论文部分内容阅读
摘 要：本文描述一种通过MindWave头戴识别脑电波信号并由此远程操控的控制系统。通过头戴中的TGAM模块将脑电波信号转化成数字信息，并无线发送到计算机或其他设备。本系统选择Raspberry pi作为数据接收和处理设备，分析结果通过WiFi发送到控制对象。控制对象采用通过Arduino控制的智能小车，由此来模拟脑控轮椅的远程“意念”操控，成为新一代残疾人助动工具。
关键词：EEG；TGAM；脑电波分析；脑电控制
0 引言
脑电波（EEG）是反应人类大脑活动的一种有效和常见的生物电指标。近年来随着神经学，信号处理技术等领域内相关研究的快速发展，脑电波信号的获取也变得越来越简单。神经相互作用时，脑电波模式就表现为思维模式，而且每次神经活动是会产生轻微的放电，通过脑电波检测技术可以测量到这些电信号。不同的神经活动会产生不同的脑电波模式，从而表现为不同的大脑状态。
传统的测量脑电波活动需要使用昂贵且复杂设备，现在使用TGAM脑电生物传感器将可以数字化和放大原始的模拟脑信号，通过轻轻的接触头部皮肤就能接收到这些脑电波信号，并进一步分析大脑的思维状态。通过检测到不同幅值和频率的脑电波，可以知道大脑正处于放松或者专注状态。MindWave头带就是一款基于TGAM模块的头戴式设备，该设备可将脑电波转换为数字信号，通过蓝牙发送到PC机或者其他设备。通过一个简单的头戴设备就能够采集到丰富的脑电波信号，这不仅对神经相关疾病的监测和治疗的研究提供了接口，而且推动越来越丰富的计算机技术与算法运用在脑电控制中。
1 系统设计
本控制系统结构组成，如图1所示。
图1 系统框图
1.1数据采集模块
MindWave可以安全的测量和输出脑电功率谱（α波，β波等），例如，当脑电波位于12到30Hz之间时，即β波，表示大脑正处于专注状态。当脑电波在8到12Hz时，即α波，表明大脑正处于平静放松的状态。该设备由耳机，耳夹和传感器臂组成。耳机的参考电极和接地电极位于耳夹上，干电极位于传感器臂上，佩戴时电极将紧贴在前额上。由于人类左耳垂的电压比较稳定，于是作为参考电压，从而使前额的电极可准确探测出实时EEG。通过蓝牙与电脑连接，MindWave把电脑作为一个大脑活动监视器，安全地测量出脑电波信号，并分析个人在各种不同活动下大脑的专注度，最后通过上位机将脑电波显示出来，进行脑电波的观察和分析。如图2所示。
图2 脑电波形显示
TGAM作为MindWave的关键部分，是实现系统相关功能的核心。TGAM是Neuro Sky公司为设计的主要脑电波传感器模块，这是一个产业革命化的芯片，也是世界上第一款为消费者使用而设计的脑电波传感器。其先进的滤波技术可实现高抗扰度，使该设备在各种环境中适用于用户的使用。因为功耗低，该模块可以使用便携式电池驱动，且非常适用于玩具，视频游戏和保健设备，。由于TGAM这些优点，结合简单的干电极，使得MindWave头戴具有重量轻，低功耗等特点，研发的产品适合消费者使用。图3，图4分别为TGAM模块实物图及MindWave内部电路图。
1.2信号接收端
MindWave能够和 iOS 设备、Android 设备和桌面电脑匹配（Windows xp 或更高，Mac OS X 10.6.5 或更高）。本系统采用的通过Raspberry pi 3接收MindWave通过蓝牙发出的脑电波数据。在当前流行的高性能ARM开发板的范围内，Raspberry pi 3是最低价的产品。其他开发板基本需要￥300以上的投入，而Raspberry pi 3由于货源广泛、竞争充分，现在已经能做到￥240～280的价格。而在这个价格上，Raspberry pi 3提供的性能也是合理的。四核1.2GHz与1GB的内存已经足够提供一般的计算性能，足以应付本系统数据的处理。并且Raspberry pi 3是一款基于Linux系统的单板机电脑，拥有丰富的开源资料以及IO接口，方便后续功能的拓展。此外Raspberry pi 3自带蓝牙和WiFi功能，所以不要外接模块就能进行数据通信。
