作者/丁玲、刘祯、卢志刚、方子穆、郭琼，北方自动控制技术研究所

1.概述

近年来，随着脑一机接口便携化、智能化的发展趋势，脑电信号可作为外围设备的驱动信号，代替人或动物的肢体操作，实现对外围设备的精密控制；另一方面，人们还可以给动物施加脑部刺激，实现对动物的意图控制。随着基于视觉诱发电位、事件相关电位P300、自主控制扯节律、皮层慢电位、运动想象与思维等脑一机接口范式的成功开发与应用，脑一机接口技术作为一门新兴的多学科交叉的前沿研究，可广泛应用于医疗康复、家居娱乐和军事等领域。

2.BCI技术原理与基本构成

第一次BCI国际会议给出的BCI的定义是：“脑—计算机接口(BCI)是一种不依赖于大脑外周神经与肌肉正常输出通道的通讯控制系统”。它通过采集和分析人的脑电信号，在人脑与计算机或其它电子设备之间建立起直接的交流和控制通道，从而可以不需语言或肢体动作，直接通过控制脑电来表达意愿或操纵外界设备。BCI技术的出现使得用人脑信号直接控制外部设备的想法成为可能。要想实现脑机接口，必须有一种能够可靠反映人脑不同状态的信号，并且这种信号能够实时(或短时)被提取和分类。

BCI系统的基本结构如图1所示。反映大脑活动的电生理信号由电极从头皮或者大脑内部获取，经放大、滤波、模数转换等环节后转换为数字信号。特征提取装置从该数字信号中提取出与使用者意图相关的信号特征量，信号特征量经由算法转换变为控制命令来控制外界装置。反馈环节不仅能为使用者操作BCI系统提供指示，还能帮助使用者根据反馈信息来改变脑电信号，从而提高信息交流的精度和速度。

图1 BCI结构示意图

3. BCI关键技术分析

3.1 输入信号类型的选择

从采集脑电信号的电极位置看，有植入式和非植入式两种。植入式是通过头皮将电极植入到特定的大脑皮层，直接获取神经元信号，因此是有创的。

图2 控脑系统模型图

非植入式BCI是一种无损伤的技术，它采用头皮电极记录大脑活动产生的EEG信号，以实现与外界的交流。由于它是无创的且记录方便，是当前研究的重点。在非植入式中，依据信号的产生方式，又可分为诱发脑电信号和自发脑电信号。

图3 脑控系统模型图

3.1.1 诱发脑电信号

诱发脑电信号的BCI系统使用外在刺激诱发大脑皮层相应部位的电活动产生变化，并以其作为特征信号。目前BCI中使用的诱发脑电信号主要有视觉诱发电位和P300诱发电位。

■3.1.2 自发脑电信号

自发脑电是脑细胞的自发性电活动，是人体在自然状态下就可以记录到的。目前BCI中使用的自发脑电信号主要有：皮层慢电位(Slow Cortical Potential，SCP)；μ节律和β节律；利用事件相关去同步/事件相关同步(ERD/ERS)。

3.2 信号处理分析方法

信号处理目标是从所检测的脑电数据中识别出使用者的操作意图，提取能反映使用者主观动作意识的特征参数并通过适当算法将之转换为控制外部机电设备的执行命令。它包括信号预处理、特征提取、特征分类等，其中特征提取和特征分类是BCI信号处理最为关键的环节。方向的控制、康复机器人移动方向控制等形式。连续输出可以是声音高低、光标的连续移动、波形的起伏、不断变换颜色和大小的物体、某种游戏控制等，目前输出信号形式多为离散输出。

4. BCI技术在军事领域的影响

3.2.1 信号的预处理

信号预处理目的是去除噪声。良好的预处理算法在一定程度上可以去除伪差或噪声以及与反映用户控制意图无关的EEG信号，从而提高信噪比。

目前常用的EEG预处理算法主要包括三类：①时间滤波器，如：低通滤波器，带通滤波器等；②空间滤波器，如共同均值参考CAR(common average reference)，Laplacian参考；③空间一时间滤波器，如主分量分析(PCA)，独立分量分析(ICA)。

通过预处理后得到的信号更有利于后面的特征提取环节和翻译算法环节，最终提高整个BCI系统的传输带宽。

3.2.2 信号的特征提取

特征提取是从经过了预处理和数字化处理的EEG信号中提取出能反映使用者意图的信号特征，目前提取信号特征的方法有如下几种：①快速傅立叶变换(FFT)；②自回归(AR)模型；③小波变换法；④独立分量分析(ICA)。

