王晓韡 石立臣 吕宝粮，2*

1(上海交通大学计算机科学与工程系仿脑计算与机器智能研究中心，上海 200240)

2(上海交通大学智能计算与智能系统教育部-微软重点实验室，上海 200240)

引言

随着医学、神经科学、认知心理学和人工智能研究的深入发展，脑电(头皮脑电)(EEG)这种重要的生理信号，正在被越来越多地应用到医学检测、临床诊断以及新兴的脑-机接口领域。作为中枢神经系统的直接外在表征，脑电能反映出大脑皮层不同区域的活动状态，可用来检测人的生理、心理状态以及不同脑功能的脑区交互方式[1];可为癫痫、痴呆、肿瘤等脑部疾病或脑死亡提供诊断信息[2];可结合脑电解读技术，完成脑与外部设备的直接通信，实现脑-机接口系统[3-4]。作为上述应用的原始输入信号，脑电的采集质量以及相关的采集环境限制，严重影响着各种脑电应用的可靠性和实用性。如何在保证脑电信号质量的同时，尽可能地减少采集环境的限制，从而扩大脑电应用的使用范围，已成为脑电采集技术的一个重要课题。近些年，随着微电子技术、微纳科学技术和光电子技术的发展，一种新型的脑电采集技术——干电极脑电采集技术，已逐渐成为脑电采集领域的研究热点。

脑电是大脑皮层神经细胞集群自发电活动传递至头皮上的皮层电位，是一种微弱的电压信号，可将电极放置在头皮表面，通过脑电信号采集设备进行测量[5]。

传统的脑电采集技术通常采用湿电极技术，被试者在进行脑电采集前，必须涂抹导电介质，该步骤是由人体头部皮肤的高阻抗性所决定的。人体头部皮肤包括表皮、真皮和皮下组织3部分。表皮又分为角质层和生发层。角质层主要是由死细胞组成，是造成头皮高阻抗性的关键因素[6]。涂抹导电介质的目的是为了降低角质层的超高阻抗，使放大器可以正常工作。但该过程需要在外人辅助下进行，时间花费较长，且导电介质的性能会随时间变化;若采集时间过长，导电介质的导电性会下降或消失，使采集到的信号出现失真现象，从而影响脑电信号的采集质量。另外，传统脑电采集系统普遍采用有线通信方式，受环境制约较大，一般只能在特定场合进行脑电采集。

相比传统脑电采集技术，干电极脑电采集技术采用微针技术、超高输入阻抗放大器以及光电传感等技术，从而使脑电采集摆脱了对导电介质的依赖性，并且这种新型脑电采集技术采用无线通信技术，具有使用简便、不易受环境制约的特点。

1 干电极脑电采集系统

干电极脑电采集系统主要由4部分组成：干电极、放大器、信号传输与电源[7]。系统整体的工作流程为：将干电极贴附在头皮以采集脑电信号，将脑电信号传递给放大器部分;放大器对信号进行放大、滤波处理及数/模转换后，将信号继续传送给信号传输模块;信号传输模块负责将从放大器接收到的信号进行数据压缩等处理，然后通过无线通信方式，将脑电信号传送给信号处理系统进行存储及其他后续处理;电源系统负责整个脑电采集系统的供电。下面将对这四部分的具体功能作一简要介绍。

1.1 干电极

干电极是脑电采集系统与大脑相接触的界面，它的功能是感知脑电，并将其转换成易于测量和加工的电信号。为获得一个电位信号，至少需要两个测量电极，脑电是这两个电极间的电位差。目前，常用的脑电导联方式有两种：单极导联和双极导联。单极导联是将活动电极放置于头皮上，参考电极一般选取耳垂后部，记录活动电极与参考电极之间的电位差;双极导联则是不使用固定参考电极，只使用头皮上的活动电极，记录两个活动电极之间的电位差。