图3 TGAM模块实物图
图4 MindWave内部电路图
1.3控制平台及其对象
本系统选用的是以ATMEL公司的AVR单片机为核心单片机控制板Arduino以及由此作为主控的智能小车作为控制对象。
Arduino是一类便捷灵活、方便上手的开源电子原型平台，他包含很多的硬件以及编程软件（IDE即编程环境）。同时還有各种各样周边的硬件去兼容Arduino这个平台，并且这些硬件通常都已经带有了兼容Arduino控制器的函数库，在此基础上进行简单的修改，即可编写出比较复杂的程序。Arduino的这些优点将会节约很多开发设计和降低开发难度。而已作为一款AVR单片机，经过实际测试能够驱动ES8266模块及流畅接收到Raspberry pi 3发出的指令。
小车车体采用的是前单后双3轮型车模，前单轮为无动力万向轮，通过两后轮差速进行转弯。该模型控制简单，转弯灵活，而且比较接近轮椅的结构，故选择该车模。
2 数据采集与分析
NeuroSky公司是世界知名脑机接口相关领域的软硬件供应商，特别是该公司的TinkeGear芯片技术。原始脑电波数据及eSense指数在内的所有数据都由一块单一的TinkeGear芯片来处理。TinkeGear能输出多种频段的脑电数据，如图5。并且使用eSense算法对处理后的信号进行计算，得到了量化的eSense指数值。
eSense是以数字化指数对人的当前精神状态进行度量的算法，而eSense值是一个用来描述当前精神活动波动范围的数值。eSense指数将使用者的专注度及冥想度用一个具体的数值表示（1-100）。MindWave将会把原始数据及eSense值一起发送出来，其中原始数据的发送频率为512Hz，eSense值的发送频率为1Hz，简单来说就是一秒内会大约发送512组原始数据，发送完成后会发来一组eSense值，下一秒就同上一秒一样依次循环。这样就可以通过eSense值进行简单的脑电波远程控制，也可以使用原始脑电数据进行更进一步的研发。在本系统中，Raspberry pi 3预先编写好了相关的分析算法，在接收到数据之后进行一系列的分析，最后将分析得到的小车控制指令通过WiFi发送出来。
图5 各种频率的脑波信号及其对应的精神状态
3 控制部分
控制部分采用的是控制简单小车的运动来模拟轮椅的运动。Arduino通过从ESP8266模块接收到的运动指令进行小车两轮速度的调节。两个驱动轮上带有光电编码器，由此来确定小车的角速度与线速度，通过简单的闭环PID算法调节小车的加速度，对误差进行调整，顺利到达指定地点。
4 结语
近几年，随着脑科学及嵌入式计算机科学等领域飞速发展，意念控制的研发热潮已经蓄势待发。未来几年，基于脑电波的意念控制技术将会在各个领域开始崭露头角，比如：具有危险性的控制操作，更加便捷的协助残疾人运动系统，新一代智能家居，新一代的游戏操作系统等等。这些运用不仅使我们生活更加便捷，也让我们避免了不必要的危险。所以基于脑电波分析的意念控制将来一定会有很大领域的发展空间，也是未来几年最前沿的技术。
参考文献
[1]李扬.基于MindWave的脑电波信号分析方法研究及其应用[D].北京工业大学（北京）.2014-5
[2]郭进，卫晓妮.脑电图应用的研究进展.陕西师范大学继续教育学报[J]（西安）.2007，24（2）：122-124
