文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào): 0258-7998(2014)09-0126-04
腦-機(jī)接口BCI(Brain-Computer Interface)是一種利用腦部神經(jīng)發(fā)出的信息與計(jì)算機(jī)或其他外部設(shè)備通信的系統(tǒng)[1],?;陬^皮的腦電信號(hào)可以反映大腦的不同狀態(tài),,且記錄簡(jiǎn)單、無創(chuàng),,能夠?qū)崟r(shí)地進(jìn)行信號(hào)的提取和分類,,在目前腦-機(jī)接口研究中是最多的[2]。
傳統(tǒng)的輪椅人機(jī)交互由聲音,、搖桿和按鍵等實(shí)現(xiàn),。然而對(duì)于高位癱瘓不具備語言能力的人來說,通過BCI這種技術(shù)可以很好地幫助他們實(shí)現(xiàn)意念控制外部設(shè)備的愿望,。目前隨著BCI技術(shù)的發(fā)展,,實(shí)現(xiàn)大腦控制外部設(shè)備變得越來越有可能。在國外,,F(xiàn)arwell等人就利用腦電信號(hào)中的P300開發(fā)了虛擬打字機(jī),,可以實(shí)現(xiàn)意念控制文字的輸入[3]。同時(shí),,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(hào)的Alpa波和左右手運(yùn)動(dòng)想象腦電信號(hào)的Beta波來實(shí)現(xiàn)對(duì)輪椅的控制[4]。而腦電信號(hào)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(fù)雜,。對(duì)于利用腦電信號(hào)進(jìn)行控制的系統(tǒng),處理腦電的步驟一般包括信號(hào)的濾波,、特征提取,、信號(hào)分類和轉(zhuǎn)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(hào)的分類方法中最主要的包括線性判別法,、支持向量機(jī)法和人工神經(jīng)網(wǎng)絡(luò)等[6],。
由于腦機(jī)接口的研究很復(fù)雜,許多處理算法也只是處于離線的理論研究階段,,實(shí)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(yùn)用AR模型估計(jì)方法驗(yàn)證了想象數(shù)據(jù)的可分離性,,然后使用感知器算法對(duì)信號(hào)的特征進(jìn)行分類,,并基于BCI2000平臺(tái)將其轉(zhuǎn)換為控制信號(hào),達(dá)到了控制外部輪椅設(shè)備的目的,。該操作平臺(tái)的優(yōu)點(diǎn)是:不利用人體的肢體動(dòng)作就可以實(shí)現(xiàn)對(duì)輪椅運(yùn)動(dòng)方向的控制,,成本較低,為行動(dòng)有障礙的殘疾人士提供了一個(gè)自由的控制平臺(tái),,對(duì)今后進(jìn)一步實(shí)現(xiàn)輪椅的集成控制有重要意義,。
1 BCI2000試驗(yàn)平臺(tái)
BCI2000是一種能描述任意BCI系統(tǒng)的模型,,該模型由4個(gè)相互聯(lián)系的功能模塊構(gòu)成:數(shù)據(jù)獲取模塊(數(shù)據(jù)的采集和存儲(chǔ))、信號(hào)處理模塊,、用戶應(yīng)用程序模塊,、操作員模塊,如圖1所示,。這4個(gè)模塊各自分離,,并通過TCP/IP協(xié)議進(jìn)行相互通信[7]。
在BCI2000系統(tǒng)運(yùn)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(hào)處理模塊,在此對(duì)腦電數(shù)據(jù)進(jìn)行信號(hào)的特征提取和模式分類,,并將分類的結(jié)果轉(zhuǎn)化為控制命令發(fā)送給用戶應(yīng)用模塊,。每個(gè)模塊各自實(shí)現(xiàn)自己的功能,它們之間的通信協(xié)議不受信號(hào)的通道數(shù)和采樣率,、信號(hào)處理的復(fù)雜度和所需要控制的外部設(shè)備等因素的限制[7],。
