馬斯克的腦機接口如何識別腦電波

2020年8月29日，狂人馬斯克發布新一代無線腦機接口，這個接口可以實現讀取大腦記憶，向大腦傳輸觸覺信號。

也就是說，計算機通過腦機接口可以與大腦直接進行通信。在沒有腦機接口之前，大腦與計算機溝通是通過人體器官（眼睛、手指、耳朵）及電腦硬體（屏幕、鍵盤、揚聲器）來進行間接通訊，現在腦機接口一出來可好了，計算機與大腦直連。

以後看電影、看書可以閉著眼睛，聽音樂也不需要耳朵了，發送信息也不需要手機了，相隔千裡，只要有信號，就能隨時與其他大腦直接溝通，遊戲體驗更沉浸了，比VR體驗更棒。

另外技能數位化讓學習更快捷，舉個例子：不會開飛機沒關係，直接通過腦機接口下載開飛機的經驗數據到大腦後就能立刻開飛機，是不是很酷。

小編好期待腦機接口商用，這樣寫文章就不用打字了，閉上眼睛就能寫文章，太棒了，那麼腦機接口又是如何識別腦電波的呢？

腦機接口中有一個重要的組件叫做生物電傳感器，它的作用就是獲取大腦神經元活動的信息，傳給感應晶片，感應晶片通過差分放大、濾波、數模轉換等手段轉換成可識別的數據,比如餓了。

那麼這個轉換算法是怎麼算出來了，今天我們來說說常用的三種腦電波識別算法模型。

一、共空間模式CSP：

共空間模式（CSP）是一種對兩分類任務下的空域濾波特徵提取算法，它能夠從多通道的腦機接口數據裡面提取出每一類的空間分布成分。

公共空間模式算法的基本原理是利用矩陣的對角化，找到一組最優空間濾波器進行投影，使得兩類信號的方差值差異最大化，從而得到具有較高區分度的特徵向量。

假設X1和X2 為二分類想像運動任務下的多通道誘發相應時空信號矩陣，他們的維數均為N∗T,N表示腦電的通道數，T為每個通道所採集的樣本數。為了計算協方差矩陣，現在假設N<T。在兩種腦電想像任務情況下，一般採用複合源的數學模型來描述EEG信號，為了方便計算。一般忽略噪聲所產生的影響。

上面公式中，分別代表兩種類型任務，不妨假設兩個源信號是相互線性獨立的；SM代表兩種類型任務下所共同擁有的源信號，假設S1是由m1個源所構成的，S2是由m2個源所構成的,則C1和C2便是由S1和S2相關的m1和m2個共同空間模式組成的，由於每個空間模式都是一個N∗1維的向量，現在用這個向量來表示單個的源信號所引起的信號在N個導聯上的分布權重。CM表示的是與SM相應的共有的空間模式。CSP算法的目標就是要設計空間濾波器F1和F2得到空間因子W。

二、功率譜密度PSD：

功率譜密度是指用密度的概念表示信號功率在各頻率點的分布情況，是對隨機變量均方值的量度，是單位頻率平均功率的量綱[12]。該方法的計算步驟是

步驟一： x （n） 為無限長隨機序列，截取長度 N 變為有限長序列稱為 XN(n)

步驟二：計算 XN(n) 在(2m-1) 點的自相關函數 RX(m)。

步驟三：求相關函數的傅立葉變換的得到功率譜

三、離散小波變換DWT：

定義（來之百度百科）：離散小波變換是對基本小波的尺度和平移進行離散化。在圖像處理中，常採用二進小波作為小波變換函數，即使用2的整數次冪進行劃分。

首先我們定義一些需要用到的信號及濾波器。

x[n]：離散的輸入信號，長度為N。

g[n]：low pass filter低通濾波器，可以將輸入信號的高頻部份濾掉而輸出低頻部份。

h[n]：high pass filter高通濾波器，與低通濾波器相反，濾掉低頻部份而輸出高頻部份。

Q：downsampling filter降採樣濾波器，如果以x[n]作為輸入，則輸出y[n]=x[Qn]。此處舉例Q=2。

好了，今天就講到這，有什麼問題歡迎在評論區留言，關注我，每天更新一篇技術好文哦。