基于神念TGAM 的腦波智能輔助輪椅設計

馮 碩,呂康飛,朱迎新

(淮陰師范學院,江蘇 淮安 223300)

0 引言

智能電動輪椅將智能機器人的移動控制技術廣泛應用于普通電動輪椅,將控制、傳感器、電子機械、人工智能、通信等多種科學技術融于一體,相對于傳統輪椅的使用控制,其控制方式更加趨向于智能化。 目前,智能輪椅控制方法的主要研究方向有兩個方面:(1)借助身體肌肉運動進行輔助運動控制,比如通過手和腳來進行輔助控制,但這種方法對全身癱瘓或已截肢等身體機能嚴重缺失的使用者來說并不太適用。 (2)利用腦機接口技術獲取相關腦電信息,通過核心控制板對腦電波信號處理分析后,發出相對應的控制指令信號,來控制輪椅的運動狀態。 本文從第二個方向進行研究。 應用Neurosky(神念科技)公司的TGAM 芯片來采集腦電波信號,并對采集的信號進行放大、濾波等處理,將處理后的信號通過HC-06 藍牙模塊與PC端進行數據通信,在PC 端主機上通過processing 軟件來實時顯示檢測的腦電波數據,再通過PC 端上的藍牙串口與核心控制板上的藍牙功能模塊進行數據傳輸,然后核心控制板將接收到的腦電波信號進行數據的去噪,特征的提取、識別等一系列綜合操作處理后,所得到的就是用戶大腦中想到的目的地信息,最后依靠蟻群算法進行路徑選擇,找到一條最優的路徑來實現智能腦波輪椅快速、準確、安全地到達用戶指定目的地。

1 系統的整體設計

基于神念TGAM 腦波模塊的輪椅運動控制系統[1-2]的系統如圖1 所示。 該控制系統由thinkgear am腦電信號采集模塊、無線藍牙模塊、嵌入式處理器、直流電機驅動模塊和液晶顯示觸摸屏等組成,根據對采集到的人體腦電波信號進行處理解析,發出控制命令,這樣就可以控制運動對象的運動模式和運動狀態。 通過對行駛路徑的精確規劃,智能腦電波輪椅能夠快速、精確安全地到達指定目的地而不會發生碰撞,從而實現意念控制。

圖1 系統總體

2 硬件模塊的選取

2.1 數據采集單元

TGAM 模塊是一種高度集成、性能優越、功耗低的腦電傳感器模塊,其具有A/D 轉換、放大濾波等功能。其先進的過濾技術可以排除日常生活中的噪聲,將微弱的腦電模擬信號轉變為數字信號。 其連接結構原理如圖2 所示,在TGAM 腦波模塊的綜合處理下,可以從繁雜的信號中準確清晰地采集到腦電信號,處理和輸出α,β 等腦波波段數據,eSense 專注度和眨眼偵測等參數。 其中,使用者的大腦放松度、專注度等參數的變化大小可以用1 ～100 表示,數值越大表示大腦進入相應狀態程度越深。 數據將以數據包的形式進行發送,通過thinkgear 的數據包校驗格式來檢查數據完整性和準確性。

圖2 實物圖和TGAM 半導體芯片的電路連

2.2 數據傳輸單元

數據傳輸單元選用的是HC-06 藍牙串口通信模塊,hc-06 指令少,主從指令可以切換,使用方便。 腦電傳感器上的藍牙模塊和嵌入式處理上的藍牙模塊都支持標準化的串口通信協議,可以很方便地連接起來進行通信,將從用戶大腦采集到的腦電數據以數據包的形式實時傳輸發送至PC 端,從而得到腦電波的實時波形、專注度、放松度等參數,PC 端再傳輸給核心控制板,控制板進行數據解析提取后,發出相應控制指令,進而操縱輪椅運動到用戶所想目的地。

2.3 數據處理單元

通過PC 機上的上位機和下位機STM32 系列嵌入式芯片進行數據處理,通過對STM32 單片機編寫相關程序完成數據包的分析和提取過程,及通過單片機RS232 通信例程得到原始數據信息,也就是參考手冊中的數據流[3]。 通過對數據包的分析,本研究可以依次得到原始腦電波形數據、噪聲信號質量、用戶的注意力強度、用戶放松度和用戶的眨眼強度值。 本課程的設計主要是通過注意力強度數值來控制智能輪椅的運動狀態,即通過STM32 單片機的嵌入式處理器提取計算注意力數值進而實現控制。