2 腦電信號(hào)分析
2.1 特征分析
在想象運(yùn)動(dòng)中Mu節(jié)律的能量高低及分布可用于對(duì)數(shù)據(jù)進(jìn)行分類,并且可以通過訓(xùn)練用戶控制Mu節(jié)律的能量高低和分布狀況來實(shí)現(xiàn)對(duì)外部設(shè)備的控制[8],。本設(shè)計(jì)利用Mu節(jié)律的能量幅值變化來研究人腦下達(dá)不同運(yùn)動(dòng)意識(shí)指令時(shí)EEG的表現(xiàn)特征,,并且將時(shí)域特征與頻域特征結(jié)合作為時(shí)頻特征。實(shí)驗(yàn)中,,利用刺激界面使被試者進(jìn)行左右手運(yùn)動(dòng)的想象動(dòng)作,,從提示到結(jié)束的時(shí)間為9 s,同時(shí)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(chǔ)到計(jì)算機(jī)內(nèi),。最后利用MATLAB進(jìn)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(yùn)動(dòng)皮層區(qū)域記錄,與人體運(yùn)動(dòng)功能緊密相關(guān)[9],,選取5階帶通橢圓濾波器對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行(8~12)Hz帶通濾波,,濾波后想象左手運(yùn)動(dòng)的兩個(gè)通道的波形如圖2所示。
同時(shí)采用Burg算法對(duì)原始腦電信號(hào)進(jìn)行AR模型譜估計(jì),。經(jīng)過試驗(yàn)發(fā)現(xiàn),,選取階次為10能使得預(yù)測(cè)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(jì)圖,。
經(jīng)過了時(shí)域和頻域分析后,將時(shí)域特征和頻域特征結(jié)合起來,,組成時(shí)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(hào)分類
采用改進(jìn)的線性感知器準(zhǔn)則作為訓(xùn)練分類器準(zhǔn)則,使得平均分類準(zhǔn)確率達(dá)到 77.1%,,分類效果良好,。另外,在探索最佳分類特征時(shí)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(shí)(如以1.5 s為時(shí)間段進(jìn)行順移的在線分類時(shí))什么時(shí)候進(jìn)行分類檢測(cè)效果最好,為實(shí)現(xiàn)在線分類提供良好的參考,。
利用感知器算法對(duì)樣本特征進(jìn)行分類,,基本算法如下:
(1)設(shè)各個(gè)權(quán)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(gè)樣本X(k),計(jì)算第k次迭代計(jì)算的結(jié)果為:
循環(huán)執(zhí)行第(2)步,,直到輸入所有的樣本權(quán)重都不需要修正為止[10],。
3 控制系統(tǒng)的組成及構(gòu)架
腦控智能輪椅的控制系統(tǒng)主要由腦電采集裝置、運(yùn)行于電腦的BCI2000軟件平臺(tái),、藍(lán)牙輸出,、電機(jī)控制等部分組成。該控制系統(tǒng)的結(jié)構(gòu)圖如圖4所示,。
3.1 EEG信號(hào)采集和處理
腦電信號(hào)采集使用Emotive采集裝置,,采樣率為128 Hz,電極按照國際10-20標(biāo)準(zhǔn)電極安放法安放,。電極位置如圖5所示,。
分別采集運(yùn)動(dòng)想象的腦電數(shù)據(jù),進(jìn)一步得到特征所在通道,,想象右手時(shí)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(shí)眨眼信號(hào)由F7通道采集,。其中“CMS”和“DRL”是參考電極,。
