神经信号起源
不同 BCI 电极看到的是完全不同物理尺度的信号。这一节解释 spike、LFP、ECoG、EEG 这四种信号各自的物理起源、空间尺度和能解码内容的上限。这决定了一个 BCI 系统能做什么、不能做什么。
一、神经元的电活动基础
神经元通过离子通道的开闭产生电信号。两种关键事件：
- 动作电位（Action Potential, spike）：神经元胞体产生的全或无脉冲，波形持续 1–2 ms，幅度约 100 mV（细胞内）。这是神经系统的数字信号。
- 突触后电位（PSP）：树突接收到输入时产生的连续电位变化，幅度小（mV 级），时长长（10–100 ms）。大量 PSP 叠加产生局部场电位。
外部电极看到的是这两种事件在细胞外空间的电位变化。随着电极距离增加，高频成分（spike）被电流扩散和组织滤波显著衰减，而低频成分（LFP、ECoG、EEG）保持相对较好。
二、四种信号的物理起源对比
| 信号 | 物理起源 | 记录距离 | 带宽 | 幅度 |
|---|---|---|---|---|
| Spike | 单神经元动作电位 | < 100 μm | 300 Hz–6 kHz | 50–500 μV |
| LFP | 本地神经元群体 PSP 和同步 spike | 0.1–1 mm | 1–300 Hz | 100 μV–2 mV |
| ECoG | 皮层柱群体 PSP | 1–5 mm | DC–300 Hz | 50–500 μV |
| EEG | 大脑皮层同步 PSP + 颅骨衰减 | 1–3 cm | 0.5–100 Hz | 10–100 μV |
核心物理规律：
- 越远的电极看到越大、越慢、越同步的信号。这是因为空间距离对高频成分的衰减远大于低频，且距离越大能"看到"的神经元越多——同步活动会被叠加增强。
- 空间分辨率与时间分辨率大致成反比。Spike 是单细胞级 + ms 级；EEG 是 cm 级但仍是 ms 级（这点非常关键——EEG 的时间分辨率不输 spike）。
- 颅骨和脑脊液对 EEG 有显著低通滤波和空间平滑。这是 EEG 能解码的信息量远低于 ECoG 的根本原因。
三、Spike 信号
物理本质
Spike 是单个神经元胞体产生的动作电位。细胞外记录时，离电极最近（< 50 μm）的神经元贡献了绝大部分可辨认的 spike 波形。
Spike Sorting
原始电极信号是多个神经元活动的叠加。Spike sorting 把不同神经元的 spike 分离出来：
- 检测：阈值检测（幅度超过噪声 3–5 倍标准差的事件）
- 特征提取：PCA 或小波变换得到波形特征
- 聚类：高斯混合、Mountainsort、Kilosort 等算法把同类波形分为同一个"unit"
Kilosort 是当前主流工具。Neuropixels 高密度探针让 spike sorting 进入新阶段——能同时分离数百个 unit。
能解码的上限
Spike-level 信号是信息量最高的神经信号：
- 精细手指运动（10+ 自由度）
- 单词级语音（62 WPM，Willett 2023）
- 90 字符/分钟手写（Willett 2021）
- 复杂机械臂控制（7 自由度，Collinger 2013）
但侵入式、组织反应、长期稳定性是代价。
四、LFP 信号
物理本质
LFP（Local Field Potential, 局部场电位） 是电极本地（0.1–1 mm 范围）神经元群体的低频电活动叠加。主要来源：
- 突触后电位（PSP）的空间加和
- 缓慢的膜电流
- 部分同步 spike 的低频分量
频带划分
LFP 按频带划分，不同频带反映不同过程：
| 频带 | Hz | 关联过程 |
|---|---|---|
| δ（delta） | 1–4 | 深睡、大脑同步 |
| θ（theta） | 4–8 | 海马记忆、空间导航 |
| α（alpha） | 8–12 | 静息、视觉闭目 |
| β（beta） | 13–30 | 运动控制、准备 |
| γ（gamma） | 30–80 | 注意、感觉绑定 |
| high-γ | 80–200 | 接近 spike 水平的运动信息 |
High-γ 是 BCI 的黄金频带：它的信息量接近 spike，但稳定性远超 spike（不受组织反应导致的单神经元丢失影响）。Willett 2023 语音 BCI 主要用 high-γ 功率特征。
能解码的上限
LFP + high-γ 能实现与 spike 解码相近的性能，且长期稳定性好得多——这是 Neuralink 之外大多数临床 BCI 的实际工作带宽。
五、ECoG 信号
物理本质
ECoG（Electrocorticography, 皮层脑电） 把电极放在硬膜下（subdural）或硬膜外（epidural）的皮层表面。看到的是皮层柱级的群体活动（约 10⁴ 神经元）。
- 空间分辨率：1–5 mm（电极间距决定）
- 时间分辨率：与 LFP 相同（DC–300 Hz）
