一切，因为在不远的将来，人类与机器可以直接对话，不需通过肢体，只需要思维。这是在做梦吗？不，这是一项新技术—“脑机接口”。 脑机接口（Brain-computer Interface，以下简称BCI），是近年来发展起来的一种人机接口，它不依赖于大脑的正常输出通路（即外围神经和肌肉组织），就可以实现人脑与外界（计算机或其它外部装置）直接通信的系统。广义上讲，这种通信也可以是双向的，一方面外界的信息（声音、需要记忆的内容等）可以直接传入大脑，比如电子耳蜗、大脑记忆芯片等；另一方面大脑可以直接控制外界环境，本文介绍的是后者。 BCI技术的出现，使得用大脑信号直接控制外界环境的想法成为可能。要想实现BCI，有三个必要条件：第一，必须有一种能够可靠反映大脑思维的信号；第二，这种信号能够被实时且快速的收集；第三，这种信号有明确的分类。目前可用于BCI 的人脑信号有：EEG（脑电图），EMG（脑磁图）和fMRI（功能性核磁共振图象）等。目前大多数BCI研究机构采用的大脑信号是EEG。 人类的每一闪思维，每一种情绪，每一个想法，在大脑中都会产生特定的EEG信号，这种信号由千百万个神经元共同产生，并在大脑内传播。不同思维情况下产生的神经电活动信号表现出不同的时空变化模式，会导致 EEG信号的不同，将检测到的EEG信号传送给计算机或相关装置，经过有效
的信号处理与模式识别后，计算机就能识别出使用者的思维状态，并完成所希望的控制行为，比如移动光标、开门、打字和开机等。 一、基本原理 1.1 BCI系统的基本结构 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。 （1）信号采集：受试者头部戴上一个电极帽，采集EEG信号，并传送给放大器，信号一般需放大10000倍左右，经过预处理，包括信号的的滤波和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ICA、PCA、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，如在显示器上的光标移动、机械手运动、字母输入、控制轮椅、开电视等。 有些BCI系统还设置了反馈环节（如图1中所示），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者根据这个结果来自主调整脑电信号，以达到预期目标。