《電子技術應用》
您所在的位置:首頁 > 嵌入式技術 > 設計應用 > 腦控智能輪椅控制系統(tǒng)
腦控智能輪椅控制系統(tǒng)
2014年電子技術應用第9期
陳真誠1,龐雪燕2,,孫統(tǒng)雷2,,李宏周1,喻 雙2,,殷世民1
1.桂林電子科技大學 生命環(huán)境與科學學院,,廣西 桂林541004; 2.桂林電子科技大學 電子工程與自動化學院,,廣西 桂林541004
摘要: 為身體高度癱瘓的殘疾人士能夠自由移動,,提出了一種基于腦機接口實驗平臺BCI2000的自發(fā)想象控制輪椅的新方法。該控制系統(tǒng)主要由Emotiv腦電采集裝置,、一臺筆記本電腦,、一個單片機控制器組成,對采集的信號進行時頻特征分析,,并利用改進的感知器算法對信號進行分類,。利用提示被試者想象左右手運動的腦電信號特征,實現(xiàn)對輪椅的左轉和右轉的控制,,對今后進一步研究輪椅的精確控制系統(tǒng)具有重要的指導意義,。
中圖分類號: TP39
文獻標識碼: A
文章編號: 0258-7998(2014)09-0126-04
Intelligent wheelchair control system
Chen Zhencheng1,Pang Xueyan2,,Sun Tonglei2,,Li Hongzhou1,Yu Shuang2,,Yin Shimin1
1.College of Life and Environmental Sciences,,Guilin University of Electronic Technology,Guilin 541004,,China,;2.Institute of Electronic Engineering and Automation,Guilin University of Electronic Technology,,Guilin 541004,,China
Abstract: In order to help the paralyzed people to move freely,this paper presents a wireless remote controlled wheelchair system which based on brain-computer interface experiment platform called BCI2000.People with severe paralysis may soon be able to drive a wheelchair simply by imagrying. The control system is mainly composed of EEG acquisition device, a laptop and a single chip microcomputer controller. The perceptron algorithm is used to classify EEG signals after time-frequency analysis. Extraction and recognition of brain EEG data features of imaging left-right hands movement are used to control the wheelchair system.These research results may provide important message for the more precise security wheelchair control design.
Key words : Emotiv;BCI2000,;brain control,;intelligent wheelchair

     腦-機接口BCI(Brain-Computer Interface)是一種利用腦部神經(jīng)發(fā)出的信息與計算機或其他外部設備通信的系統(tǒng)[1]?;陬^皮的腦電信號可以反映大腦的不同狀態(tài),,且記錄簡單、無創(chuàng),,能夠實時地進行信號的提取和分類,,在目前腦-機接口研究中是最多的[2],。

    傳統(tǒng)的輪椅人機交互由聲音、搖桿和按鍵等實現(xiàn),。然而對于高位癱瘓不具備語言能力的人來說,,通過BCI這種技術可以很好地幫助他們實現(xiàn)意念控制外部設備的愿望。目前隨著BCI技術的發(fā)展,,實現(xiàn)大腦控制外部設備變得越來越有可能,。在國外,F(xiàn)arwell等人就利用腦電信號中的P300開發(fā)了虛擬打字機,,可以實現(xiàn)意念控制文字的輸入[3],。同時,在現(xiàn)有腦電控制的智能輪椅系統(tǒng)中,,可以利用閉眼放松的腦電信號的Alpa波和左右手運動想象腦電信號的Beta波來實現(xiàn)對輪椅的控制[4],。而腦電信號很微弱且易受外部環(huán)境的干擾[5],其處理的算法也非常復雜,。對于利用腦電信號進行控制的系統(tǒng),,處理腦電的步驟一般包括信號的濾波、特征提取,、信號分類和轉換,。腦電特征提取方法主要有小波(包)分析、功率譜法和共空間模型等,。而腦電信號的分類方法中最主要的包括線性判別法,、支持向量機法和人工神經(jīng)網(wǎng)絡等[6]

