腦電波繪圖機器人數(shù)據(jù)采集與控制算法研究

晏 涌，于洪波,劉子昂,隗立昂,陳海峰,張澤方,劉學君

(北京石油化工學院信息工程學院，北京 102617)

0 引言

腦電波活動與腦區(qū)域、腦狀態(tài)有著密切的關系，是了解人腦信息處理過程的一種極為重要的形式。神經(jīng)系統(tǒng)科學領域的專家們已經(jīng)定義了人的情緒、精神狀態(tài)及專注狀態(tài)都受大腦前額處的皮質區(qū)域的控制[1]。人在主動思維或受到不同的感覺刺激時，能夠產(chǎn)生特定模式的腦電波信號(electroencephalogram，EEG)[1]。腦電波信號可以根據(jù)頻率不同而劃分為Delta波、Theta波、Alpha波、Beta波、Gamma波等類型[2-3]。它們可以反映大腦的不同狀態(tài)，并能夠被實時地提取與分類，且記錄簡單、無創(chuàng)[4]；再對其進行分析解讀，進一步轉化為相應的動作，即通常所說的用“意念”操控物體的基本原理[5]，現(xiàn)今已成為熱門研究方向。

腦-機接口(brain-computer interface，BCI)是不依賴于大腦外周神經(jīng)與肌肉系統(tǒng)，在人腦和計算機或外部設備之間建立起來的一種通信系統(tǒng)[6-7]。本文利用腦-機接口實現(xiàn)腦電波數(shù)據(jù)的采集和傳輸。通過單片機對數(shù)據(jù)進行濾波算法處理、分析并實現(xiàn)對繪圖機器人的控制。

1 總體設計方案

總體方案設計包括：腦電波采集模塊、腦電波處理模塊和上位PC機。其中，腦電波采集模塊包括腦電波分析模塊、主控單元、干電極、耳夾以及藍牙模塊，腦電波處理模塊包括單片機、電機驅動模塊、3個步進電機以及藍牙模塊。

通過干電極、耳夾采集人腦前額電壓信號，利用腦電波分析模塊對數(shù)據(jù)進行分析。通過藍牙模塊傳輸，再通過單片機進行數(shù)據(jù)濾波處理和閾值比較，提取關注度的相關信息并輔以眨眼信號，控制3個步進電機運動，實現(xiàn)對繪圖機器人的控制。

系統(tǒng)總體結構如圖1所示。

圖1 系統(tǒng)總體結構圖

2 系統(tǒng)硬件實現(xiàn)

2.1 腦電波芯片介紹

腦電波芯片(ThinkGear AM，TGAM)是美國神念科技公司(NeuroSky)開發(fā)的一款腦電波采集、處理模塊，采用干電極傳感器，能夠實時監(jiān)測額葉的腦波獲得原始數(shù)據(jù)信號[8-10]，處理和輸出α、β等腦波波段數(shù)據(jù)以及專注度和放松度指數(shù)，并可偵測眨眼狀態(tài)等。該模塊采樣率為512 Hz，頻率范圍為3～100 Hz，輸出端口波特率設置為57 600 bit/s。

2.2 藍牙模塊介紹

采用藍牙模塊實現(xiàn)腦電波采集模塊和腦電波處理模塊之間的數(shù)據(jù)通信。藍牙模塊型號為HC-05，工作電壓為3.3 V，內置2.4 GHz天線。串口通信波特率設置為57 600 bit/s，數(shù)據(jù)傳輸方式設定為8數(shù)據(jù)位、1停止位、0校驗位。在AT模式下，將系統(tǒng)所用的兩個藍牙模塊分別設置為主機模式和從機模式，兩個藍牙模塊在上電后可以相互連接實現(xiàn)數(shù)據(jù)通信。

2.3 單片機

系統(tǒng)硬件核心控制平臺采用STM32F429微處理器。該處理器采用ARM Cortex-M4處理器內核，帶FPU功能，主頻180 MHz，片內Flash為2 MB，片內SRAM大小為(256+4)KB，內置LCD-TFT顯示控制器和DMA-2D圖形加速卡。