1.2 放大器

电极采集到的脑电频率较低且十分微弱(μV级)，为了对脑电进行各种处理，必须把脑电放大到所要求的强度。由于干电极脑电采集系统需要放置在头部进行信号采集，因此要求放大器具有以下特性：较小的尺寸(便于携带)、较低的供电电压(便于电池供电)、较低的功耗(便于长期工作)。根据脑电的特点，要求放大器还需具有高输入阻抗、高共模抑制比、低噪声等特性，目前主要通过多级放大的形式实现。由于前置放大器的放大倍数通常不能太高，所以仅仅依靠前置放大，脑电的幅度仍然不够，还需要对脑电进行增益可调的后级放大处理。另外，在脑电信号采集过程中，存在着若干噪声信号的干扰，如人体肌电、接触式噪声(由电极与头皮摩擦产生)、环境噪声(由放大器等在信号处理过程中产生)与基线漂移等。克服噪声对脑电的干扰，也是放大器部分需要解决的重要问题。目前通常在多级放大器中间增加相应的滤波器，以完成减少噪声干扰的功能。放大器部分最后的任务是对脑电信号进行模/数(A/D)转换，以便于后期的信号传输及脑电数据分析。

1.3 信号传输

信号传输部分的功能，是把放大器处理过的脑电信号传送给后端的脑电处理系统。传统的脑电采集技术通常采用USB或串行口与后端计算机或其他脑电处理设备进行通信，但是这种方式容易使脑电应用受到环境和场地的制约。随着无线通信技术的发展，越来越多的脑电采集系统采用无线技术，实现脑电数据的有效传输。由于长时间应用及便携性的要求，通常要求信号传输系统具有微功率发射及体积小的特点。另外，由于脑电传输具有实时性要求高和数据传输量大的特点，因此对无线通信技术也提出了较高的要求，如有效数据压缩，以提高传输速度和降低存储空间、高抗干扰能力、低误码率、远传输距离以及多通道等。现在采用的无线传输技术主要包括射频技术(radio-frequency)和蓝牙技术(blue-tooth)两种[8]。

1.4 电源

电源部分主要是为放大器及信号传输部分提供电能。为了长时间采集脑电信号，电源应具备长时间供电的能力。由于干电极系统的便携性需求，目前通常采用电池直流供电方式。电池通常有镍氢电池与锂电池两种。镍氢电池的优点是价格较低，但是这种电池具有记忆效应，因此在充电前必须进行放电，且这种电池的重量相对较大。锂电池的特点是容量高、循环寿命长且无记忆性，但是价格相对较高。

2 干电极脑电采集技术的基本类型

根据干电极的工作原理，可以把目前的干电极脑电采集技术分为3类：基于微针的干电极技术、基于超高输入阻抗放大器的干电极技术和基于光电传感的干电极技术。下面将对不同的干电极脑电采集技术的工艺以及相应的放大器技术进行较为详细的介绍。

2.1 微针技术

微针技术是目前最普遍采用的干电极脑电采集技术，采用针式电极直接穿透角质层的方式，以克服角质层对脑电信号采集效果所带来的影响[9]。由于角质层的厚度一般为10～15 μm，生发层的厚度一般为50～100 μm，因此微针的长度一般在15～100 μm之间。这种长度既可以穿透角质层，有效地获取脑电信号，又能避免对头部皮肤造成损伤。为了确保电极与头部皮肤接触的稳定性，每个电极通常由多个微针构成的微针阵列组成，这种结构可以有效地提高信号采集的质量(如图1所示)。由于该种电极直接与头皮内部接触，容易引起交叉性感染，因此在可能的情况下，应尽可能使用一次性电极。

图1 微针式干电极与湿电极工作原理比较Fig.1 Mechanism comparison between dry microprobe array electrode and conventional wet electrode

目前，国际上用于制作微针干电极的材料主要有甲基丙烯酸甲酯[10]、硅[11]、二氧化钛[12]以及碳纳米管[13]等。为了防止在脑电信号采集过程中出现基线漂移现象，出于人体安全性考虑，通常还需要在微针表面电镀某种生物相容性较好的材料，如金、银、氯化银等。图2给出了两种基于聚氨酯[14]与硅材料[15]的微针干电极结构示意图。

图2 两种微针干电极结构。(a)聚氨酯材料[14];(b)硅材料[15]Fig.2 The structure of two kinds of dry microprobe array electrodes.(a)Polyurethane[14];(b)Silicon[15]

2.2 超高阻抗放大器技术

基于超高阻抗放大器技术的脑电采集系统的前端是指状结构的生物传感器[16](见图3)。与基于微针干电极技术不同，指状传感器并不穿透角质层，只是确保传感器与头皮紧密接触。指状传感器与其后端的电极连接，以完成感知脑电的作用。由于没有涂抹导电膏，传感器与角质层间的阻抗非常大(约为107Ω)。因此，对后端的放大器的输入阻抗提出了很高的要求。传统湿电极脑电采集设备的放大器的输入阻抗约为108～1011Ω，而该种技术的放大器的输入阻抗要求达到1012Ω，这种具有超高输入阻抗的放大器使得这种干电极技术能够精确地感知脑电细微的变化。与此同时，该种放大器还能够有效地降低共模抑制比，以减少噪声对脑电信号的干扰。