- 高 γ 信号质量接近 LFP
临床使用
ECoG 在临床癫痫监测中已用数十年，是 FDA 批准最充分的皮层记录方式。这使 ECoG BCI 获批容易——典型代表是 Synchron Stentrode（严格说是 sEEG，但工作原理类似）和 Precision Layer 7（高密度薄膜 ECoG）。
能解码的上限
ECoG 足以实现： - 语音 BCI（Moses 2021、Metzger 2023 avatar 都是 ECoG） - 低维 kinematic decoding - 情感/情绪状态监测
但精细到单手指、单词级语音边界的解码仍需 spike-level 信号。
六、EEG 信号
物理本质
EEG（Electroencephalography, 脑电） 在头皮上记录电位。关键挑战：颅骨的电阻率远高于脑组织，颅骨对 EEG 信号起到显著的空间低通滤波作用。这让 EEG 的空间分辨率退化到 cm 级。
常见 EEG 成分
| 成分 | 诱发方式 | BCI 应用 |
|---|---|---|
| P300 | 稀有刺激（odd-ball） | P300 拼写器 |
| SSVEP | 稳态视觉闪烁（6–30 Hz） | SSVEP 拼写器 |
| Sensorimotor μ rhythm | 想象手/脚运动 | 二维光标控制 |
| ERP | 事件相关诱发 | 认知状态检测 |
| N400 | 语义异常 | 语义兼容性检测 |
能解码的上限
EEG 适合解码离散选择和大类运动想象。精细的语音、手写、单词级语义解码超出 EEG 能力——这是 Meta Défossez 2023 等非侵入工作转向 MEG 而非 EEG 的原因。
七、MEG 与 fMRI（额外对照）
MEG
脑磁图 记录神经电流产生的磁场。它绕过了颅骨的电阻抑制（磁场几乎不受颅骨影响），空间分辨率约 5 mm，远好于 EEG。但需要磁屏蔽室和 SQUID 传感器——昂贵且不便携。Meta 2023 用 MEG 实现 41% 语音识别率。
fMRI
功能性磁共振 测量 BOLD（血氧水平依赖）信号。时间分辨率差（~1 s），但空间分辨率在 1–3 mm，且覆盖全脑。语义和视觉内容重建（MindEye、Tang 2023）用 fMRI——因为它覆盖全脑。但 fMRI 需要扫描仪，不能便携。
八、与具身智能研究的连接
神经信号的物理尺度决定了不同研究社区的工作接口：
- 计算神经科学 / 世界模型研究：spike + LFP 提供最接近"计算基元"的信号，supports Shenoy/Churchland 的动力系统视角。
- 脑机接口工程：ECoG 在临床转化上最可行，是大部分语音 BCI 的选择。
- AI 心智研究（fMRI 解码）：fMRI 覆盖全脑、适合语义级研究，是 MindEye、Tang 等工作的载体。
- 消费级 BCI：EEG 是唯一现实选择，这限制了消费级 BCI 的意图复杂度。
九、逻辑链
- 神经信号有四个尺度（spike / LFP / ECoG / EEG），每一级在空间分辨率和信噪比上有 10–100 倍差异。
- 信号尺度决定意图解码粒度上限：spike/LFP 能做精细解码，EEG 只能做大类选择。
- high-γ 是 BCI 的黄金频带——信息量接近 spike、稳定性接近 LFP。
- ECoG 是临床转化的最佳信号：足够精细、足够稳定、手术风险可接受。
- MEG 与 fMRI 各有用武之地：MEG 适合高时间分辨率语义解码，fMRI 适合视觉内容重建。
- 不同研究社区用不同信号对应不同 AI 科学问题——这是多社区并行推进 BCI × AI 的结构原因。
参考文献
- Buzsáki et al. (2012). The origin of extracellular fields and currents. Nat Rev Neurosci. — 神经信号起源权威综述
- Crone et al. (1998). Functional mapping of human sensorimotor cortex with electrocorticographic spectral analysis. Brain. — high-γ 发现
- Pachitariu et al. (2016). Kilosort: realtime spike-sorting for extracellular electrophysiology. bioRxiv.
- Nunez & Srinivasan (2006). Electric Fields of the Brain: The Neurophysics of EEG. Oxford. — EEG 物理学
- Jun et al. (2017). Fully integrated silicon probes for high-density recording of neural activity. Nature. — Neuropixels