论文部分内容阅读
本文的主要内容是研究基于视频信号和人体电信号的移动车系统。基于自主设计的移动车平台,实现了视频信号、肌电信号和脑电信号三种不同的信号源对该平台的控制。
首先,依据系统设计的模块化理念,以飞思卡尔公司16位的MC9S12DG128单片机为主控芯片,配以前轮转向控制单元、后轮电机驱动单元、速度检测单元、电源管理单元等其他辅助电路设计并制作了移动车平台。该平台具有结构简单、经济、实用等特点,并向外界提供前轮舵机和后轮驱动电机的控制接口。利用所开发的移动车平台和其提供的控制接口,研究了基于三种不同信号源的移动车控制系统。
在基于视频信号的移动车系统中,设计出了利用MC9S12单片机及LM781芯片的测量摄像头参数和AD采样离散化PAL。制式模拟视频电压信号的方法,并对该方法在采样过程中遇到如何提高横向分辨率及如何在采样间隔中有效利用CPU等问题进行了深入讨论,且充分利用MC9S12单片机的内部硬件资源予以解决。然后,用主控芯片实时处理摄像头所拍摄的结构化道路的视频信号,配以前轮舵机转向比例控制、车体的速度闭环棒棒控制,使得小车平台正确完成在结构化道路中的寻迹和自我定位。
在基于肌电信号的移动车系统中,深入分析了肌肉处于收缩和放松状态时对应的肌电信号在时域中的特征,提出了用一段时间窗内的平均肌电信号与阈值比较来得的到特征信号的算法,并给出了算法中一些参数的选择方法。基于所提取的特征信号研究了三种控制策略,即:上升沿控制,脉宽控制,下降沿控制。并用上述的理论分析成果实现了移动车的在线控制。
最后,研究了用运动想象脑电信号控制移动车,脑控的关键技术是特征体提取和分类。利用小波包进行特征提取,基于支持向量机多分类器进行3类脑信号的识别。这里分别对想象左手、右手、脚或者想象左手、脚、舌头的脑信号进行3类识别,并取得了较高的准确率,同时用分类结果离线控制了移动车平台。