基于脑机接口的智能轮椅原型机的研究.docx
《基于脑机接口的智能轮椅原型机的研究.docx》由会员分享，可在线阅读，更多相关《基于脑机接口的智能轮椅原型机的研究.docx（51页珍藏版）》请在冰豆网上搜索。
基于脑机接口的智能轮椅原型机的研究
本科毕业设计（论文）
基于脑机接口的智能轮椅原型机的研究
赵玉超
燕山大学
2010年5月
本科毕业设计（论文）
基于脑机接口的智能轮椅原型机的研究
学院（系）：
信息科学与工程学院
专业：
通信工程专业
学生姓名：
赵玉超
学号：
060104030065
指导教师：
王金甲
答辩日期：
燕山大学毕业设计（论文）任务书
学院：
信息科学与工程学院系级教学单位：
电子与通信工程系
学
号
学生
姓名
赵玉超
专业
班级
通信3班
题
目
题目名称
基于脑机接口的智能轮椅原型机的研究
题目性质
1.理工类：
工程设计（）；工程技术实验研究型（√）；
理论研究型（）；计算机软件型（）；综合型（）。
2.管理类（）；3.外语类（）；4.艺术类（）。
题目类别
1.毕业设计（√）2.论文（）
题目来源
科研课题（√）生产实际（）自选题目（）
主
要
内
容
脑机接口（BCI）是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道，通过这种通道，人就可以直接通过脑来表达想法或操纵设备，而不需要语言或动作，这可以有效增强身体严重残疾的患者与外界交流或控制外部环境的能力，以提高患者的生活质量。
设计一台基于Gtec的8通道脑电图EEG脑机接口的智能轮椅原型机，涉及智能轮椅的单片机设计，上位机和单片机的通信，上位机和gtec脑机接口的通信，等等。
基
本
要
求
1.设计并实现基于单片机的智能轮椅原型机
2.实现智能轮椅和计算机的无线通信
3.gtec脑机接口的操作
4.最终实现gtec脑机接口对智能轮椅的控制
参
考
资
料
1.gtec脑机接口说明书
2.单片机设计
3.无线通信方式如RF，蓝牙技术等
4.魏庆国，基于运动想象的脑—机接口分类算法的研究，清华大学，博士论文
周次
1—4周
5—8周
9—12周
13—16周
17—18周
应
完
成
的
内
容
查阅文献资料、了解和掌握基本知识
设计系统
编程实现
完善系统
完成论文
指导教师：
王金甲
职称：
副教授
2010年3月1日
系级教学单位审批：
2010年3月1日
注：
表题黑体小三号字，内容五号字，行距18磅。
（此行文字阅后删除）
摘要
脑机接口（BCIBrain-ComputerInterface）系统包含三大模块，脑电信号采集，信号处理以及设备控制,其中脑电信号的采集作为系统的第一步，对后续的影响是非常大的。
设备控制作为脑机接口（BCI）技术的最终目的，在BCI系统中扮演着很重要的角色。
本文在查阅大量国内外文献的基础上，吸收现有的BCI技术，制作出完整的基于脑机接口技术的智能轮椅的原型机，主要工作如下：
1、充分阅读国内外文献，了解BCI系统的实现模式，同时紧密跟随国际上BCI软件发展，了解软件功能；
2、研究开源软件BCI2000，结合g.tec公司的脑电信号放大器g.MOBllab+（8通道的EEG版本）建立脑电信号的采集环境，获取EEG信号；
3、建立信号处理系统，对脑电信号进行处理；
4、制作模拟轮椅系统；
5、实现BCI系统各个模块之间的联调。
关键词 脑机接口（BCI）；轮椅；无线传输；通信
Abstract
Brain-ComputerInterfacesystemisconsistofthreemodules,whichareEEGacquisition,signalprocessingandequipmentcontrol.Amongthethreemodules,EEGaquipment,asthefirststepofthesystem,hasagreateffectonothermodules.TocontrolequipmentsisthefinalpurposeofBCIsystem,anditplaysa
veryimportantrole.Ihavereadmanyrelativedocumentsandmakeareferencetonowadaystechnologytowritethispaper,andawheelchairbasedonBCItechnologywillbeshownbythetext.Themainworkofthepaperisasthefollowing:
1、readingasmanydocumentsasenoghtostudynowadaysBCIsystem,atthesametime,followingthestepcloselyoftheBCIsoftware,studyingthefuctionofthesoftware;
2、tostudyBCI2000,anopensourcesoftware,andestablishingthemoduleofdataacquisitionwiththeEEGamplifierg.MOBllab+,whichhaseightchannels,producedbyg.tec;
3、tosetupsignalpreocessingsystemtoprocesstheEEGsignal;
4、tomanufacturethemodelofwheelchair；
