齐 凯，张 琨，纪 俐,3

(1.华晨汽车集团控股有限公司 a.质量部，b.电气部，沈阳 110141；2.沈阳工业大学 机械工程学院，沈阳 110870；3.沈阳航空航天大学 机电工程学院，沈阳 110136)

人体在运动过程中，如同想象运动一样，能够引起事件相关脑功能区电位变化[1]。确定皮层节律性活动与肢体实际运动任务的关系是非常重要的。激活皮层电位是在实际运动表现和运动表象过程中产生的节律性皮层电位，其波形的阶跃对应于不同事件的运动任务[2]。目前，解析驾驶行为的脑电位变化仅限于左、右手运动想象，左、右手驾驶运动行为和运动想象结果与事件相关去同步化(ERD)μ节律功率变化关系密切[3]。除了对左、右手运动的想象，研究者对真实驾驶行为和脑电图特征之间的关系了解甚少，因此，分析手臂运动行为与脑电图信号之间的关系是首要问题，脑网络的结构和功能连接状态与真实的运动行为有着必然的关系，脑电位之间的数据连接网络特征增加，依赖于大脑接收丰富的信息流，这些信息流必须根据行为相关性进行处理[4]。

以前，脑功能连接通常在静息状态fMRI中进行测量，并根据时间相似性分析相关性、一致性和空间分组[5]。Adey W R和Brazier M证明通过对脑电图信号的互相关联，可以测量大脑电位节点间的线性连接[6-7]，相关性越高，表明相关脑区之间的功能关系越强。为了测量频域内的线性连通性，引入了幅度平方相干性(Magnitude Squared Coherence )或相干性。相干性是在不同波段测量信号之间的空间相关性[8]，其中的功能连接是指大脑空间分离区域之间的功能整合关系，与寻找大脑中物理连接的结构连接不同，功能连接与大脑不同区域的类似激活模式有关，而不管这些区域是否具有明显的物理连接[9]。此外，功能性连接也表现出时间的同步和相关性在功能区域内信号的关系。一些研究揭示了神经元动作和各频段之间的不同关系，通常分为α-(8～12 Hz),β-(13～30 Hz)和γ-bands(>30 Hz)[10]。近年来，研究单任务或多任务行为的脑电图信号中识别功能连接和结构网络的波动成为热点问题。一些方法已经证明了功能连接与各种不同任务中的行为有关，这些方法是假定在一项任务或信号系统的短时间内不变的大脑的功能连接。现在，DFC(动态功能连接)已经应用在各种不同行为任务中，研究表明它与行为和神经活动有关[11-12]，一些研究人员认为它可能与高水平的思维或意识密切相关[13]。

运动想象的脑激活与真实的身体活动相似，即运动想象所涉及的神经网络与神经网络的真实运动基本一致[14-15]。以前的工作进一步证明了人类大脑的动态重新配置网络[16]，为更好理解大脑相关真实运动想象任务动作，在目前的工作中,研究了时空脑电图大脑活动在一个真正的驾驶行为向左转和右转的任务。此外，这一研究旨在阐明真正的任务特异性运动和运动想象是否显示出大脑的空间连接模式以及跨频率耦合在人类感觉运动系统中发挥多大的作用。

1 实验设计

1.1 实验选择

为了能够体现真实的驾驶行为，利用实验室内的模拟驾驶仪器，选择5名实验室内研究生成员作为受试对象，每名成员具有2年左右的驾驶经验。实验前，每位实验者应保证充足睡眠，具有良好的精神状态，无疲劳现象，心情放松、愉悦；实验时间选择上午，天气晴朗，阳光充足，减少实验者受外界环境干扰。佩戴电极帽前，头发清洗干净，避免影响采集效果；穿戴配有惯性传感器模块的运动紧身衣，保证每个模块的位置安放在关节处，能准确测量关节的运动状态。这样可以通过脑电采集设备与惯性运动捕捉设备获得驾驶员脑电信号与手臂驾驶行为的运动参数，如图1所示[17]。

