腦機接口技術是通過信號采集設備從大腦皮層采集腦電信號經(jīng)過放大、濾波、A/D轉換等處理轉換為可以被計算機識別的信號，然后對信號進行預處理，提取特征信號，再利用這些特征進行模式識別，最后轉化為控制外部設備的具體指令，實現(xiàn)對外部設備的控制。

　　一個典型的腦機接口系統(tǒng)主要包含4個組成部分：信號采集部分、信號處理部分、控制設備部分和反饋環(huán)節(jié)。其中，信號處理部分包括預處理、特征提取、特征分類3個環(huán)節(jié)。

　　1、信息采集

　　從目前的研究水平來看，我們在評估某種信息采集手段優(yōu)劣時需要考慮三個方面的標準：

　　規(guī)?！梢杂涗浂嗌偕窠?jīng)元。

　　分辨率——這個工具接收到的信息的細致程度。這里所說的分辨度可以分成兩種：空間上的分辨率（能否細致記錄單個神經(jīng)元的觸發(fā)情況）和時間上的分辨率（能否確定你所記錄的活動的確切發(fā)生時間）。

　　侵入性——是否需要手術？如果需要，手術的影響范圍有多大？

　　而腦機接口的分類，則通常是根據(jù)“侵入性”被分為：非侵入式（腦外）、侵入式和半侵入式。

　?。ㄈ缟蠄D，不同的接口類型所獲得的信號強度有很大差異）

　　非侵入式：是指無需通過侵入大腦，只需通過附著在頭皮上的穿戴設備來對大腦信息進行記錄何解讀。這種技術雖然避免了昂貴和危險的手術，但是由于顱骨對于大腦信號的衰減作用，以及對于神經(jīng)元發(fā)出的電磁波的分散和模糊效應，使得記錄到的信號強度和分辨率并不高，很難確定發(fā)出信號的腦區(qū)或者相關的單個神經(jīng)元的放電。

　　侵入式：是指通過手術等方式直接將電極植入到大腦皮層，這樣可以獲得高質量的神經(jīng)信號，但是卻存在著較高的安全風險和成本。另外，由于異物侵入，可能會引發(fā)免疫反應和愈傷組織（疤痕組織），導致電極信號質量衰退甚至是消失。另外傷口也易出現(xiàn)難以愈合及炎癥反應。

　　半侵入式：即將腦機接口植入到顱腔內，但是在大腦皮層之外。主要基于皮層腦電圖（ECoG）進行信息分析。雖然其獲得的信號強度及分辨率弱于侵入式，但是卻優(yōu)于非侵入式，同時可以進一步降低免疫反應和愈傷組織的幾率。

　　典型的非侵入式系統(tǒng)有腦電圖（EGG），腦電圖是有潛力的非侵入式腦機接口的主要信息分析技術之一，這主要是因為該技術良好的時間分辨率、易用性、便攜性和相對低廉的價格。

　　但是，腦電圖技術的一個問題是它對噪聲的敏感；另一個使用EEG作為腦機接口的現(xiàn)實障礙是用戶在工作之前要進行大量的訓練。

　　2、信息分析

　　收集好了足夠多的信息后，就要進行信號的解碼和再編碼以處理干擾。腦電信號采集過程中的干擾有很多，如工頻干擾、眼動偽跡、環(huán)境中的其他電磁干擾等。

　　分析模型是信息解碼環(huán)節(jié)的關鍵，根據(jù)采集方式的不同，一般會有腦電圖（EGG），皮層腦電圖（ECoG）等模型可以協(xié)助分析。

　　信號處理、分析及特征提取的方法包括去噪濾波、P300信號分析、小波分析+奇異值分解等。

　　3、再編碼

　　將分析后的信息進行編碼，如何編碼取決于希望做成的事情。比如控制機械臂拿起咖啡杯給自己喝咖啡，就需要編碼成機械臂的運動信號，在復雜三維環(huán)境中準確控制物體的移動軌跡及力量控制都非常的復雜。

　　但編碼形式也可以多種多樣，這也是腦機接口可以幾乎和任何工科學科去結合的原因。最復雜的情況包括輸出到其他生物體上，比如小白鼠身上，控制它的行為方式。

　　4、反饋

　　獲得環(huán)境反饋信息后再作用于大腦也非常復雜。人類通過感知能力感受環(huán)境并且傳遞給大腦進行反饋，感知包括視覺、觸覺、聽覺、嗅覺和味覺等等。

　　腦機接口要實現(xiàn)這一步其實是非常復雜的，包括多模態(tài)感知的混合解析也是難點，因為反饋給大腦的過程可能不兼容。

　　五、基于EEG的腦機接口研究方法

　　人和動物的大腦，特別是皮層細胞，存在著頻繁的自發(fā)電活動，無需任何外界刺激。從腦電極記錄到的電位是對腦部大量神經(jīng)元活動的反應，低至微伏級，這種電活動的電位隨時間的波動稱為腦電波（EEG）。