    由于腦機接口的研究很復雜,,許多處理算法也只是處于離線的理論研究階段,,實際操作的可靠性也有待提高。本文主要研究了腦電數(shù)據(jù)的離線處理方法,,運用AR模型估計方法驗證了想象數(shù)據(jù)的可分離性,,然后使用感知器算法對信號的特征進行分類,并基于BCI2000平臺將其轉換為控制信號,,達到了控制外部輪椅設備的目的,。該操作平臺的優(yōu)點是:不利用人體的肢體動作就可以實現(xiàn)對輪椅運動方向的控制,成本較低,,為行動有障礙的殘疾人士提供了一個自由的控制平臺,,對今后進一步實現(xiàn)輪椅的集成控制有重要意義。

1 BCI2000試驗平臺

    BCI2000是一種能描述任意BCI系統(tǒng)的模型,,該模型由4個相互聯(lián)系的功能模塊構成:數(shù)據(jù)獲取模塊(數(shù)據(jù)的采集和存儲),、信號處理模塊、用戶應用程序模塊、操作員模塊,,如圖1所示,。這4個模塊各自分離,并通過TCP/IP協(xié)議進行相互通信[7],。

jsj5-t1.gif

    在BCI2000系統(tǒng)運行過程中,,每次數(shù)據(jù)獲取模塊獲得一組腦電數(shù)據(jù)后,就發(fā)送給信號處理模塊,,在此對腦電數(shù)據(jù)進行信號的特征提取和模式分類,,并將分類的結果轉化為控制命令發(fā)送給用戶應用模塊。每個模塊各自實現(xiàn)自己的功能,,它們之間的通信協(xié)議不受信號的通道數(shù)和采樣率、信號處理的復雜度和所需要控制的外部設備等因素的限制[7],。

2 腦電信號分析

2.1 特征分析

    在想象運動中Mu節(jié)律的能量高低及分布可用于對數(shù)據(jù)進行分類,,并且可以通過訓練用戶控制Mu節(jié)律的能量高低和分布狀況來實現(xiàn)對外部設備的控制[8]。本設計利用Mu節(jié)律的能量幅值變化來研究人腦下達不同運動意識指令時EEG的表現(xiàn)特征,,并且將時域特征與頻域特征結合作為時頻特征,。實驗中,利用刺激界面使被試者進行左右手運動的想象動作,,從提示到結束的時間為9 s,,同時記錄下被試者的腦電數(shù)據(jù),將通過電腦采集的腦電數(shù)據(jù)存儲到計算機內(nèi),。最后利用MATLAB進行數(shù)據(jù)分析,,提取腦電數(shù)據(jù)的特征向量。

    Mu節(jié)律處于(8~12)Hz頻帶,,由于Mu節(jié)律在運動皮層區(qū)域記錄,,與人體運動功能緊密相關[9],選取5階帶通橢圓濾波器對實驗數(shù)據(jù)進行(8~12)Hz帶通濾波,,濾波后想象左手運動的兩個通道的波形如圖2所示,。

jsj5-t2.gif

    同時采用Burg算法對原始腦電信號進行AR模型譜估計。經(jīng)過試驗發(fā)現(xiàn),,選取階次為10能使得預測誤差功率最小,,得到的分類效果較為理想。圖3為腦電數(shù)據(jù)在基于Burg算法下的AR模型譜估計圖,。

jsj5-t3.gif

    經(jīng)過了時域和頻域分析后,,將時域特征和頻域特征結合起來,組成時頻聯(lián)合特征作為分類特征向量,,用于后續(xù)的分類研究,。

2.2 信號分類

    采用改進的線性感知器準則作為訓練分類器準則,使得平均分類準確率達到 77.1%,分類效果良好,。另外,,在探索最佳分類特征時間段的過程中,采用類似于在線分析的方法,,易于知道在在線分類時(如以1.5 s為時間段進行順移的在線分類時)什么時候進行分類檢測效果最好,,為實現(xiàn)在線分類提供良好的參考。

    利用感知器算法對樣本特征進行分類,,基本算法如下:

    (1)設各個權矢量的初值為0,,即w1=w2=…=wM=0,M為分類數(shù),。

    (2)第k次輸入一個樣本X(k),,計算第k次迭代計算的結果為:

jsj5-gs1-2.gif

    循環(huán)執(zhí)行第(2)步,直到輸入所有的樣本權重都不需要修正為止[10],。

3 控制系統(tǒng)的組成及構架

    腦控智能輪椅的控制系統(tǒng)主要由腦電采集裝置,、運行于電腦的BCI2000軟件平臺、藍牙輸出,、電機控制等部分組成,。該控制系統(tǒng)的結構圖如圖4所示。

jsj5-t4.gif

3.1 EEG信號采集和處理

    腦電信號采集使用Emotive采集裝置,,采樣率為128 Hz,,電極按照國際10-20標準電極安放法安放。電極位置如圖5所示,。

jsj5-t5.gif

    分別采集運動想象的腦電數(shù)據(jù),,進一步得到特征所在通道,想象右手時在FC6上有明顯變化,,同理從采集的波形及后面的離線分析中選擇FC5和FC6作為分析通道,。同時眨眼信號由F7通道采集。其中“CMS”和“DRL”是參考電極,。

    由Emotiv設備采集的信號為頭皮的原始腦電信號,,同時將信號進行放大和數(shù)字化,得到數(shù)字化的EEG信號,。BCI2000腦機接口平臺具備數(shù)據(jù)采集模塊,,此時使該平臺能夠收集到Emotiv腦電采集裝置的信號,完成配置工作將系統(tǒng)順利調(diào)通,。Emotiv.exe應用程序讀取采集軟件Emotiv的腦電采集信號,,鏈接成功后的采集界面如圖6所示。

jsj5-t6.gif

    StimulusPresentation.exe應用程序會顯示所設計的刺激界面,,如圖7所示,,提示使用者進行左右手的運動想象,。采集器的參數(shù)設置如表1所示。

jsj5-t7.gif

jsj5-b1.gif

    選擇通道FC5,、FC6通道進行信號處理,。利用MATLAB編寫信號處理程序,獲得感覺運動節(jié)律參數(shù),,利用已驗證的算法進行特征的提取和分類,,同時轉換為相應的控制指令。 

3.2 外部接口程序

    BCI2000的外部程序接口(AppConnector)提供了BCI2000與運行在同一計算機或局域網(wǎng)內(nèi)其他不同計算機上的外部程序進行雙向數(shù)據(jù)交換的通道[7],。通過外部程序接口,,外部應用程序可以讀/寫B(tài)CI2000的狀態(tài)向量和控制信息。BCI2000從ConnectorInputAddress參數(shù)指定的本地IP socket上讀取AppConnector信息,,并把信息寫進ConnectorOutputAddress參數(shù)指定的socket上,,socket由一個地址/端口組合來指定,地址與端口之間用冒號來指定,,實驗設定為localhost:20230,。

    利用AppConnector接口來控制外部設備意味著外部設備必須在BCI2000之外完成,相應的參數(shù)不隨數(shù)據(jù)文件一起存儲,。建立外部應用程序,此程序基于MFC創(chuàng)建,,首先創(chuàng)建一個UDP socket,,通過讀取ResultCode狀態(tài)來獲取分類結果,通過設置端口來監(jiān)聽所設置的UDP端口的信息,,讀取由SignalProcessing計算得到的控制信號,。所以創(chuàng)建基于MFC的UDP監(jiān)聽程序時,將監(jiān)聽到的控制信息利用SerialPort類轉換為USB輸出,。轉換程序如下:

    void CIPDlg::OnSend()

    {

        //TODO:Add your control notification handler code here

        if(!m_bOpenPort) return; 

            //檢查串口是否打開,,如果沒打開,則退出

          m_Port.WriteToPort((LPCTSTR)getbate);//發(fā)送數(shù)據(jù)

    }

    在此,,USB輸出連接藍牙通信模塊,,把控制信息以藍牙的形式輸出到輪椅電機的控制模塊處。當把基于藍牙傳輸?shù)腢SB口插進電腦時,,所創(chuàng)建的wheelchair control interface軟件會自動識別串口,,聯(lián)通傳輸信號。此時,,只需把電腦放在輪椅附近處,,就可以讓使用者在不攜帶電腦的情況下,達到控制輪椅運動的目的,。上位機如圖8所示,。

jsj5-t8.gif

3.3 硬件電路實現(xiàn)