由Emotiv設(shè)備采集的信號(hào)為頭皮的原始腦電信號(hào),,同時(shí)將信號(hào)進(jìn)行放大和數(shù)字化,,得到數(shù)字化的EEG信號(hào)。BCI2000腦機(jī)接口平臺(tái)具備數(shù)據(jù)采集模塊,,此時(shí)使該平臺(tái)能夠收集到Emotiv腦電采集裝置的信號(hào),,完成配置工作將系統(tǒng)順利調(diào)通。Emotiv.exe應(yīng)用程序讀取采集軟件Emotiv的腦電采集信號(hào),,鏈接成功后的采集界面如圖6所示,。
StimulusPresentation.exe應(yīng)用程序會(huì)顯示所設(shè)計(jì)的刺激界面,,如圖7所示,提示使用者進(jìn)行左右手的運(yùn)動(dòng)想象,。采集器的參數(shù)設(shè)置如表1所示,。
選擇通道FC5、FC6通道進(jìn)行信號(hào)處理,。利用MATLAB編寫信號(hào)處理程序,,獲得感覺運(yùn)動(dòng)節(jié)律參數(shù),利用已驗(yàn)證的算法進(jìn)行特征的提取和分類,,同時(shí)轉(zhuǎn)換為相應(yīng)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(yùn)行在同一計(jì)算機(jī)或局域網(wǎng)內(nèi)其他不同計(jì)算機(jī)上的外部程序進(jìn)行雙向數(shù)據(jù)交換的通道[7]。通過外部程序接口,,外部應(yīng)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(jìn)ConnectorOutputAddress參數(shù)指定的socket上,,socket由一個(gè)地址/端口組合來指定,,地址與端口之間用冒號(hào)來指定,實(shí)驗(yàn)設(shè)定為localhost:20230,。
利用AppConnector接口來控制外部設(shè)備意味著外部設(shè)備必須在BCI2000之外完成,,相應(yīng)的參數(shù)不隨數(shù)據(jù)文件一起存儲(chǔ)。建立外部應(yīng)用程序,,此程序基于MFC創(chuàng)建,,首先創(chuàng)建一個(gè)UDP socket,通過讀取ResultCode狀態(tài)來獲取分類結(jié)果,,通過設(shè)置端口來監(jiān)聽所設(shè)置的UDP端口的信息,,讀取由SignalProcessing計(jì)算得到的控制信號(hào)。所以創(chuàng)建基于MFC的UDP監(jiān)聽程序時(shí),,將監(jiān)聽到的控制信息利用SerialPort類轉(zhuǎn)換為USB輸出,。轉(zhuǎn)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(lán)牙通信模塊,把控制信息以藍(lán)牙的形式輸出到輪椅電機(jī)的控制模塊處,。當(dāng)把基于藍(lán)牙傳輸?shù)腢SB口插進(jìn)電腦時(shí),,所創(chuàng)建的wheelchair control interface軟件會(huì)自動(dòng)識(shí)別串口,聯(lián)通傳輸信號(hào),。此時(shí),,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(dá)到控制輪椅運(yùn)動(dòng)的目的,。上位機(jī)如圖8所示,。
3.3 硬件電路實(shí)現(xiàn)
控制信號(hào)經(jīng)過藍(lán)牙傳輸模塊給控制板,控制板接收到控制信號(hào),,繼而驅(qū)動(dòng)電機(jī)控制模塊控制電機(jī)轉(zhuǎn)動(dòng),,實(shí)現(xiàn)控制輪椅的運(yùn)動(dòng)??紤]對(duì)芯片性能的要求和實(shí)際的接口應(yīng)用,,選擇STM32F103單片機(jī)作為主控芯片。STM32F103有專門為電機(jī)控制而設(shè)定的高級(jí)定時(shí)器,,帶有6個(gè)死區(qū)時(shí)間可編程的PWM輸出通道,,同時(shí)其帶有的緊急制動(dòng)可以在異常情況出現(xiàn)時(shí)強(qiáng)迫PWM信號(hào)輸出保持在一個(gè)預(yù)定好的安全狀態(tài),在具備高性能表現(xiàn)的同時(shí)保持了低功耗特性[11],??刂破鞑糠蛛娐穲D如圖9所示。
