摘要：脑机接口（BCI）为人类大脑与外部设备之间提供了一种互联途径，为思维操控铺平了潜在道路。然而，由于在复杂无线环境中考虑到人类大脑信息交互的可靠性和安全性，大多数现有 BCI 技术基于简单的信号传输且独立于其他接口设备。为了解决这一严峻限制，我们提出了一种脑时空编码超表面（BSTCM）系统，以深度融合视觉刺激和电磁操控，实现人类大脑与外部设备之间可靠且安全的信息传输。在这里，我们创新性地将 BCI 闪烁帧和电磁编码序列集成在 BSTCM 系统中，并且时空编码（STC）超表面通过使用谐波加密光束确保安全的无线通信。我们设计并制造了一个原理验证演示系统，实验表明，所提出的无线 BCI 方案可以为未来 6G 无线通信中备受关注的领域 —— 人机交互、智能超表面和元宇宙中的潜在应用建立一种远程但受保护的范式。

关键词：时空编码超表面、脑机接口、安全无线通信、人机交互

引言

脑机接口（BCI）已成为人机交互中的前沿技术，并展示了在元宇宙交互和智能家居等方面的有前途的应用。脑电图（EEG）信号仍然是 BCI 系统中主要的输入信号模态，其显著的实现包括运动想象、P300 和稳态视觉诱发电位（SSVEP）。基于 SSVEP 的 BCI 系统利用大脑对固定频率视觉刺激的 SSVEP 响应进行思维识别和交互，提供了高信息传输率（ITR）的显著优势。BCI 已广泛应用于增强现实（AR）、拼写输入、医疗康复和设备控制等各个领域。最近，一些高性能 BCI 系统不断被提出。6G 无线通信技术的出现和发展极大地拓宽了 BCI 的应用前景，特别是在物联网（IoT）、虚拟现实（VR）设备等方面。因此，在构建的通信环境中促进智能交互时，确保高安全性和隐私保护变得至关重要。

然而，大多数现有 BCI 系统在安全性方面缺乏深入研究。在 BCI 系统中脑信号的无线传输期间，存在被盗取和攻击的漏洞，可能导致设备控制命令的不准确生成和个人隐私的未经授权披露。尽管已经提出了一些方法来增强 BCI 系统中数据的安全性和隐私性，但明显缺乏针对 BCI 系统专门定制的加密机制的研究。更重要的是，视觉刺激的实现仍然与后端信息处理系统隔离，缺乏深度信息融合和交互。随着对 BCI 系统中高安全性的需求增加，在安全可靠的通信环境中发展智能交互至关重要。频率依赖的 SSVEP 响应和时空编码（STC）超表面的可编程谐波特性显示出显著的相似性。因此，STC 超表面可以用作一种有前途的方法，由于其在时间和空间域中灵活操纵电磁波的强大能力，不仅提供视觉刺激，而且确保 BCI 系统在物理层的安全性。

在本文中，我们报告了一种脑时空编码超表面（BSTCM）系统，它将人类大脑智能与 STC 超表面灵活的电磁操纵能力相结合。据我们所知，这是首次通过超表面在 BCI 系统中深度集成视觉刺激和电磁编码调节。在这里，STC 超表面用于有效地支持基于 SSVEP 的 BCI 的视觉刺激，同时实现与外部环境的信息交互。实现了一个轻量级的深度学习分类模型，以最大化识别性能。为了增强 BCI 安全性，我们提出了一种基于 BSTCM 的不同谐波调节特性的高安全性加密无线通信系统，该系统有效地结合了变体谐波秘密密钥（HSKs）和视觉秘密共享（VSS）方法。通过这种方式，窃听者只有通过在通信过程中同时拦截所有谐波频率的机密信息并获取复杂的秘密密钥才能解码，这证明了该系统具有极高的安全性。最后，BSTCM 系统呈现了智能设备控制，实现了智能人机交互。所提出的 BSTCM 可以建立人机交互、基于超表面的无线通信和元宇宙中潜在应用的新范式。

系统配置

所提出的 BSTCM 在图 1 中示意性地展示，它由一个 STC 超表面、一个基于 SSVEP 的脑机接口和一个 FPGA 控制模块组成。超表面元素包含一个用于调节电磁波的超结构和一个用于 SSVEP 范式的发光二极管（LED）刺激器。STC 超表面分为四个 LED 闪烁分区，以不同的频率运行：8.5Hz、10Hz、11.5Hz 和 7Hz。当操作员在 FPGA 的帮助下暴露于不同频率的 LED 闪烁刺激时，头戴式 EEG 帽可以准确地提取相应的基于 SSVEP 的 EEG 信号。为了提高 EEG 信号识别的效率和准确性，我们提出了一种深度学习模型来识别提取的 EEG 信号，如图 2c 所示。在识别过程完成后，识别的信号被传输到 FPGA，使其能够控制 STC 超表面在不干扰 EEG 刺激的情况下更新四个 LED 闪烁频率中相应的 STC 矩阵。BSTCM 系统使个人能够通过人类思维定制和调制电磁波。