2.4 驅動運動單元

選用L298N 直流電機驅動模塊作為輪椅的驅動單元。 L298N 直流電機驅動模塊是瑞士通用公證行(SGS)的系列產品,其能夠承受高電壓大電流,可以用來驅動兩相直流電機,也能用來驅動四相直流電機。其電路結構是由4 通道的邏輯驅動電路構成,其內部置有2 個H 橋的雙全橋式驅動器,并可以接收ttl 邏輯電平信號。 本次設計主要依據L298N 直流電機驅動模塊的邏輯功能來實現輪椅運動狀態的控制。

3 軟件設計

3.1 基本流程

嵌入式處理器收到數據后,首先判斷數據是否完整。 如果校驗碼不正確,數據包數據將被直接丟棄。接收到數據后將進行解析,得到想要的參數如專注度、放松度等,當兩參數的值超過閾值,輪椅啟動詳細流程如圖3 所示。

圖3 基本程序流程

3.2 腦波信號的去噪處理

腦電傳感器采集的腦電信號通常摻雜一系列諧波噪聲,包括工頻信號的干擾和采集環境引起的噪聲干擾和其他生物電引起的噪聲干擾。 因而,為了獲得準確的腦電信號,在進行特征模式識別之前,須對采集的腦電信號進行去噪濾波處理。 通常對于一維含有噪聲的腦波信號來說,可以用公式表示為以下形式:

式中:ε為噪聲系數的標準偏差;e(k)為噪聲干擾信號;f(k)為僅有腦電波信號的原始信號;s(k)為噪聲信號和腦電波信號的合成信號,也就是采集到的信號。基于蟻群算法的路徑程序流程如圖4 所示。 小波的分解可以分為以下幾個步驟。

圖4 基于蟻群算法的路徑程序流程

(1)輸入采集的腦電波信號。

(2)進行小波分解。

(3)進行閾值的處理。

(4)進行小波重構。

(5)獲得去噪后的腦電信號。

3.3 腦電波信號特征提取

采用公共空間模式(CSP)算法作為腦電信號的特征提取算法。 該算法的根本思想是通過線形變換的化簡即矩陣的對角化,找到一個最佳的空間濾波器投影,使兩種不同信號之間的方差差值最大化,從而可以得到區分度高、差異明顯的特征向量。

3.4 腦電波信號模式識別

對于腦電波信號模式的識別,為了得到更好的腦電信號,本研究選擇的算法是模糊支持向量機算法(FSVM)。 該算法的優點是可以有效避免向量機抗噪性差這一弊端。 其根本原理就是對輸入樣本中的噪聲設定一個很小的隸屬度,然后再去減小噪聲樣本干擾等不良影響,進而大幅度提高系統分類的準確性,從而得到更精確的腦電數據。

3.5 輪椅路徑規劃

當輪椅使用者通過腦機接口裝置傳輸數據指令去選擇目的地時,為了利用自動導航系統使輪椅快速到達指定的目的地,需要智能輪椅系統找到一條最合理、最優的路徑。 因而,就要進行路徑的合理規劃,而蟻群算法就可以完美解決這個問題。 因為蟻群算法(也被稱為“螞蟻算法”)是一種智能算法,它是根據螞蟻尋找食物過程中行走的路徑,得到啟發而產生的一種仿生搜索算法,這種算法具有魯棒性強、自組織等特點。 所謂魯棒性強是指在程序輸入錯的情況下,能夠維持其性能。 它可以根據正反饋和分布式協作找到最優路徑。 其基于蟻群算法[4]的最優路徑規劃設計流程如圖5 所示。

圖5 基于蟻群算法的路徑程序流程

4 結語

研究設計方案采用神念科技的腦機接口裝置,使用低生產成本、低功耗、高性能的STM32 系列的嵌入式處理器,試著研發智能腦波輪椅控制系統。 它不僅可以幫助老年人和殘疾人的日常出行,方便他們移動,還可以改善他們的心情,進而提高殘疾人和老年人的生活質量水平。 智能腦波輪椅這一領域的研究,有利于推動腦機接口技術在實際工業生產及醫學領域[5]中的發展進程,也激勵人類不斷做出有意義的技術探索和創新嘗試。 此外,此領域還可以促進腦機接口信息技術在未來中國醫學的應用,為殘疾人帶來希望。