[3]张浩，李远清，张瑞，晏勇勇.室内环境中脑控轮椅的路径跟踪控制[A].华南理工大学（广州）.2015.23（1）：93-95
（作者单位：北京理工大学珠海学院）
关键词：EEG；TGAM；脑电波分析；脑电控制
0 引言
脑电波（EEG）是反应人类大脑活动的一种有效和常见的生物电指标。近年来随着神经学，信号处理技术等领域内相关研究的快速发展，脑电波信号的获取也变得越来越简单。神经相互作用时，脑电波模式就表现为思维模式，而且每次神经活动是会产生轻微的放电，通过脑电波检测技术可以测量到这些电信号。不同的神经活动会产生不同的脑电波模式，从而表现为不同的大脑状态。
传统的测量脑电波活动需要使用昂贵且复杂设备，现在使用TGAM脑电生物传感器将可以数字化和放大原始的模拟脑信号，通过轻轻的接触头部皮肤就能接收到这些脑电波信号，并进一步分析大脑的思维状态。通过检测到不同幅值和频率的脑电波，可以知道大脑正处于放松或者专注状态。MindWave头带就是一款基于TGAM模块的头戴式设备，该设备可将脑电波转换为数字信号，通过蓝牙发送到PC机或者其他设备。通过一个简单的头戴设备就能够采集到丰富的脑电波信号，这不仅对神经相关疾病的监测和治疗的研究提供了接口，而且推动越来越丰富的计算机技术与算法运用在脑电控制中。
1 系统设计
本控制系统结构组成，如图1所示。
图1 系统框图
1.1数据采集模块
MindWave可以安全的测量和输出脑电功率谱（α波，β波等），例如，当脑电波位于12到30Hz之间时，即β波，表示大脑正处于专注状态。当脑电波在8到12Hz时，即α波，表明大脑正处于平静放松的状态。该设备由耳机，耳夹和传感器臂组成。耳机的参考电极和接地电极位于耳夹上，干电极位于传感器臂上，佩戴时电极将紧贴在前额上。由于人类左耳垂的电压比较稳定，于是作为参考电压，从而使前额的电极可准确探测出实时EEG。通过蓝牙与电脑连接，MindWave把电脑作为一个大脑活动监视器，安全地测量出脑电波信号，并分析个人在各种不同活动下大脑的专注度，最后通过上位机将脑电波显示出来，进行脑电波的观察和分析。如图2所示。
图2 脑电波形显示
TGAM作为MindWave的关键部分，是实现系统相关功能的核心。TGAM是Neuro Sky公司为设计的主要脑电波传感器模块，这是一个产业革命化的芯片，也是世界上第一款为消费者使用而设计的脑电波传感器。其先进的滤波技术可实现高抗扰度，使该设备在各种环境中适用于用户的使用。因为功耗低，该模块可以使用便携式电池驱动，且非常适用于玩具，视频游戏和保健设备，。由于TGAM这些优点，结合简单的干电极，使得MindWave头戴具有重量轻，低功耗等特点，研发的产品适合消费者使用。图3，图4分别为TGAM模块实物图及MindWave内部电路图。
1.2信号接收端
MindWave能够和 iOS 设备、Android 设备和桌面电脑匹配（Windows xp 或更高，Mac OS X 10.6.5 或更高）。本系统采用的通过Raspberry pi 3接收MindWave通过蓝牙发出的脑电波数据。在当前流行的高性能ARM开发板的范围内，Raspberry pi 3是最低价的产品。其他开发板基本需要￥300以上的投入，而Raspberry pi 3由于货源广泛、竞争充分，现在已经能做到￥240～280的价格。而在这个价格上，Raspberry pi 3提供的性能也是合理的。四核1.2GHz与1GB的内存已经足够提供一般的计算性能，足以应付本系统数据的处理。并且Raspberry pi 3是一款基于Linux系统的单板机电脑，拥有丰富的开源资料以及IO接口，方便后续功能的拓展。此外Raspberry pi 3自带蓝牙和WiFi功能，所以不要外接模块就能进行数据通信。