利用丰富的谐波调制能力和人类大脑智能的优势，BSTCM 系统可以分别实现高安全性加密无线通信系统和由人类思维控制的智能设备。在高安全性加密无线通信中，谐波频率被用作秘密密钥，并且 VSS 方法被用于加密传输的信息。首先，信息被加密为两个依赖于相应 HSKs 的视觉秘密密文。作为元宇宙中的接口设备之一，BCI 在使个人能够在虚拟世界中交互方面发挥着至关重要的作用，并且它需要高安全性能。所提出的加密无线通信旨在满足元宇宙中安全通信的要求。例如，在图 1 所示的元宇宙场景中，配备 EEG 帽的合法发射器（Alice）根据加密通信有意将秘密信息在两个谐波频率上传输给两个合法接收器（Bob 和 Carol）。窃听者（Eve）无法解密传输的信息，除非她同时获得秘密密钥、两个密文和加密机制，这几乎是不可能的。因此，通过调制 STC 超表面生成大量 HSKs，所提出的系统确保了高安全性和隐蔽性。巧妙地伪装成 LED 刺激器，STC 超表面有效地阻止了窃听者检测信息交互。另一方面，所提出的系统还使智能设备在现实环境中的无线控制成为可能，允许根据用户的大脑意图直接操纵设备，而无需物理动作。因此，BSTCM 可以作为 SSVEP 的刺激器，并有效地操纵电磁波以实现安全的 BCI 无线通信。

SSVEP 信号识别

通过检测 SSVEP 成分，可以在 BCI 系统中准确识别 EEG 信号。STC 超表面集成了 LED，支持四种频率的目标闪烁刺激，并且只需注视相应的视觉刺激即可输出命令。STC 超表面由 32×32 个元素组成，分为四个分区，每个区域由 16×16 个元素组成。在这些分区中，LED 以四种不同的频率（8.5Hz、10Hz、11.5Hz 和 7Hz）运行，用于诱发四种不同的 SSVEP 信号。如图 2a 所示，SSVEP - BCI 分为三个不同的阶段：准备阶段、信号采集阶段和信号识别阶段。在准备阶段，参与者佩戴配备位于 O1 和 O2 区域的电极的 EEG 帽，并将注意力集中在 STC 超表面的一个区域上。在信号采集阶段，参与者保持注视，同时 EEG 放大器收集 EEG 数据。图 2d 显示了经过 FFT 分析（使用频率范围为 5 - 40Hz 的巴特沃斯带通滤波器进行预滤波）后四个目标频率的 EEG 信号的频率分布。如图 2b 所示，在信号识别阶段，信号经过初始预处理过程，包括信号分解、频谱计算和加权求和、输出信号幅度谱（SigSpec）。随后，与预先计算的参考谱（RefSpec）执行外积运算，生成八个特征图（包括两个通道和四个目标频率），每个特征图的大小为 160×160 像素。在对应于预期分类结果频率的特征图中出现了明显的方形网格图案。传统的 SSVEP 分类和识别算法包括典型相关分析（CCA）、滤波器组典型相关分析（FBCCA）、任务相关成分分析（TRCA）、支持向量机（SVM）和卷积神经网络（CNN）。然而，上述算法中仍然存在一些限制。在这里，我们提出了一种深度学习分类算法，该算法在信号识别阶段嵌入了 SSVEP 成分。上述八个特征图被输入到一个轻量级 CNN 分类模型中，该模型包含四个卷积层和两个线性层，如图 2c 所示。特征图首先通过卷积输入层进行处理。随后，在数据通过 ReLU 函数激活后，应用一个 2×2 的 MaxPooling 操作。为了促进原始数据的传播，在第二个和第三个卷积层之间战略性地集成了一个残差连接。每个卷积层之后都有相同的 2×2 的 MaxPooling 操作和 ReLU 激活。在从八个特征图中提取特征后，部署了一系列两个连续的线性层，将特征分类为四个不同的目标频率。最后，使用具有 sigmoid 激活的输出层将模型的输出重塑为 4 个置信度分数。最终，该模型在验证集上实现了 96.67％的分类准确率，精度和召回率超过 90％。这些结果突出了本工作中提出的 SSVEP 成分分类算法的有效性。