图3 指状传感器结构[16]Fig.3 The finger-shaped EEG biosensor [16]

2.3 光电传感技术

基于光电传感的干电极技术原理主要是利用特殊的有机材料(如聚丙烯酰胺等)，依据在不同电压下产生的电场的形变程度，感知脑电的变化[17-18]。利用这种技术，当脑电电压发生变化时，该有机材料的形状也会发生相应的变化。这时，脑电采集设备内置的光源模块产生的光线通过这种有机材料，其光线强度和传播路线会随着材料的形变发生相应的变化，最后通过光线感知模块感知光信号的效果，以计算出电极所感知的脑电信号的强弱(如图4所示)。

图4 光电传感技术干电极工作原理[17]Fig.4 The operating principle of electro-optic electrodes[17]

3 干电极脑电采集系统性能分析

为验证干电极脑电采集系统的性能，需要进行一系列的性能分析实验。评估干电极所采集到的脑电信号的质量，通常采用干、湿电极脑电对比的方法。目前，比较常用的方法有2种，一种是直接信号比较法，另外一种是间接性能分析法。直接信号比较法是将干、湿电极同时放置在头部的邻近区域，在把干、湿电极采集到的信号进行滤波处理后，对各个频段特别是低频段的时域与频域信息，通过制定某种指标(如相关系数等)将干电极信号与湿电极信号进行相似性比较，以判断干电极采集到的脑电信号的精确性。图5给出了台湾交通大学开发的干电极在时序信号上与湿电极信号比较分析的示意图，可以看出干电极与湿电极在时域信号上是十分相似的。图6给出了同种干电极与湿电极在频域上的比较示意图，分析结果表明，干、湿电极在频域特别是低频段(1～30 Hz)也是十分相似的[19]。间接性能分析法是将干、湿电极采集到的脑电信号，针对某种脑电应用(如警觉度分析)，在对干电极与湿电极得到的脑电信号进行相应处理后，通过最终应用输出的结果进行比较分析，以得出干电极采集到的脑电信号的质量[19]。

图5 干、湿电极脑电时序信号比较[19]Fig.5 Comparison of EEG signals between dry electrodes and wet electrodes[19]

图6 干、湿电极脑电功率谱密度比较[19]。(a)第1组(b)第2组Fig.6 Comparison of EEG power spectra between dry electrodes and wet electrodes[19].(a)The first group;(b)The second group

多家研究机构的实验比较分析表明，干电极脑电采集技术不但可以有效地克服湿电极技术涂抹导电介质的缺点，而且还能得到与湿电极脑电采集技术同样理想的信号效果[20-21]。有的研究甚至表明干电极采集到的信号比湿电极采集到的信号效果更好[19]。

4 干电极脑电采集技术研究动态

随着脑-机接口应用技术的迅速发展，全球投入研究和设计干电极脑电采集技术的研究机构也越来越多，下面对其中的一些研究机构及其产品做一简要介绍。

4.1 台湾交通大学

台湾交通大学是国际上较早从事脑电及其采集技术研究的机构[22-23]。该机构于2008年推出了一种新型的无线可穿戴干电极脑电帽(如图7所示)。这款产品是由6个微针型干电极组成，其中5个是活动电极，位于被试者的前额部，另外1个位于左耳后部，作为参考电极使用。目前，该脑电采集设备主要被应用于驾驶员警觉度检测的研究。

图7 台湾交通大学的干电极脑电帽[19]Fig.7 The dry-electrode EEG cap developed by Taiwan National Chiao-Tung University[19]

4.2 QUASAR

QUASAR是美国主要从事生物医学应用产品研发的公司，该公司于2008年为美国国土安全局开发了一套干电极脑电监视系统(如图8所示)[24]，该系统基于超高输入阻抗放大器技术。目前，这款新式的脑电设备主要被用于实时分析士兵在战场中的大脑精神状态，为战场指挥提供预警等辅助信息。

