結合生物反饋之新世代腦機介面及其在移動載具控制之應用---子計畫三：運動想像腦電波之腦機介面系統(I)

Abstract

本研究計畫中，我們將設計不同的運動想像實驗，並使用小波轉換、時間頻率分析、 事件相關同步/非同步分析等許多離線訊號分析的方法，觀察受試者在各種不同的運動想 像中量測到的腦電波訊號，藉以針對變化最顯著的運動想像來發展有效的空間濾波器技 術。同時，我們將根據腦電波訊號源逆向估算的技術，搭配不同的限制式設計空間濾波 器，對量測到的腦電波訊號作整體的濾波，得到較具代表意義的訊號，以提升後續研究 工作的效能。後續再搭配總計畫與其他子計畫之推展與需求，設計由簡單到進階的腦機 介面訓練系統，藉由生物反饋的機制，讓受試者能根據訓練系統的指示做自我訓練，此 時就可以配合已發展的空間濾波器技術來最佳化量測的訊號，使生物反饋的根據有更高 的準確度。由於使用者在不同的心智情況下腦電波生理訊號量測的結果會有所差異，因 此我們也擬藉由多次的訓練實驗，發展自動化調整空間濾波器的技術，在線上的實驗中 根據使用者當下的心智情況，對濾波器做即時的最佳化調整，使長時間訓練中濾波器仍 保有準確的分辨效果。這一系列的研究工作相當繁複且環環相扣，我們規劃為三年期研 究計畫，以循序漸進地推展各個重點項目。在執行中的第一年裡，我們設計難易度不同、 部位不同、動作不同的想像運動實驗，配合許多已發展的技術分析離線訊號，確定在未 來將使用何種活動作為命令控制的基礎。而在未來的第二年我們將開發有效的空間濾波 器技術，根據先前相關研究成果，使用不同的限制式來設計濾波器，以最佳化訊號的特 徵。第三年我們將配合總計畫與其他子計畫的研究發展，進行設計具有生物反饋的機制 的線上腦機介面訓練系統，並發展線上自動調整濾波器的技術，同時也進行系統整合測 試與評估。

In EEG-based Brain-Computer Interface (BCI) systems, potential waveforms recorded at subject’s scalp through EEG electrodes are normally used for feature extraction and signal classification. By recognizing EEG recordings measured at different mental situations of subject’s brain, computers or robots can execute specific tasks corresponding to the mental situations. Unfortunately, the potential measured at the EEG electrodes is an ensemble effect of the bioelectric signals originated from all of the active regions and conducted within the whole volume of the head. Brain activities that are not related to the thoughts for control or the specific events will also contribute to the measurements and thus interfere with the following signal processing and classification procedures. To enhance the accuracy, stability, and efficacy of conventional EEG-based BCI systems, we propose in this project to analyze various motor imagery tasks aiming at the most suitable one for BCI systems. We also plan to develop biomedical signal analysis technologies, maximum contrast beamformer, to filter out temporal waveforms of the bioelectric brain activities that are related to the control thoughts or specific events. BCI systems can thus utilize the brain activation signals, instead of the EEG measurements, for recognition purpose. Furthermore, we will also construct a BCI with biofeedback so that both the subjects and the system can adapt themselves for better performance.