STC 超表面的设计

图 3a 展示了集成 LED 的 1 位 STC 超表面元素的详细配置，它由三个金属层和多个基板层组成。顶部金属层有两个开槽矩形贴片，宽度为 w = 7.3mm，长度为 l = 11mm，其中中间槽的宽度为 w1 = 1.5mm，长度为 l1 = 7mm。宽度为 0.15mm 的外部金属框架用于削弱元素之间的耦合效应。顶部 F4B 电介质基板的相对介电常数为 2.65，损耗正切为 0.003，厚度 h = 3mm，周期 p = 19mm。两个 PIN 二极管串联加载在两个矩形贴片的中间，与金属条连接的两个矩形贴片作为正负极，其中两个电感用作射频（RF）扼流圈，以有效地将 RF 信号与直流（DC）隔离。作为闪烁刺激的 LED 放置在金属贴片外部，以避免影响超原子的散射性能，并与 PIN 二极管共享相同的电压。为了评估 1 位超原子的性能，使用商业软件 CST Microwave Studio 进行了全波模拟。如图 3b 和 3c 所示，通过切换两个 PIN 二极管的状态，可以改变超原子的散射特性，对应于不同的 RLC 等效电路模型，从而实现 1 位相位调节。处于 OFF 状态的二极管被分配为编码 “0”，处于 ON 状态的二极管被编码为 “1”。当超原子受到 y 极化平面波的正常照射时，在大约 6.9GHz 处观察到 “0” 和 “1” 状态之间的 180° 相位差，并且两个状态都表现出反射幅度超过 - 1dB，表明 1 位可编程超原子的优异性能。因此，设计的超原子可用于构建 1 位 STC 超表面。详细的原型设计、建模和表征在方法和补充说明 9 中给出。

为了建立双用户加密无线通信系统，我们使用 STC 超表面实现了幅移键控调制方案，通过空间和频率复用实现同时加密传输。来自 FPGA 的控制电压应用于 PIN 二极管，使 1 位 STC 元素的反射相位以周期????进行周期性切换。因此，每个 STC 元素都具有周期性的时间编码序列，并构成 STC 矩阵的一部分，使得在空间和时间域中灵活控制电磁波成为可能。STC 矩阵的灵活性可以在频率间隔????处生成一系列新的谐波谱，这些谐波谱可以根据特定要求进一步优化（见补充说明 7 和 8）。时空调制使丰富的谐波特性能够构建基于谐波的加密无线通信。使用 2D STC 矩阵，我们可以调制电磁波以转向目标用户的期望方向。STC 矩阵包含 16 行元素，每个元素具有 11 个间隔的周期性时间编码序列。作为示例，图 3 展示了与三个 STC 矩阵（M0，M1 和 M2）对应的三个辐射模式。如图 3e 所示，优化的 STC 矩阵 M1 的辐射模式被策略性地操纵，以在 + 1 次谐波频率处产生一个偏转角为 θ = - 15° 的主波束，如图 3h 所示。类似地，如图 3f 所示，STC 矩阵 M2 的辐射模式被优化为将波束指向角度 θ = + 30°，与 - 1 次谐波频率相对应，如图 3i 所示。此外，如图 3d 所示，时间不变的 STC 矩阵 M0 有助于将主波束定位在与基频相关的 θ = 0° 方向，如图 3g 所示。作为幅移键控调制方案的一个示例，当传输信息被编码为二进制数据流时，STC 超表面的左面板（???? = 8.5Hz 和???? = 10Hz）用于在 θ = - 15° 的位置向 User1 发送数字符号 “0” 和 “1”。STC 超表面的右面板（???? = 11.5Hz 和???? = 7Hz）用于在 θ = + 30° 的位置向 User2 发送数字符号 “0” 和 “1”。在微波暗室中进行实验以测量 STC 超表面的远场辐射模式，如补充说明 10 和 11 所示。