2.4 多軌道參數(shù)導軌機器人

多軌道參數(shù)導軌機器人由三組互相垂直的導軌組成，如圖2所示。

圖2 多軌道參數(shù)導軌機器人

各導軌通過步進電機牽引實現(xiàn)移動，畫筆被固定于水平導軌上，可以使畫筆在三維空間中自由移動。

步進電機是借助電脈沖實現(xiàn)角位移的執(zhí)行器件[11-12]，具有轉矩大、慣性小、響應頻率高的特點。其瞬間啟動及急速停止特性適合繪圖要求。步進電機采用J-5718HB6401型號的步進電機，工作額定電流為4.0 A，相電阻1.1 Ω，工作時可保持轉矩為3.6 N·m，步距角為1.8°。

采用M542H步進電機驅動模塊控制電機的轉動方向和運動速度，步進電機驅動采用256細分驅動，將原來的1.8°的步距角細分為0.42″，增加了步進電機的精確度，消除了電機的低頻振蕩，提高了電機的輸出轉矩、電機的分辨率、步距的均勻度，使畫筆運動更平穩(wěn)。

3 系統(tǒng)軟件設計

3.1 藍牙傳輸協(xié)議

通過藍牙模塊每秒發(fā)送513個數(shù)據(jù)包，分為小包數(shù)據(jù)和大包數(shù)據(jù)這2類小包數(shù)據(jù)協(xié)議。其中，前512個包是小包數(shù)據(jù)，每個小包包含了一個原始數(shù)據(jù)(Rawdata)，可以根據(jù)解析算法從原始數(shù)據(jù)中可以獲得眨眼數(shù)據(jù)。第513個包是大包數(shù)據(jù)，包含了專注度數(shù)據(jù)和放松度數(shù)據(jù)。每個數(shù)據(jù)包由包頭部、有效負載及有效負載校檢和三部分組成。TGAM模塊腦電波信號結構如圖3所示。

圖3 TGAM模塊腦電波信號結構圖

512個小包數(shù)據(jù)，每個數(shù)據(jù)包8 B，小包數(shù)據(jù)協(xié)議見表1。

表1 小包數(shù)據(jù)協(xié)議

大包數(shù)據(jù)共36 B，含2 B同步標志、1 B說明有效字節(jié)數(shù)、32 B效數(shù)據(jù)、1 B校驗。大包數(shù)據(jù)協(xié)議如表2所示。

表2 大包數(shù)據(jù)協(xié)議

表2中的EEG Power數(shù)據(jù)模塊是由24 B組成的，每3 B為一組，包含采集到的腦波的δ、θ、α、β波。EEG power協(xié)議格式見表3。

表3 EEG power協(xié)議格式

3.2 數(shù)據(jù)

基于上述分析，分別采集20名不同年齡的志愿者在專注、正常、放松狀態(tài)下TGAM模塊腦電波。

依據(jù)表2所示的數(shù)據(jù)格式，對專注度以及冥想度進行統(tǒng)計，如圖4、圖5所示。

圖4 專注度數(shù)據(jù)

圖5 冥想度數(shù)據(jù)

專注度以及冥想度數(shù)值為1～100，數(shù)值從小到大就是相對專注度(冥想度)的程度。專注情況下，專注度70～80以上占50%；放松情況下，專注度35～50以上占50%；正常情況下，專注度50～60以上占50%。通過這些數(shù)據(jù)，可以知道每個人做事的狀態(tài)。若其工作狀態(tài)時專注度很高，其做事效率一定不錯；同理，在正常狀態(tài)下，其專注度越高，越容易進入工作狀態(tài)；而當其勞累時專注度越低其休息狀態(tài)越好，進而可以很快恢復。

對采集到的眨眼情況下的多人的原始數(shù)據(jù)進行分析，發(fā)現(xiàn)雖然每個人眨眼的力度不同，但是眨眼對αl波、βh波的影響較大。因此，可以通過分析αl波、βh波的波動情況，來判定是否有眨眼動作的發(fā)生。。

3.3 數(shù)據(jù)濾波去噪算法

圖6 試驗采集小包數(shù)據(jù)圖

圖6中：每個波峰對應被測者一次眨眼時前額生物電的跳變，對多個樣本眨眼信號波峰數(shù)值進行分析，以限幅濾波的方式剔除其中與眨眼信號無關的數(shù)據(jù)，濾波時設定每次采樣允許最大偏差值記為A，每次采樣后做如下判斷[13-14]

(1)

