基于TGAM的意念控制無人機系統(tǒng)

張志遠　陳珂　李晶晶

摘要：設計出了一款基于TGAM腦電傳感器的無人機控制系統(tǒng)，通過對TGAM傳感器數(shù)據(jù)的提取、傳輸、濾波、特征提取等方式，將人腦的精神狀況轉(zhuǎn)化為可對系統(tǒng)進行操作是實用輸入信號，實現(xiàn)了對無人機油門和方向等基本操作的控制。該系統(tǒng)具有通用性，可擴展應用到各種無線控制領域。

關鍵詞：TGAM模塊;無人機控制;腦電波分析;信號處理;STM32

中圖分類號：TP311 ? ? ? ?文獻標識碼：A

文章編號：1009-3044（2019）15-0286-03

1 引言

腦機接口的研究最早起源于19世紀60年代，到21世紀，迎來了研究的熱潮。它是一種基于腦電信號實現(xiàn)人機交互的新型控制方式，可以簡化現(xiàn)有的控制系統(tǒng)。該技術，在醫(yī)療，游戲，教育以及通訊控制等多個領域都可以有重要的應用。

本項目中，利用美國神念科技有限公司推出的傳感TGAM，實時檢測大腦前額發(fā)出的微弱的腦電波信號（電壓信號）。檢測對象的情緒狀況不同，發(fā)出的腦電波信號也會相應改變。利用該信號來控制無人機的起飛降落等基本動作，實現(xiàn)了比較好的調(diào)控效果。

2 系統(tǒng)的基本構成

整個系統(tǒng)由干電極、TGAM模塊、藍牙、基于STM32的飛行控制器、基于NRF24L01 +的無線通信電路、基于NRF51822的無線通信模塊，基于STM32的無人機系統(tǒng)等部分組成。本系統(tǒng)針對無人機控制系統(tǒng)結構中飛行控制器這一設備不易操作的特點，初步開發(fā)了一款集腦電波信號發(fā)送、接收、信號處理及無人機控制的系統(tǒng)。考慮到藍牙設備的發(fā)送距離有限，因此借用了原有飛行控制器的無線收發(fā)模塊進行遠距離信號傳輸。其系統(tǒng)框圖1所示，利TGAM采集大腦前額腦電波電壓信號，經(jīng)藍牙HC-05傳輸?shù)斤w行控制器上的藍牙HC-06，經(jīng)過飛行控制器的NRF24L01 +的無線通信電路，將信號傳輸?shù)綗o人機上的NRF51822，至此信號傳輸完畢。再由無人機上的STM32F103對原始電壓信號進行數(shù)據(jù)處理，利用處理完的數(shù)據(jù)對無人機進行控制，實現(xiàn)了人腦對無人機的無線控制。

3 控制系統(tǒng)軟硬件設計

TGAM芯片必須將干電極貼近在大腦前額處，兩個參考電極放置在左耳乳突出和右耳乳突出，才能構成電勢差，并通過計算參考電勢來消除一定的干擾。在不連接參考電極時進行腦電采集，電壓信號變化劇烈以致芯片無法處理信號。通過設置雙面電極耳夾，整體體積小巧，調(diào)整和操作極為方便，可以基本達到要求。

信號的傳輸選用兩個藍牙模塊，考慮道飛行器與人相距較遠，而利用了飛行控制器上的NRF24L01 +發(fā)送模塊，和無人機上的NRF51822無線接收模塊。從而將TGAM數(shù)據(jù)包傳輸?shù)斤w行器的STM32F103芯片上。

圖1即是該系統(tǒng)的主要設備。

STM32可以對原始數(shù)據(jù)進行歸一化處理和濾波處理，將其轉(zhuǎn)化成飛行器的控制的輸入信號。飛行器通過pwm輸出，經(jīng)多層pid反饋計算來實現(xiàn)準確控制各路電機的轉(zhuǎn)速。本項目將輸入信號轉(zhuǎn)化成為pwm輸出信號，實現(xiàn)對飛行器高度的和方向的控制。

4 腦電波采集和處理

4.1 腦電波的采集

腦電模塊 TGAM 檢測出來的信號，是經(jīng)過電路放大處理的電壓信號。使用干電極讀取人的腦電信號，可以過濾掉周圍噪音的部分干擾，并將檢測到的大腦信號轉(zhuǎn)成數(shù)字信號。經(jīng)過TGAM芯片處理的輸出原始數(shù)據(jù)rawdata與前額皮膚電壓v滿足：[rawdata=2000×4096×V1.8]。TGAM大約每秒鐘發(fā)送 513個數(shù)據(jù)包，經(jīng)過對每個數(shù)據(jù)包的計算，校驗，對第513個數(shù)據(jù)包進行解析、分類處理，可以將繁雜的腦電波轉(zhuǎn)化為信號強度、放松度、專注度三個數(shù)值以及8個 EEG Power 的值。本項目只取其中的專注度和信號強度進行研究，專注度大小用 1 ～ 100 表示 ， 數(shù)值越大表示進入集中程度越深。信號強度大小用1 ～ 200 表示 ， 數(shù)值越小表示進入相應程度越深。未佩戴時，專注度信號為0，信號強度為200。圖2顯示了1分鐘內(nèi)測試對象在不同狀態(tài)下的腦波數(shù)據(jù)結果。