受基于 SSVEP 的 BCI 在单个频率上收集数据和检测 EEG 信号的要求限制，提出了一种可行的编码策略来提高符号错误率（SER），如图 3j - m 所示。数字符号 “0/1” 的传输涉及将一系列重复的数据帧编码为周期为 4 帧的同步帧。在编码方案中，第一位 “1” 作为起始位，标志着传输过程的开始。第二位表示用于传输的谐波频率（+1 次或 - 1 次），第三位对应于数据本身的传输。最后，第四位作为停止位，表示结束传输一个数据帧。基于该编码过程，User1 的数字符号 “0/1” 被编码为重复的数据帧 “10001000” 或 “10101010…”，分别。类似地，User2 的数字符号 “0/1” 被编码为重复的数据帧 “11001100…” 或 “11101110…”，分别。因此，以开关频率????运行的 STC 矩阵 M1 被精确地注入与闪烁频率????和????相关的高幅度区域，如图 3j 和 3k 所示。当信息通过 BSTCM 系统发送给 User1 时，STC 矩阵会更新。类似地，周期开关频率????的 STC 矩阵 M2 被注入与闪烁频率????和????相关的高幅度区域，如图 3j 和 3k 所示，表示信息传输给 User2。值得注意的是，STC 矩阵的更新不会影响用于 SSVEP 刺激的 LED 的闪烁频率，确保 BCI 信号可以被同步检测和识别。

安全加密无线通信系统

传统的 VSS 方法用于加密机密信息的各个像素，其中每个像素被分为两个子像素。值得注意的是，从这个过程中衍生出的每个份额都不包含与原始图像内容相关的任何可识别信息。因此，一个秘密消息拥有两个视觉共享密钥（VSKs），这有效地保证了任何单个 VSK 的披露都不会损害原始秘密信息的机密性。在这里，我们通过将 STC 超表面的谐波特性与 VSS 方法相结合，提出了一种新颖的加密策略，旨在实现直接由人类思维控制的高安全性加密无线通信。在所述加密策略中，两个 VSKs 不是简单地相互堆叠以恢复原始信息，而是依赖于 HSKs。在所述加密过程中，待传输的机密信息首先根据所提出的加密编码方案被加密为两个随机 VSKs。然后，两个生成的 VSKs 进一步被编码为两个针对谐波频率的随机 HSKs。在解密时，两个与每个秘密相关的 VSKs 可以通过预定制的变体 HSK 序列进行重建。加密和解密方法的详细信息可以在补充说明 12 中找到。通过 HSKs 的存在，目标图像可以通过两个提取的 VSKs 的非相干叠加来解密。通过将可寻址共享信息位赋予谐波动态，实现了强大的信息安全级别。作为图 4a 中的示例，由 5×5 的黑色或白色像素网格组成的图像 “H” 根据所提出的加密方法被加密为两个随机 VSK1 和 VSK2。两个 VSKs 的比特流序列可以通过所提出的 BSTCM 系统由 BCI 操作员（Alice）连续传输给两个指定用户（Bob 和 Carol）。

为了验证加密通信方案，我们使用 BSTCM 实验性地建立了一个加密无线通信系统，如图 4b 所示。1 位 STC 超表面的原型用于构建加密通信系统，如补充图 15 所示。使用商业 BCI 设备（Brain Product GmbH 公司的 actiCHamp），由 EEG 帽和放大器组成，当操作员注视 STC 超表面的不同分区时获取 EEG 信号。相应的 EEG 信号可以通过所提出的深度学习算法准确识别。该算法的详细描述在补充说明 6 中提供。一个线性极化喇叭天线，连接到信号发生器（Keysight E8267D），放置在距离超表面中心垂直距离 4m 处，以 6.9GHz 的频率激发单色平面波。接收终端由两个喇叭天线（作为两个用户）和一个频谱分析仪（Keysight N9040D）组成，用于解调接收信号。两个接收喇叭天线分别位于相对于超表面法线的 θ = - 15° 和 θ = + 30° 的角度。在传输过程中，信息被加密，根据加密方案生成两个基于谐波的密文。BCI 操作员在与二进制密文对齐的情况下直接注视 STC 超表面，确保传输过程。此外，系统能够及时获取、识别并将 EEG 信号转换为 FPGA 的适当控制信号，进而驱动 STC 超表面。因此，实现了二进制密文的准确传输，促进了 BCI 操作员与预期接收者之间可靠和高效的通信。

在接收过程中，通过自由空间传播的辐射信号分别被两个喇叭天线接收这些信号随后使用频谱分析仪进行解调。如图 4c 所示，解调后的信号代表了对应于两个用户的不同数字符号（“0” 或 “1”）的四种编码方案，并通过 FFT 方法处理为图 4d 所示的解码结果。解码结果清楚地展示了四个重复的数据帧，有力地支持了所提出的系统成功恢复传输信息的能力。因此，BCI 操作员基于所提出的无线通信系统将两个二进制密文传输给两个特定用户。传输的信息被接收，测量结果在补充说明 13 和补充视频 1 中全面展示。通过使用前面描述的编码方法，从接收信号中提取出对应于特定用户的数据流，如图 4e - f 所示。随后，这些数据流通过补充说明 12 中概述的方法被准确解密。解密后的信息如图 4g 所示。传输信息的成功解密和恢复证实了所提出的系统在保持高安全性和保密性方面的稳健性和有效性。该系统不易被解密或破解，证明了其在传输过程中保护敏感信息的能力。