式中：y(k)為第k步濾波值。

選取閾值為60 000，濾波后腦波數(shù)據(jù)如圖7所示。

圖7 濾波后腦波數(shù)據(jù)圖

3.4 系統(tǒng)控制軟件設計

腦波數(shù)據(jù)提取后，為了實現(xiàn)腦波信號控制繪圖機器人的功能，基于核心控制板STM32F429設計了單片機端系統(tǒng)軟件。

系統(tǒng)控制軟件框圖如圖8所示。

圖8 系統(tǒng)控制軟件框圖

系統(tǒng)首先對各模塊初始化，根據(jù)藍牙傳輸協(xié)議，得到小包的原始數(shù)據(jù)和大包的專注度、冥想度數(shù)據(jù)。然后，檢測被測者的專注度信號，選取60作為專注度信號閾值。若專注度超過閾值，則使導軌開始移動；若低于設定閾值時，則發(fā)送導軌停止信號，再次監(jiān)測腦電波信號。其次，導軌運動方向通過使用者眨眼信號進行控制，分析小包數(shù)據(jù)得到眨眼信號波峰數(shù)值，再經(jīng)過限幅濾波眨眼信號無關的數(shù)據(jù)，選取600作為眨眼數(shù)據(jù)信號閾值。當閾值大于600時，認為使用者有眨眼動作，導軌向右轉向；若眨眼數(shù)據(jù)信號低于設定閾值，再次檢測腦電波信號。

3.5 步進電機驅動器控制程序

脈沖寬度調制(pulse width modulation,PWM)是一種模擬控制方式，利用微處理器的數(shù)字信號對模擬電路進行控制，來實現(xiàn)晶體管或MOS管導通時間的改變。利用PWM波作為步進電機的驅動信號，來控制步進電機的運動。步進電機X用GPIOA6實現(xiàn)脈沖控制，GPIOA7實現(xiàn)方向控制；步進電機Y用GPIOB6實現(xiàn)脈沖控制，GPIOB7實現(xiàn)方向控制；步進電機Z用GPIOA4實現(xiàn)脈沖控制，GPIOA5實現(xiàn)方向控制。

以步進電機Z驅動器為例，其部分控制程序如下。

#define PULZ(a)if (a)

3）在整個教學過程中采用先虛后實、虛實融合的教學方法，既提高學生實物拆裝的規(guī)范性，又提高教學實訓設備的可重復利用率，節(jié)約了教學成本，達到高效教學的目的。

GPIO_ResetBits(GPIOA,GPIO_Pin_4);

else

GPIO_SetBits(GPIOA,GPIO_Pin_4)

#define DIRZ(a)if (a)

GPIO_ResetBits(GPIOA,GPIO_Pin_5);

else

GPIO_SetBits(GPIOA,GPIO_Pin_5)

void MOVEZ(int Z)

{

LENGTHZ=Z-LOCALZ;

if(LENGTHZ<0)

{DIRZ(0); LENGTHZ=-LENGTHZ;}

else DIRZ(1);

for(i=0;i

{

PULZ(1);

Delay_us(500);

PULZ(0);

Delay_us(500);

}

LOCALZ=Z;

}

結合PWM脈沖信號控制和256細分驅動控制，當測試者集中注意力，畫筆開始運動，運動時測試者眨眼后1 s內畫筆便執(zhí)行轉向操作。若測試者注意力下降，則畫筆停止運動。繪圖機器人步進電機移速均勻、平穩(wěn)，實現(xiàn)了3維方向上的3 mm控制精度。

4 結束語

本文利用嵌入式微處理器和腦電波模塊等器件設計，實現(xiàn)了腦電波繪圖機器人數(shù)據(jù)采集與控制系統(tǒng)，并進行了控制算法的研究。系統(tǒng)通過TGAM腦電波模塊獲取腦波信號，通過藍牙模塊實現(xiàn)數(shù)據(jù)傳輸，并通過單片機程序對檢測人專注度和眨眼動作的判斷，對繪圖機器人三個步進電機的進行精準控制，改變導軌三維移動狀態(tài)及畫筆運動控制，完成繪圖功能。對采集到的數(shù)據(jù)進行分析，用于進行專注度訓練，幫助高位截癱病人或其他重癥殘疾人實現(xiàn)對智能設備的操控。