模塊由MCU(STM32F103),、藍(lán)牙接收模塊,、LED顯示三大部分組成,主要工作原理為:藍(lán)牙模塊接收電腦USB輸出的腦電信號(hào),,傳至MCU進(jìn)行信號(hào)的識(shí)別,,進(jìn)而控制電機(jī)的運(yùn)轉(zhuǎn),達(dá)到控制輪椅方向的目的,。由于電動(dòng)輪椅使用蓄電池供電,,實(shí)驗(yàn)中利用蓄電池給控制板供電,電源轉(zhuǎn)換電路如圖10所示,。
4 結(jié)果分析
本文利用BCI2000開源軟件,,連接Emotiv腦電采集裝置,對(duì)智能輪椅的控制系統(tǒng)進(jìn)行了硬件和軟件的設(shè)計(jì),,實(shí)現(xiàn)了意念控制輪椅的目的,。通過實(shí)驗(yàn)結(jié)果可以得到,在利用BCI2000的基礎(chǔ)上,,結(jié)合MFC程序,,把腦電信號(hào)的采集、識(shí)別,、分類和傳輸?shù)裙δ芎铣蔀橐粋€(gè)平臺(tái),,有助于簡(jiǎn)化硬件電路的復(fù)雜性。這樣可以降低硬件處理的復(fù)雜度,,同時(shí)降低了系統(tǒng)的成本,,具有較高的應(yīng)用價(jià)值,。
隨著腦-機(jī)接口技術(shù)的不斷發(fā)展,,研究者開發(fā)的各種開源的軟件平臺(tái),,可以方便使用者直接使用現(xiàn)有的處理工具,為腦-機(jī)接口的研究提供了便利,,并進(jìn)一步促進(jìn)了該技術(shù)的發(fā)展,。本文基于開源軟件BCI2000搭建的腦-機(jī)接口系統(tǒng)實(shí)現(xiàn)了實(shí)驗(yàn)參數(shù)的設(shè)計(jì)和算法的加載,并實(shí)現(xiàn)使用該平臺(tái)與利用MFC編程的軟件相互通信的功能,,同時(shí)控制信號(hào)與控制模塊通過藍(lán)牙通信,,實(shí)現(xiàn)了腦電信號(hào)便捷地控制電動(dòng)輪椅運(yùn)動(dòng)的目標(biāo)。
參考文獻(xiàn)
[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(yuǎn)清,,龍錦益,,等.基于腦機(jī)接口集成控制系統(tǒng)[J].計(jì)算機(jī)工程與應(yīng)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(jī)交互[J].華中科技大學(xué)學(xué)報(bào),,2013,41(7):109-114.
[5] 謝宏,,顏林,,姚楠,等.基于ADS1298的新型腦電信號(hào)采集前端設(shè)計(jì)[J].電子技術(shù)應(yīng)用,2013,,39(4):75-78.
[6] 顏世玉,,劉沖,趙海濱,,等.基于小波包的意識(shí)腦電特征提取[J].儀器儀表學(xué)報(bào),,2012,33(8):1748-1751.
[7] SCHALK G,,MELLINGER J.BCI2000與腦機(jī)接口[M].胡三清,,譯.北京:國防工業(yè)出版社,2011.
[8] 廖彩萍,李遠(yuǎn)清,,趙慧.基于運(yùn)動(dòng)想象的腦電信號(hào)的分類研究[J].自動(dòng)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(yùn)動(dòng)意識(shí)分類研究[J].計(jì)算機(jī)技術(shù)與發(fā)展,2006,,16(8):157-159.
[10] 徐國根,,賈瑛.模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)[M].北京:北京航空航天大學(xué)出版社,2012.
[11] 蒙博宇.STM32自學(xué)筆記[M].北京:北京航空航天大學(xué)出版社,,2012.