图8 美国QUASAR公司的干电极脑电监视系统[24]。(a)内部结构;(b)外观Fig.8 The dry-electrode EEG monitoring system of QUASAR[24].(a)Inner structure;(b)Appearance

4.3 IMEC

IMEC是目前欧洲最大的微电子研究中心，该中心于2007年开发了一款用于人体健康状况检测的干电极脑电采集设备(见图9)[25-26]。这款产品由两个电极组成，其最大的特点是利用热电能原理，将人体前额产生的热能转化成其所需的电能进行供电，可以有效地减少电池供电所造成的不便。

4.4 Emotive

Emotive位于美国佛罗里达州，该公司主要从事人-机接口相关领域产品的开发，先后于2007年和2008年推出了其设计的脑电采集设备(见图10)[27-28]。研究者主要使用这两种设备对被试者的行为进行分析检测，目前已经被应用于游戏娱乐、表情识别等领域。

图9 IMEC的脑电采集设备[26]。(a)基本组成;(b)外观Fig.9 The dry-electrode EEG recording system of IMEC[26]. ( a ) Basic components;(b)Appearance

图10 Emotive公司的脑电采集设备。(a)2007年[27];(b)2008 年[28]Fig.10 The dry-electrode EEG recording system of Emotive.(a)2007[27];(b)2008[28]

4.5 EmSense

EmSense是美国较早对脑电进行研究及对脑电相关设备进行研发的企业，该企业于2008年研发出一种质量很轻的干电极脑电设备EmBandTM(如图11所示)[29]。这款产品主要用于检测人们在观看不同的影视节目(如广告、电影等)时，对节目的喜好程度。与此同时，该设备还集成了对眼电、心率和呼吸等其他生理指标的检测功能，使其能够更好地检测大脑在不同信息刺激时所产生的反应。

图11 EmSense 公司的 EmBand[29]Fig.11 The EmBand of EmSense[29]

4.6 Starlab

Starlab公司坐落于西班牙，是一个主要从事各种生物传感器研发及生产的企业，该企业最近发布了其研发的脑电采集设备 Enobio(如图12所示)[30]。Enobio由4个电极组成，其中3个位于前额，另外1个位于耳后，作为参考电极使用。该系统采用锂电供电，具有较长的供电时间。目前，这款产品已经在驾驶员的警觉度估计及脑电游戏等领域得到了有效的应用。

图12 Starlab 公司的 Enobio[30]Fig.12 The Enobio of Starlab[30]

除了上述研究机构以外，国内的中国科学院半导体研究所也在从事“基于干电极及其阵列的脑电信号无创采集、传输和处理研究”课题的研究[31-33]，另外，笔者所在的上海交通大学仿脑计算与机器智能研究中心承担了上海市科委重点攻关项目“基于无线、可穿戴干电极脑电帽的驾驶员警觉度估计系统”的研究，该研究的一项重要内容就是要开发干电极脑电采集系统。由于这些项目目前还处于研发阶段，至今为止还没有具体的产品问世。

5 干电极脑电采集技术的应用领域

干电极脑电采集技术克服了湿电极脑电采集设备使用复杂、易受环境制约等缺点，其应用领域十分广阔，主要包括传统脑电采集系统的应用领域，以及传统脑电采集系统无法或不便涉及的一些应用领域。

5.1 医学诊断

现有医学研究表明，当脑组织发生病理或功能改变时，脑电也会发生相应的改变，因此脑电检查可以协助医生对各种类型的脑科疾病(如癫痫、老年痴呆、脑炎、脑肿瘤、脑损伤及脑功能衰退等)评估、诊断与监测[34]，而干电极脑电采集技术的发展可以使医学上的脑电诊断更加方便。

5.2 心理状态检测

心理专家将脑电的波形、波幅、节律的绝对值和相对值与人的心理特征进行对照，发现脑电信号与人的心理特征在理论上密切相关[35]，因此干电极脑电采集技术可以用于对特殊职业人员(如宇航员、特种兵和运动员等)的心理精神状态进行实时监测[36]。另外，在现实生活中，有很多工作岗位需要工作人员保持较高的警觉度，如长途客车司机、飞行员等[37]。可以采用干电极脑电采集技术，结合脑电及其他生物信号特征，对特定岗位工作人员的疲劳程度进行实时监测，以避免事故的发生[38-39]。