3.2.3 特征分类方法

特征分类是脑电信号处理中一个重要的环节。分类算法可以是线性的和非线性的。线性分类算法只需很少的样本就可获得可靠的分类结果。而对于多特征或大数据量的分类，选用人工神经网络、隐马尔可夫模型和支持向量机等非线性方法可能取得更好的效果。

几种具有代表性的BCI特征信号分类方法如下：①线性判别式分析(LDA)；②贝叶斯(Bayesian)决策；③支持向量机（SVM）分类器；④人工神经网络(ANN)；⑤共同空间模式（CSP）。

3.3 信号的输出

分类器的输出即作为设备控制器的输入，设备控制器的作用是将分好类的信号转换为实际的动作，输出信号类型的选择输出信号也有各种形式，既可以是离散的也可以是连续的。离散输出有图标选择、正误判断、字符选择、光标移动

4.1 发展领域

（1）脑机操控：打造可用人脑远程控制的“机器人军团”，这种“半智能”机器人的外形将与人类外形接近，它们拥有强健有力的机械“双足”，可以在地形多变的各种战地环境自由行走，并灵活跨越障碍。更重要的是，它们还将拥有高度的智能，能在人类士兵的思维遥控指挥下对外界变化迅速做出反应。

（2）信息传输：研发基于BCI技术的意识头盔，帮助士兵在战场上用脑电波来进行安全便捷的通讯交流。意识头盔通过获取士兵的脑电波，经过信号处理，识别出需要传输的信息，通过无线通信传送给并肩战斗的战友。

（3）目标识别：主要研究如何通过计算机解读人的脑电波来提高目标识别效率，实验表明，通过脑电信号检测及结果分析可提高人类对物体认知能力的鲁棒性和快速性。

（4）多人协调决策：运用BCI技术开发“多人协同决策系统”，旨在利用群体的智慧和经验对战场态势和威胁进行科学判断、快速决策。多人决策脑机系统可以有效地融合一组人员的大脑活动，缩短决策时间，提高决策准确率。

（5）疲劳检测：此类设备主要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。近来，还发展出了脑电反向刺激源，设备产生电信号刺激士兵大脑神经，解除其疲劳状态。

4.2 军事应用前景

（1）人机结合武器装备

BCI技术的进步极大地提高了人们对于人机系统研究的热情，研究成果将会提高武器装备的性能。人们可以利用这种方法控制几乎所有的武器系统．并且通过脑机技术利用人长时间以来所积累的经验、知识，以及人特有的直觉、灵感等，显著提高武器系统的综合智能化水平，达到人机系统高度智能化、协调化，打造 “智能化”的超级战士。

（2）促进发展新型认知系统

随着BCI技术的不断发展．日益复杂的认知系统将可能在未来实现。将来人们可以创造出“人造大脑”，具备复杂的认知、推理、计算能力。如果应用于军用机器人上，将展现出非凡的作战能力。

（3）阅读参战人员思想

BCI技术的发展有助于更好地了解与军队战备有关的行为、能力、意愿及精神压力因素，以及不同文化背景下的行为动机，未来更有可能开发出阅读并提取人的思想信息的技术。

（4）提高军人执行任务时的作战能力

BCI技术将有可能被用于提高士兵在应激状态下的信息处理能力与认知能力，包括记忆力、注意力、智力和情绪等，使军人处于最佳生理与认知状态。脑机技术可以进行人员精神与思想状态的分析，以减少军人的精神心理疾患和应激反应的发生，增强军事作业能力。

5.总结与展望

BCI技术作为一门新兴的交叉性学科已取得迅速的发展，但实现基于脑控技术的机器人拟人控制仍旧面临着严峻的挑战。首先，应该完成多传感器数据采集、融合，以及运动识别算法的设计与实现，以提高脑电检测识别系统的综合识别率；其次，进一步完善生机接口技术，实现生机电一体化，在提高在线识别精度的同时，提高脑控技术的控制精度；最后，脑控系统是一种非常特殊的人机协同系统，如何实现它的智能化、便携化、可穿戴设计等问题，仍需要进行深入的研究。

* [1]高楠，卓晴，王文渊. 一种新型的人机交互方式—脑机接口[J]，计算机工程，2005.9(18)∶1—3.

* [2]张小栋，李睿，李耀楠. 脑控技术的研究与展望[J]，振动、测试与诊断，2014.4(34)∶205—210.

* [3]Wolpaw J R，Birbaumer N，McFarland D J，et al．Brain—Computer interfaces for communication and control[J]．Clini cal Neurophysiology，2002.113(6)∶767—791．

* [4]刘振江.生物技术在军事领域中的应用，国防科技[J]．2011(2)：18—20．