　　EEG反應了大腦組織的電活動及大腦的功能狀態(tài)，腦的復雜活動反應在頭皮上的電位活動就是EEG軌跡。所以理論上，人的意圖通過腦電應該可以被探測識別出來。

　　BCI的先驅曾經(jīng)指出“在理論上，腦的感覺、運動及認知意識在自發(fā)EEG中應該是可辨識的”，因此EEG成為BCI研究中的常見工具。BCI技術就是要通過識別這種意圖，將之表達為對外部設備的直接控制。

　　由于腦電信號的本質還未知，難以確定一種特定的信號識別方法。假設腦電信號是線性的，那么大多數(shù)BCI使用的線性識別方法足以應用。反之，則線性識別算法對于希望被識別的信號可能是最糟糕的描述。但無論何種情況，BCI技術的首要任務就是從EEG中識別出人的主觀操作意識，并將之表達為對外部設備的直接控制。同樣的道理，基于皮層腦電圖（ECoG）的信息分析也與之類似。

　　1、腦機接口研究中所使用的腦神經(jīng)信號

　?。?）P300（誘發(fā)電位）

　　P300是一種事件相關電位（ERP），在時間相關刺激300～400ms后出現(xiàn)的正電位，主要位于中央皮層區(qū)域，其峰值大約出現(xiàn)在時間發(fā)生后300ms，相關事件發(fā)生的概率越小，所引起的P300越顯著?；赑300的BCI的優(yōu)點是P300屬于內部相應，使用者無需通過訓練就可產(chǎn)生P300。

　?。?）視覺誘發(fā)電位（誘發(fā)電位）

　　視覺誘發(fā)電位是指從視覺通路的不同水平區(qū)域記錄的不同生物電反應，其誘發(fā)刺激可以是熒光、閃光刺激。視覺誘發(fā)電位又可以分成短時視覺誘發(fā)電位和穩(wěn)態(tài)視覺誘發(fā)電位兩種。

　?。?）時間相關同步或時間相關去同步電位（自發(fā)腦電）

　　單邊的肢體運動或想象運動，大腦同側產(chǎn)生事件相關同步電位（ERS），大腦對側產(chǎn)生時間相關去同步電位（ERD）。ERS、ERD是與運動相關的，主要位于感覺運動皮層。

　　（4）皮層慢電位（自發(fā)腦電）

　　皮層慢電位也稱慢波電位（SlowCorticalPoten2tials，SCPs），是皮層電位的變化，是腦電信號中從300ms持續(xù)到幾秒鐘的大的負電位或正電位，能反應皮層Ⅰ和Ⅱ層的興奮性，個人可以通過生物反饋訓練產(chǎn)生這種電位。

　?。?）自發(fā)腦電信號（自發(fā)腦電）

　　在不同的知覺意識下，人們腦電中的不同節(jié)律呈現(xiàn)出各異的活動狀態(tài)。這些節(jié)律是受不同動作或思想的影響。按照所在頻段的不同分類，一般采用希臘字母（α、β、γ、δ）來表示不同的自發(fā)EEG信號節(jié)律。比如α節(jié)律在8～13Hz頻段，而β節(jié)律則在13～22Hz頻段。

　　采用以上幾種腦電信號作為BCI輸入信號，具有各自的特點和局限。P300和視覺誘發(fā)電位都屬于誘發(fā)電位，不需要進行訓練，其信號檢測和處理方法較簡單且正確率高。不足之處是需要額外的刺激裝置提供刺激，并且依賴于人的某種知覺（如視覺）。其它幾類信號的優(yōu)點是可以不依賴外部刺激就可以產(chǎn)生，但需要大量的特殊訓練。

　　2、特征提取和轉換方法

　　特征提取涉及如何從EEG中提取少量的有用的信息，分別利用這些信息進行不同腦狀態(tài)的區(qū)分。常用的特征提取的算法如：：FFT（FastFourierTransformAlgorithm）、相關性分析、AR（AutoRegression）、參數(shù)估計、CSP（CommonSpatialPatterns）、Butter2worth低通濾波、遺傳算法等。算法的選擇與所利用的信號特征及電極位置有關。

　　信號處理的目標是最終從信號中識別出使用者的意圖并執(zhí)行，系統(tǒng)的首要任務就是最大化。信噪比，尤其是當噪聲和信號極為相似的時候就顯得更為重要。提高信噪比的技術有很多，具體有空間及時間濾波方法、信號平均以及單次識別方法。BCI轉換算法把信號特征（如節(jié)律幅值或神經(jīng)元放電率）轉換為具體的控制命令。