图3 TGAM模块实物图
图4 MindWave内部电路图
1.3控制平台及其对象
本系统选用的是以ATMEL公司的AVR单片机为核心单片机控制板Arduino以及由此作为主控的智能小车作为控制对象。
Arduino是一类便捷灵活、方便上手的开源电子原型平台，他包含很多的硬件以及编程软件（IDE即编程环境）。同时還有各种各样周边的硬件去兼容Arduino这个平台，并且这些硬件通常都已经带有了兼容Arduino控制器的函数库，在此基础上进行简单的修改，即可编写出比较复杂的程序。Arduino的这些优点将会节约很多开发设计和降低开发难度。而已作为一款AVR单片机，经过实际测试能够驱动ES8266模块及流畅接收到Raspberry pi 3发出的指令。
小车车体采用的是前单后双3轮型车模，前单轮为无动力万向轮，通过两后轮差速进行转弯。该模型控制简单，转弯灵活，而且比较接近轮椅的结构，故选择该车模。
2 数据采集与分析
NeuroSky公司是世界知名脑机接口相关领域的软硬件供应商，特别是该公司的TinkeGear芯片技术。原始脑电波数据及eSense指数在内的所有数据都由一块单一的TinkeGear芯片来处理。TinkeGear能输出多种频段的脑电数据，如图5。并且使用eSense算法对处理后的信号进行计算，得到了量化的eSense指数值。
eSense是以数字化指数对人的当前精神状态进行度量的算法，而eSense值是一个用来描述当前精神活动波动范围的数值。eSense指数将使用者的专注度及冥想度用一个具体的数值表示（1-100）。MindWave将会把原始数据及eSense值一起发送出来，其中原始数据的发送频率为512Hz，eSense值的发送频率为1Hz，简单来说就是一秒内会大约发送512组原始数据，发送完成后会发来一组eSense值，下一秒就同上一秒一样依次循环。这样就可以通过eSense值进行简单的脑电波远程控制，也可以使用原始脑电数据进行更进一步的研发。在本系统中，Raspberry pi 3预先编写好了相关的分析算法，在接收到数据之后进行一系列的分析，最后将分析得到的小车控制指令通过WiFi发送出来。
图5 各种频率的脑波信号及其对应的精神状态
3 控制部分
控制部分采用的是控制简单小车的运动来模拟轮椅的运动。Arduino通过从ESP8266模块接收到的运动指令进行小车两轮速度的调节。两个驱动轮上带有光电编码器，由此来确定小车的角速度与线速度，通过简单的闭环PID算法调节小车的加速度，对误差进行调整，顺利到达指定地点。
4 结语
近几年，随着脑科学及嵌入式计算机科学等领域飞速发展，意念控制的研发热潮已经蓄势待发。未来几年，基于脑电波的意念控制技术将会在各个领域开始崭露头角，比如：具有危险性的控制操作，更加便捷的协助残疾人运动系统，新一代智能家居，新一代的游戏操作系统等等。这些运用不仅使我们生活更加便捷，也让我们避免了不必要的危险。所以基于脑电波分析的意念控制将来一定会有很大领域的发展空间，也是未来几年最前沿的技术。
参考文献
[1]李扬.基于MindWave的脑电波信号分析方法研究及其应用[D].北京工业大学（北京）.2014-5
[2]郭进，卫晓妮.脑电图应用的研究进展.陕西师范大学继续教育学报[J]（西安）.2007，24（2）：122-124
[3]张浩，李远清，张瑞，晏勇勇.室内环境中脑控轮椅的路径跟踪控制[A].华南理工大学（广州）.2015.23（1）：93-95
（作者单位：北京理工大学珠海学院）