图1 驾驶实验场景

为使左右手臂不离开方向盘，选择自动挡驾驶模式，不使用换挡机构；选择高速路驾驶模式，弯道较少，避免过多急加速与制动以及较小的转动方向盘幅度；根据道路的情况，控制方向盘转向，安全谨慎驾驶车辆。

1.2 实验数据采集与预处理

研究脑电信号的前提是提取脑电信号的特征，大脑在活动过程中会产生功能区域性脑波律动，通过驾驶员操作方向盘左右转向的实际运动行为来获取脑电信号，并提取相关导联的脑电特征。大脑在发令左、右手运动时，在两侧半球产生α波和μ节律的ERD/ERS(事件相关去同步与同步)信号，为了证明在真实的驾驶情况下，左右转向与脑电信号中特定频率信号的关系，将脑电信号进行特征提取与分类，获得相关导联的信号特征。文章采用了公共空间模式(Common Spatial Patterns,CSP)滤波算法应用于多导联数据特征提取任务。该方法是对两个协方差实对称矩阵对角化，通过方差的大小来反应节律信号的强弱[18]。CSP在脑电信号处理过程中，经常计算空间滤波来检测事件相关去同步现象(ERD)，设多导联EEG信号为N×T维矩阵，其中N为导联数，T为每导的采样点数。通过上述变换，我们可以获得空间滤波器为

W=BTP

(1)

一组EEG信号数据E可以通过式(1)映射到一个新的空间

Z=WE

(2)

其中，Z的大小为2m×T。

(3)

真实的驾驶过程中所获得的脑电信号，经过该组滤波投影后，获得较明显的特征向量。原始的脑电信号中也包含着很多噪声信号，这些噪声信号来自伪迹信号与眼电、肌电、心电等信号。为了消除噪声信号对脑电信号的干扰，我们将数据进行了预处理。为了克服小波变换中对频带划分不明确的问题，采用小波包分解的方式对脑电信号频带进行精细的特征分解。小波对信号的高频和低频同时进行分解，包含多频段的脑电信号经过小波包分解后，在第i层得到2i个子频带。ψ(t)表示小波变换的母函数，φ(t)为小波变换正交尺度函数，设正交尺度函数φ(t)的低通滤波器为h(n)，小波母函数ψ(t)的低通滤波器为g(n)，且，g(n)=(-1)1-nh(1-n)，则两个尺度方程为

(4)

(5)

式(4)、(5)中的i，j分别表示节点号和小波包分解的层数，信号f(t)在第j层，k节点的小波包分解系数为

(6)

(7)

原始数据的采样频率为1 000 Hz，通过降采样的方式获得500 Hz重采样信号。根据采样定理，重采样后的有效频率为250 Hz，进行6层小波包分解，获得64节点频带段小波包系数。想象左、右手运动与实际情况下左、右手运动的ERD/ERS一样[19]，想象左、右手运动，主要是8～12 Hz的μ节律，以及18～22 Hz的β波的两个频带信号的ERD/ERS现象明显。两种频率小波包分解后对应的频带关系：8～12 Hz：(6,2)；18～22 Hz：(6,4)，(6,5)。分解后的节点系数，通过对小波包节点(6,2)的重构可以获得。7.8～11.7 Hz的信号，通过对小波包节点(6,4)、(6,5)重构可以获得15.6～23.4 Hz的信号。将3个节点系数重构后获得小波包分解重构后的特征频率信号。

图2可以得出，节点系数(6，0)的频率范围与delta(0.5～4 Hz)，节点(6，1)的频率与theta的范围(4～8 Hz)，节点系数(6，2)的频率范围与alpha波(8～13 Hz)，节点系数(6，4)和(6，5)节点系数beta(13～30 Hz)。在左右转向过程中，8～12 Hz和18～22 Hz波段较明显的出现在驾驶员头皮层，小波包分解与重构的系数节点为(6，2)、(6，4)和(6，5)。