5.3 残疾人自助

干电极脑电采集技术是新型脑-机接口的核心技术之一。脑-机接口能为思维正常但有严重运动功能障碍的人提供一种与外界交流和控制的途径。这种交流和控制方式可以把大脑活动的信息传送出来，实现对外围设备的控制，如残疾人轮椅等[40-41]。另外，传统的脑瘫、脊髓损伤等脑部疾病的残疾人肌肉运动辅助康复技术通常需要他人辅助。脑-机接口为残疾人提供了一种新型的自我训练及康复的手段，而干电极脑电采集技术的研究使得这种康复方式更便于使用[42]。

5.4 设备控制

干电极脑电采集技术除了帮助残疾人，还可以用于辅助正常人在特殊环境下控制外部设备[43-44]，如外科医生可以采用干电极脑电采集技术，直接通过脑电控制开关及转换信号监护仪等。另外，干电极脑电采集技术同样可以应用于脑电游戏娱乐。脑-机接口技术为人们提供了一种全新的娱乐方式，人们可以利用脑-机接口取代原始的用手控制的方式，既不需要点击鼠标或其他身体动作，也不需要说话，就可以方便自由地控制计算机，进行电子游戏娱乐[45-46]。

6 有待解决的问题

虽然近几年干电极脑电采集技术有了快速的发展，但仍然不够成熟，距离实际应用还有一定的距离，主要存在以下问题。

6.1 毛发干扰

基于微针的干电极技术具有原理简单、信噪比高的优点，但这种采集方式目前还难以解决人体头发厚度差异的问题，因此该种技术的脑电信号采集区域主要集中于前额等毛发较少的位置。如何克服毛发干扰，是基于微针的干电极技术亟待解决的问题。

6.2 信号精度

基于超高输入阻抗放大器的干电极技术对脑电采集系统中放大器设计及生产的技术要求很高，另外在采集到的脑电信号中其噪声成分与微针技术相比也更强。而光电传感技术则对于制作传感材料有很高的要求，传感材料在电场中的细微形变偏差，都会对最终信号测量结果带来直接的误差。因此，如何对相关技术进一步改进，也是一个值得研究的课题。

6.3 信号稳定性

虽然干电极技术具有使用方便的特点，但是目前的干电极加固技术仍然不能满足特殊环境中使用的要求。例如，在真实驾车环境中，在车辆激烈晃动的情况下，往往可能出现电极移位或者与头皮脱离的情况。因此，如何在保持用户穿戴舒适的前提下，进一步增强信号的稳定性，是干电极技术未来需要研究的课题。

6.4 电源供电时间

干电极脑电采集系统需要具备便携且使用时间长的特点，而目前干电极的电源系统往往供电时间较短，不能满足长期稳定的信号采集的要求。如何在保证电源体积较小的情况下，使电池具有较长的供电时间，是目前需要解决的问题。

结语

揭示大脑的奥秘是本世纪自然科学的最大挑战之一。脑电作为一种有效获取大脑信号的手段，将对认识人脑的工作原理提供帮助。干电极脑电采集技术作为一种新兴的脑电采集技术，有着良好的应用前景。目前，干电极脑电采集设备仍然处于实验室开发阶段，随着微电子技术、微纳技术、无线通信技术和信号处理技术的快速发展，相信在近几年内必将会有面向普通用户的干电极脑电采集产品，干电极脑电采集技术也必将在医学、神经科学、认知心理学、脑-机接口和其他脑电研究领域发挥重要的作用。

[1]Peterson CK，Harmon-Jones E.Approach emotionality predicts EEG coherence between left motor cortex and left prefrontal cortex[J].Psychophysiology，2007，44： S27-S27.

[2]Koutroumanidis M，Koepp MJ.the variants of reading epilepsy-A clinical and video-EEG study of 17 patients with readinginduced seizures[J].Brain，1998，121： 1409-1427.

[3]高上凯.浅谈脑-机接口的发展现状与挑战[J].中国生物医学工程学报，2007，26(6)：801-803.

[4]Weiskopf N，Mathiak K，Bock SW，et al.Principles of a braincomputer interface(BCI)based on real-time functional magnetic resonance imaging(fMRI)[J]. IEEE Transactions on Biomedical Engineering，2004，51(6)：966-970.

[5]Pockberger H，Rappelsberger P，Petsche H，et al.Computerassisted EEG topography as a tool in the evaluation of actions of psychoactive drugs in patients[J].Neuropsychobiology，1984，12(2-3)： 183-187.