4.2 腦電波的解析

TGAM數(shù)據(jù)包是以異步的串行字節(jié)流發(fā)送的，可以經(jīng)過藍牙HC-05進行傳輸。TGAM發(fā)送的包有小包和大包兩種小包的格式是[AA AA 04 80 02 xxHigh xxLow xxCheckSum，]前面的[AA AA 04 80 02]是不變的，后三個字節(jié)是變化的，[xxHighxxLow]和組成了原始數(shù)據(jù)[rawdata]，[xxCheckSum]就是校驗和。所以一個小包里面只包含了一個有用的數(shù)據(jù)，那就是rawdata，大約每秒鐘會有512個原始數(shù)據(jù)。其中：

[rawdata = （xxHigh << 8） | xxLow? ? ? ? ? ]

[ if（rawdata > 32768）]

[ ? ? ? ? ? ? ? ? ? ? ? { ]

[rawdata ?=65536? ?]

[ ? ? ? ? ? ? ? ? ? ? ? ?}]

[sum = （（0x80 + 0x02 + xxHigh +]

[ xxLow）^ 0xFFFFFFFF） ?0xFF;]

如果sum 和 xxCheckSum 是相等的，那說明這個包是正確的。在第513個大包里包含了信號強度 Signal， 專注度 Attention， 冥想度Meditation， 和 8 個 EEG Power 的值，需要根據(jù)通信協(xié)議進行層層校驗和并進行一系列計算，最終讀取數(shù)據(jù)。

4.3 腦電波的處理

通過編程解析轉(zhuǎn)換數(shù)據(jù)，可以使其控制飛行器的起飛和降落。專注度越高，飛行器的油門越大，飛行器飛的高度越高。為了確定油門的最低值，經(jīng)過一系列測試，其中圖3測試表明最低專注度為20左右。因此在專注度小于等于20時，油門設為0。下表為專注度與油門的等級劃分：

[專注度 油門THRUST（0～100） <=20 0 20～30 25 30～40 35 40～50 45 50～60 55 >=60 60 ]

飛行器具有定高飛行的功能，因此一定的油門對應相應的飛行高度，為了保證飛行器的安全，因此將最高油門設為60。

由于一秒鐘可以采集513個信號強度，但只能采集1個專注度和冥想度，因此數(shù)據(jù)變化會比較緩慢，而值與值的差異會相對比較大。此外，經(jīng)過測驗，專注度無論如何都無法達到100，并且都低于90，通過歸一化處理，將0到90的值限制在到0～100當中。在歸一化之前需要進行濾波處理，每次采集10個值，存入數(shù)組C[10]，經(jīng)過冒泡排序去掉兩個最低值，去掉兩個最高值，剩余6個值取平均，如此一來一分鐘只能取36個值在0～100的專注度。因此控制的精度具有一定的局限性，但提供了一種比較合理的新型控制方式。

通過實驗，可以看出腦電信號的強弱程度能夠用專注度和冥想度數(shù)值來體現(xiàn)，當專注度數(shù)值增大的時候，大腦注意力處于慢慢集中狀態(tài)，腦電信號較強;反之，腦電信號較弱。冥想度正好與腦電信號相反，當冥想度數(shù)值增大的時候，腦電信號較弱;冥想度數(shù)值減小的時候，腦電信號較強，因為此時大腦處于興奮、緊張狀態(tài)，安靜程度較弱。因此可以利用大腦狀態(tài)與專注度和冥想度之間的對應關系進行編程應用。

實驗中還發(fā)現(xiàn)，眨眼的時候，原始數(shù)據(jù)rawdata會發(fā)生劇烈的波動，如圖3所示。因此，可以利用前后數(shù)值的誤差進行波動比較，波動誤差超過一定值，表明人物發(fā)生眨眼動作。在該思想指導下，利用眨眼信號進行無人機向前飛和向后飛的控制。眨眼一次，改變一次飛行狀態(tài)。其控制流程圖如圖4所示，實驗取得了良好的效果。

此外，利用該方法進行燈泡的亮滅控制，呼吸燈的亮度控制，智能小車的速度控制等都取得了良好的調(diào)控效果，實驗證明，該方法可以應用到多種連續(xù)性控制領域。并且選用更高的精度腦電提取芯片，其控制效果會更加好。

5 總結

本文介紹了基于TGAM的意念控制無人機系統(tǒng)，利用TGAM模塊提取出來的專注度和冥想度和原始數(shù)據(jù)rawdata進行了實驗研究，并取得了良好的控制效果，但是由于芯片本身的性能，使控制具有一定的局限性。此外這種控制系統(tǒng)具有很強的通用性，可以應用到各種無線控制領域。而腦電芯片可以提取的腦波有很多，對其他腦波的進一步研究，對于更加復雜的控制系統(tǒng)具有重要意義！

參考文獻：

[1] 岳敬偉，葛瑜，周宗潭，等.腦機接口系統(tǒng)中的交互技術[J].計算機測量與控制，2008，16（08）：1180-1183.

[2] 紀建偉.基于EEG能量解碼的機械手控制方法研究[D].沈陽工業(yè)大學，2017.

[3] 王佳威.腦電波信號的處理方法和應用[D].北京郵電大學，2012.

[4] 封順天.可穿戴設備的發(fā)展現(xiàn)狀及趨勢[J].通訊技術，2013（3）.

[5] 白冬梅.腦電信號的特征分析和特征提取[D].大連理工大學，2006.

【通聯(lián)編輯：代影】