图2 小波包分解与重构树形结构

1.3 左右转向行为运动轨迹分析

无线惯性运动捕捉模块布置在驾驶员的手臂关节，腕关节和肩关节处，为了能够很好地采集到驾驶员运动数据，制作可穿戴的布置传感器设备，这样可以减小传感器与皮肤直接的滑动误差，惯性传感器可以输出X-Y-Z3个方向的加速度、欧拉角，通过对偶四元数的方法计算出关节运动轨迹，图3为驾驶员在操作方向盘左右运动行为的腕关节和肘关节运动轨迹[20]。

图3 驾驶员腕关节与肘关节的运动轨迹

1.4 脑功能网络连接分析

驾驶过程中左右转向行为会引起相关脑电位信号波动，通过脑功能网络连接的方式来表达运动事件相关的脑电位变化趋势，为了研究脑功能区N×N个电位或者对1×N个电位的关联程度常采用相关性分析方法。进而，可以利用相关性系数作为连接阈值强度来判断电位之间的功能性连接程度。Pearson相关性系数常作为分析两个物理参数之间的关系而被广泛使用[21]，其方程如式(8)所示

r(X，Y)=

(8)

其中X表示肢体段关节运动的加速度，Y表示是运动过程中脑电信号，例如：C3、C4、CP3和CP4。相关性系数取0至1之间，表示转向行为与该脑电位信号相关程度，根据相关性原则，相关性系数r小于 0.5 并且大于0.8，表示这俩个物理量具有强相关性。

2 实验结果

目前，大部分研究集中在运动想象过程中大脑功能区相关电位的变化趋势和关联性。研究表明，大脑运动功能区电位不是独立的，在各个功能区电位之间具有某种关联性[22]在短时间内脑电位之间的功能性相关性功能连接(Correlation Functional Connectivity(CFC))表现强烈[23]。为了能够定量分析脑功能区内电位信号之间的连接关系，通过相关性系数的阈值强度来分析电位之间的关联程度，选择12秒时窗内的实验数据分析各电位之间的阈值连接程度。用相关性系数来评估脑电位之间的功能性连接，因此，利用脑功能网络连接程度，探讨驾驶任务行为过程中脑功能区域内电位节点的连接关系。

2.1 左转向连接程度

为了表达脑网络节点连接状态，依据不同阈值确定脑电位节点间的连接状态。图4所示，左转向过程中，随着阈值强度的增加，脑功能网络连接的节点数量减少，C3和CP3的关联性较强，功能区域内相关电位的alpha波表现出良好的连接强度，因此,脑功能网络图能够很好的表现出驾驶左转向过程中脑功能区域内电位的变化和关联程度。

图4 左转向不同阈值强度下脑功能网络相关性连接程度

2.2 右转向的关联性

同左转向分析一样，在右转向过程中，随着阈值强度的增加，P4和CP4，P3 和 CP3，F4和C4，F8和FT8 表现出较强的相关性在阈值强度为0.989 。在右转向过程中，驾驶员左手操作方向盘用力向右，引起事件相关脑功能区电位变化，如图5所示。

图5 右转向不同阈值强度下脑功能网络相关性连接程度

3 结论

本文通过脑电采集设备与无线惯性运动捕捉传感器同时采集驾驶员脑电信号与左右驾驶行为姿态，证明了驾驶员脑电信号与真实驾驶行为的关系。左右转向行为过程中，驾驶员脑电信号Alpha波在主要感觉运动区域呈现出单侧增强。在实际驾驶实验基础上，证明了左右转向行为引起C3和C4电位与运动想象过程中引起的C3和C4电位变化特征相同。最后，在左右转向过程中，将驾驶员手臂关节运动轨迹和脑电功率谱地形图进行联合分析，综上所述，研究结果揭示了动态变化模型与脑电图源模型的关联程度，并将这些变化与运动控制的不同特征联系起来；通过实验详细讨论任务运动功能行为和参与驾驶任务的皮质区域电位之间的关系。本研究的未来发展方向将集中于评估大脑皮层活动与人体任务运动行为的准确幅度，未来目标是找到一种可靠的解码大脑连接程度方法，映射特定认知任务和运动行为的时变连接模式的动态演化关系。