[6]Alexander P.Basic human anatomy[M].San Francisco：The Benjamin Cumming Publishers，1990.

[7]Gargiulo G，Bifulco P，Calvo RA，et al.a mobile EEG system with dry electrodes[A].In：2008 IEEE Biomedical Circuits and Systems Conference-Intelligent Biomedical Systems[C].Maryland： IEEE，2008.273-276.

[8]Jun J.a wireless EEG sensors system for computer assisted detection of alpha wave in sleep[A].In：200527th Annual International Conference of the IEEE Engineering in Medicine and Biology Society[C].Shanghai： IEEE，2005.5351-5353.

[9]Gabran SR，El-Saadany EF，Salama MM.design optimization methodology for dry EEG spikes array electrode[A].In：200628th Annual International Conference of the IEEE Engineering in Medicine and Biology Society [C]. New York： IEEE，2006.5874-5877.

[10]Matteucci M，Carabalona R，Casella M，et al.Micropatterned dry electrodes for brain-computer interface[J].Microelectronic Engineering，2007，84： 1737-1740.

[11]Griss P， Enoksson P， Tolvanen-Laakso HK， et al.Micromachined electrodes for biopotential measurements[J].Journal of Microelectromechanical Systems，2001，10： 10-15.

[12]Fonseca C，Cunha JPS，Martins RE，et al.a novel dry active electrode for EEG recording[J]. IEEE Transactions on Biomedical Engineering，2007，54：162-165.

[13]Ruffini G，Dunne S，Farres E，et al.a dry electrophysiology electrode using CNT arrays[J].Sensors and Actuators a-Physical，2006，132： 34-41.

[14]Ng WC，Seet HL，Lee KS，et al.Micro-spike EEG electrode and the vacuum-casting technology for mass production[J].Journal of Materials Processing Technology，2009，209(9)：4434-4438.

[15]Griss P， Tolvanen-Laakso HK， Merilainen P， et al.Characterization of micromachined spiked biopotential electrodes[J].IEEE Transactions on Biomedical Engineering，2002，49：597-604.

[16]Matthews R，Tumer PJ，McDonald NJ，et al.real time workload classification from an ambulatory wireless EEG system using hybrid EEG electrodes [A]. In： 2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society [C].Vancouver： IEEE，2008.5871-5875.

[17]Fernandes M，Dias S N.Wearable brain cap with contactless electroencephalogram measurement for brain-computer interface applications[A].In：20094th Annual International Conference of the IEEE Engineering on Neural Engineering[C].Antalya：IEEE，2009.387-390.

[18]Kingsley SA，Sriram S，Pollick A，et al.Photrodes(TM)for physiological sensing[J].Optical Fibers and Sensors for Medical Applications，2004，5317： 158-166.

[19]Lin Chinteng，Ko Liwei，Chiou Jinchern，et al.Noninvasive neural prostheses using mobile and wireless EEG [J].Proceedings of the IEEE.2008，96：1167-1183.

[20]Sullivan TJ，Deiss SR，Jung TP，et al. a brain-machine interface using dry-contact，low-noise EEG sensors[A].In：Proceedings of 2008 IEEE International Symposium on Circuits and Systems[C].Washington： IEEE，2008.1986-1989.

[21]Harland CJ，Clark TD，Prance RJ.Remote detection of human electroencephalograms using ultrahigh input impedance electric potential sensors[J].Applied Physics Letters，2002，81： 3284-3286.

[22]Lin Chinteng，Pal NR，Chuang Chienyao，et al.An EEG-based subject-and session-independent drowsiness detection[A].In：2008 IEEE International Joint Conference on Neural Networks[C].Hong Kong： IEEE，2008.3448-3454.

[23]Lin ChinTeng， Chen Yuchieh， Huang Tengyi， et al.Development of wireless brain computer interface with embedded multitask scheduling and its application on real-time driver′s drowsiness detection and warning[J].IEEE Transactions on Biomedical Engineering，2008，55： 1582-1591.

[24]Matthews R，McDonald NJ，Hervieux P，et al.A wearable physiological sensor suite for unobtrusive monitoring of physiological and cognitive state[A].In： 2007 Annual International Conference of the IEEE Engineering in Medicine and Biology Society[C].Lyon： IEEE，2007.5276-5281.