    控制信號經(jīng)過藍牙傳輸模塊給控制板,控制板接收到控制信號,繼而驅動電機控制模塊控制電機轉動,,實現(xiàn)控制輪椅的運動,。考慮對芯片性能的要求和實際的接口應用,,選擇STM32F103單片機作為主控芯片,。STM32F103有專門為電機控制而設定的高級定時器,帶有6個死區(qū)時間可編程的PWM輸出通道,,同時其帶有的緊急制動可以在異常情況出現(xiàn)時強迫PWM信號輸出保持在一個預定好的安全狀態(tài),,在具備高性能表現(xiàn)的同時保持了低功耗特性[11]??刂破鞑糠蛛娐穲D如圖9所示,。

jsj5-t9.gif

    模塊由MCU(STM32F103)、藍牙接收模塊,、LED顯示三大部分組成,,主要工作原理為:藍牙模塊接收電腦USB輸出的腦電信號,傳至MCU進行信號的識別,,進而控制電機的運轉,,達到控制輪椅方向的目的。由于電動輪椅使用蓄電池供電,,實驗中利用蓄電池給控制板供電,,電源轉換電路如圖10所示。

jsj5-t10.gif

4 結果分析

    本文利用BCI2000開源軟件,,連接Emotiv腦電采集裝置,,對智能輪椅的控制系統(tǒng)進行了硬件和軟件的設計,實現(xiàn)了意念控制輪椅的目的,。通過實驗結果可以得到,,在利用BCI2000的基礎上,結合MFC程序,,把腦電信號的采集,、識別、分類和傳輸?shù)裙δ芎铣蔀橐粋€平臺,,有助于簡化硬件電路的復雜性,。這樣可以降低硬件處理的復雜度,同時降低了系統(tǒng)的成本,,具有較高的應用價值,。

    隨著腦-機接口技術的不斷發(fā)展,研究者開發(fā)的各種開源的軟件平臺,,可以方便使用者直接使用現(xiàn)有的處理工具,,為腦-機接口的研究提供了便利,,并進一步促進了該技術的發(fā)展。本文基于開源軟件BCI2000搭建的腦-機接口系統(tǒng)實現(xiàn)了實驗參數(shù)的設計和算法的加載,,并實現(xiàn)使用該平臺與利用MFC編程的軟件相互通信的功能,,同時控制信號與控制模塊通過藍牙通信,實現(xiàn)了腦電信號便捷地控制電動輪椅運動的目標,。

參考文獻

[1] VAUGHAN T M,,HEETDERKS W J,TREJI L J,,et al.Guest editorial brain-computer interface technology[J].IEEE Trans.on Rehabilitation Engineering,,2003,11(2):94-107.

[2] 鄒鶴良,,李遠清,,龍錦益,等.基于腦機接口集成控制系統(tǒng)[J].計算機工程與應用,,2012,,48(8):76-78.

[3] FARWELL La,DONCHIN E.Talking off the top of your head:A mental prosthesis utilizing event-related brain potentials[J].Electroenceph.Clin.Neurophysiol,,1988,,70(6):510-523.

[4] 張毅,羅明偉,,羅元,,等.基于腦電?琢/?茁波的智能輪椅人機交互[J].華中科技大學學報,2013,,41(7):109-114.

[5] 謝宏,顏林,,姚楠,等.基于ADS1298的新型腦電信號采集前端設計[J].電子技術應用,,2013,39(4):75-78.

[6] 顏世玉,,劉沖,,趙海濱,等.基于小波包的意識腦電特征提取[J].儀器儀表學報,,2012,,33(8):1748-1751.

[7] SCHALK G,MELLINGER J.BCI2000與腦機接口[M].胡三清,,譯.北京:國防工業(yè)出版社,,2011.

[8] 廖彩萍,李遠清,,趙慧.基于運動想象的腦電信號的分類研究[J].自動化與儀表,,2008(4):1-4.

[9] 李坤,,褚蕾蕾,朱世東,,等.基于mu節(jié)律能量的運動意識分類研究[J].計算機技術與發(fā)展,,2006,16(8):157-159.

[10] 徐國根,,賈瑛.模式識別與智能計算的MATLAB實現(xiàn)[M].北京:北京航空航天大學出版社,,2012.

[11] 蒙博宇.STM32自學筆記[M].北京:北京航空航天大學出版社,2012.

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權禁止轉載,。