思维控制智能设备

为了实验验证所提出的 BSTCM 系统的性能，我们进行了实验，展示了通过人类意图对智能设备的远程控制能力，这对于提高残疾人士的生活质量具有重要潜力。

图 5a 所示的系统流程图概述了实验设置中涉及的关键步骤。首先，获取 EEG 信号，然后由 BSTCM 系统进行处理以进行命令识别。识别的命令随后被转换为更新超表面的 STC 矩阵由 FPGA 完成。STC 超表面的四个分区由 FPGA 控制，以在四个偏转角度生成不同的波束，对应于四个谐波频率，实现对智能设备的远程控制。值得注意的是，在 - 2 次谐波频率处的主波束在 θ = + 10° 的方向上呈现出明显的峰值，对应于分配给 User 3 的设备。相反，在 + 2 次谐波频率处的主波束在 θ = - 45° 处表现出强烈的峰值，对应于分配给 User 1 的设备。如图 5c 和 d 所示，测量的辐射模式与与相应 STC 矩阵相关的理论预测具有良好的一致性。此外，使用 + 1 次和 - 1 次谐波频率（User 2 和 4），主波束在其他两个角度（-15° 和 30°）偏转，如图 3h 和 i 所示。STC 超表面出色的谐波波束操纵为智能设备控制奠定了坚实的理论基础。接收终端由四个喇叭天线、四个射频能量检测器（LMH2110）、四个微控制器单元（MCU）模块（Arduino）和四个 LED 模块（作为智能设备）组成，如图 5b 所示。检测器捕获的谐波波束的射频能量可以转换为直流电压，随后被馈入 MCU 模块。一旦检测到相应的直流电压，MCU 模块就发送控制命令来激活相应的 LED 模块，从而实现对智能设备的远程控制。实验设置如图 5b 所示，其中 STC 超表面由 6.9GHz 的单色频率信号照亮。

为了验证脑控制智能设备系统的稳健性，接收天线的位置依次放置在距离超表面中心不同的距离处，同时相对于超表面法线保持特定的谐波方向角度。对发射谐波波束的射频能量的检测在不同距离上进行，并且射频检测器可以准确地转换相应的直流电压，如图 5e 所示（详细信息见补充说明 14）。我们观察到，随着距离的增加，四个用户的射频能量相对减小，转换后的直流电压也相应减小。为了保证达到远场区域并保持系统稳定性，四个接收天线放置在距离超表面约 300cm 处。因此，在 MCU 模块中检测电压阈值分别设置为 0.15V、0.4V、0.4V 和 0.2V。我们录制了脑控制多个智能设备的视频，如补充视频 2 所示。图 5f 所示的序列图清晰地展示了顺序控制过程，其中智能设备（LED 模块）通过 BSTCM 系统通过人类意图依次被控制。实验证明了脑控制智能设备的可行性。通过利用 BCI 技术的力量，个人可以在不需要物理交互的情况下对智能设备进行控制。BSTCM 系统实现了对各种智能设备的无缝和直观操作，为人们在日常生活中提供了更大的独立性和便利性。实验结果有力地验证了 BSTCM 在提高面临身体挑战的个人生活质量方面可以提供的显著益处。

结论

我们提出了一种 BSTCM 系统，它结合了人类大脑智能和 STC 超表面灵活的电磁控制能力。在超表面上采用了一系列由特定编码方案编码的视觉刺激，以实现电磁领域中深度的信息处理和交互，从而实现可靠和稳定的通信环境。此外，我们提出了一种轻量级的深度学习算法，以准确识别 BCI 设备提取的大脑信号。我们进一步展示了一种基于不同谐波频率特性的高安全性加密无线通信系统，该系统结合了变体 HSKs 和 VSS 方法。所提出的系统可以使系统具有高安全性。最后，BSTCM 系统展示了对智能设备的远程控制，实现了智能人机交互。所提出的 BSTCM，将电磁操纵能力与人类大脑的智能相结合，为元宇宙中人机界面的交互以及未来 6G 无线通信应用提供了一种新的范式。

本文来自新知号自媒体，不代表商业新知观点和立场。
若有侵权嫌疑，请联系商业新知平台管理员。
联系方式：system@shangyexinzhi.com