[25]Leuven.IMEC annual research review meeting 2007[EB/OL]，http：//www.imec.be/wwwinter/mediacenter/en/ARRM2007_EEG.shtml，2009-10-4/2009-10-20.

[26]Yazicioglu RF，Merken P，Puers R，et al.a 200 mu W Eight-Channel EEG Acquisition ASIC for Ambulatory EEG Systems[J].IEEE Journal of Solid-State Circuits，2008，43(12)：3025-3038.

[27]Gerry K.GDC 2007：Emotiv Systems Unveils Shocking Neural Interface Device[EB/OL]，http：//uk.gear.ign.com/articles/772/72295p-1 .html，2007-07-02/2009-12-01.

[28]Daniel T.Emotiv′s headset gives users mind-control over digital objects [EB/OL]， http：//asia.cnet.com/crave/emotiv-sheadset-gives-users-mind-control-over-digital-objects，2008-02-20/2009-12-01.

[29]Emsense.Neuromeasurement Designed Specifically for Market Research[EB/OL]，http：//www.emsense.com，2008-08-01/2009-12-01.

[30]Ruffini G， Dunne S， Farres E， et al. ENOBIO dry electrophysiology electrode; first human trial plus wireless electrode system [A]. In： 2007 Annual International Conference of the IEEE Engineering in Medicine and Biology Society[C].Shanghai： IEEE，2007.6690-6694.

[31]Sui Xiaohong，Zhang Ruoxin，Pei Weihua，et al.a novel implantable multichannel silicon-based microelectrode[J].Chinese Physics，2007，16： 2116-2119.

[32]隋晓红，张若昕，裴为华，等.用于神经电信号记录的多通道微探针[A].传感技术学报[C].2006.

[33]隋晓红，张若昕，裴为华，等.适用于神经接口的硅基微电极制作[J].半导体学报，2006，27(10)：1703-1706.

[34]Vysata O，Pazdera L.Coherence fluctuations of background EEG activity higher in generalised epilepsy than in tension headache[J].Epilepsia，2006，47： 65-65.

[35]Belov DR，Kolodiaznyi FS，Smit N.Expression of hemispheric asymmetry and the psychological type in the dynamics of the EEG traveling wave[J].Fiziol Cheloveka，2004，30： 5-19.

[36]Guhlmann B， Roth N， Sack G. Psychological and psychophysiological deviations in subjects with the so-called slow posterior EEG activity[J].Z Psychol Z Angew Psychol，1978，186(4)： 529-538.

[37]Shi Lichen，Lu Bao-Liang.Dynamic clustering for vigilance analysis based on EEG [A]. In： 2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society[C].Vancouver： IEEE，2008.54-57.

[38]Duta M，Alford C，Wilson S，et al.Neural network analysis of the mastoid EEG for the assessment of vigilance[J].International Journal of Human-Computer Interaction，2004，17(2)： 171-195.

[39]傅佳伟，石立臣，吕宝粮.基于EEG的警觉度分析与估计研究综述[J].中国生物医学工程学报，2009，28(4)：589-596.

[40]Tanaka K，Matsunaga K，Wang HO.Electroencephalogrambased control of an electric wheelchair[J].IEEE Transactions on Robotics，2005，21： 762-766.

[41]Millan JD，Renkens F，Mourino J，et al.Noninvasive brainactuated control of a mobile robot by human EEG[J].IEEE Transactions on Biomedical Engineering，2004，51： 1026-1033.

[42]Muller-Putz GR，Scherer R，Pfurtscheller G，et al.EEG-based neuroprosthesis control： A step towards clinical practice[J].Neuroscience Letters，2005，382： 169-174.

[43]Citi L，Poli R，Cinel C.P300-based BCI mouse with genetically-optimized analogue control[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering，2008，16(1)：51-61.

[44]Gao Xiaorong，Xu Dingfeng，Cheng Ming，et al.a BCI-based environmental controller for the motion-disabled[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering，2003，11：137-140.

[45]Mason SG，Bohringer R，Borisoff JF，et al.Real-time control of a video game with a direct brain--computer interface[J].Journal of Clinical Neurophysiology，2004，21： 404-408.

[46]Lalor EC，Kelly SP，Finucane C，et al.Steady-state VEP-based brain-computer interface control in an immersive 3D gaming environment[J].Eurasip Journal on Applied Signal Processing，2005，2005： 3156-3164.