5、toimplementunitingandadjustmentofeverymoduleofBCIsystem。
Keywords Brain-computer（BCI）;wheelchair;wirelesstransmission;communication
目录
摘要I
AbstractII
第1章绪论5
1.1课题背景及意义5
1.2本文结构以及主要研究工作9
第2章系统整体设计方案10
2.1系统方案10
2.2硬件的选型11
2.2本章小结11
第3章系统硬件设计12
3.1数据获取12
3.2数据处理与控制输出14
3.3模拟轮椅17
3.4本章小结19
第4章系统软件设计20
4.1BorlandC++Builder简介20
4.2BCI200021
4.2.1BCI2000简介21
4.2.2BCI2000源代码结构23
4.3g.MOBIlab+获取脑电信号的软件设计24
4.4数据处理以及控制命令输出的软件设计25
4.4.1上位机部分25
4.4.2下位机部分27
4.5模拟轮椅的软件设计31
4.5.1命令的无线接收31
4.5.2模拟轮椅的控制33
4.6本章小结34
第5章系统测试35
5.1系统参数的设定35
5.2系统测试方案以及结果分析35
5.3本章小结36
结论37
参考文献3
致谢4
附录15
附录26
第1章绪论
1.1课题背景及意义
智能轮椅是将智能机器人技术应用于电动轮椅，融合多种领域的研究，包括机器人导航和定位、模式识别、多传感器融合及人--机接口等，涉及机械、控制、传感器、人工智能、通讯等技术，也称智能轮椅式移动机器人。
它在运动上实现了真正意义上的在几乎无回转半径下的全方向运动，特别是在保持人体姿势不变条件下的位置调整，对于行走能力弱的人来说是极大的进步，在无需别人照顾的条件下可以自由出入需要的空间，解决了普通轮椅移动要大空间的难题。
同时如果在轮椅上设计出更多的健康增进功能实现人工智能化（例如人性化的人机界面、导航和避障功能等），这种轮椅将有更广阔的前景[1]。
研制智能轮椅不能简单照搬传统机器人的设计方法和理论，必须真正做到以“人”为中心，重点研究智能人机交互问题。
与工业机器人不同，智能轮椅不是执行特定生产任务的电动机械，它的所有服务行为必须通过与人的交互来实现，“人机感知接口”使轮椅能看、能听，能融合多种通道的信息实现对外界环境的认知；也使人能以更方便自然的方式如面部姿态、表情、手势和语音等与轮椅智能交互，将自身的知识和感受传达给轮椅。
勿庸置疑，人机交互问题如果解决不好，将会成为制约智能轮椅发展的瓶颈。
大脑是人身体中的高级神经活动中枢，控制着人体这个复杂而精密的系统，对人脑高级功能及其神经机制进行多学科，多层次的综合研究已经成为当代脑科学发展的热点方向之一。
人的感知、思维、语言以及运动能力，均是通过大脑对人体器官和相应的肌肉群的有效控制来实现。
现实生活中有不少运动功能缺失的残障人士，其中的全身瘫痪者，虽有完整的意识，但已丧失了通过语言或肢体与外界沟通的能力。
脑机接口研究旨在帮助这些残障人士。
自七十年代起，研究人员就尝试构建通过脑波与外界交流的系统。
随着电子和信息技术的发展，脑机接口研究在近十年取得了长足的进步。
目前，脑机接口的应用已由医疗康复领域迅速延展到社会生活的诸多方面。
鉴于脑电信号的复杂性，目前所展示的脑机接口系统均远未成熟，但人们从来就没有放弃利用大脑直接控制外部设备（如轮椅）。
第一次BCI国际会议给出的BCI定义是：
“脑-计算机接口（Brain-ComputerInterface）”是一种不依赖于正常的由外围神经和肌肉组成的输出通路的通讯系统[2]。
BCI是一种连接大脑和外部设备的实时通信系统，它可以把大脑发出的信息直接转换成能够驱动外部设备的命令，并代替人的肢体或语言器官实现人与外界的交流以及对外部环境的控制。
换言之，BCI系统可以代替正常外围神经和肌肉组织，实现人与计算机之间或人与外部环境之间的通信。
脑电是通过电极在头皮或颅内记录下来的脑细胞群的节律性电活动，是Berger在1929年发现的[3]。
自发现以来，脑电的主要应用有：
①脑功能研究；②疾病诊断；③生物反馈治疗；④推断人的想法或目的，从而构造脑机接口。
脑机接口是脑电的第四种应用。
脑计算机接口（BrainComputerInterface，BCI），简称脑机接口，是指一种不依赖于脑的正常输出通路（即外周神经和肌肉）的脑一机（计算机或其他装置）通讯系统。
脑机接口的出现，使得用人脑信号直接控制外部设备的想法成为可能。
基于脑机接口原理设计的装置有望帮助神经肌肉系统瘫痪的病人实现与外界的交流（例如环境控制、轮椅控制、操作计算机等）。
BCI的出现，使得用人脑信号直接控制外部设备的想法成为可能。
要想实现脑一机接口，必须有一种能够可靠反映人脑不同状态的信号，并且这种信号能够实时（或短时）被提取和分类。
目前可用于BCI的人脑信号的观测方法和工具有：
脑电图（EEG）、脑磁图（MEG）和功能核磁共振成像（fMRI）等。
由于采集EEG相对简便等原因，因此大多数的BCI研究机构采用的是脑电信号。
人体在接受外界刺激或在自主行为及意识的控制下，所产生的神经电活动信号表现出不同的时空变化模式，将测量到的这些大脑神经系统的电活动信号传送给计算机或相关装置，再经过有效的信号处理与模式识别后，计算机就能识别出使用者的状态，并完成所希望的控制行为。
各个机构的研究思路和方法各不相同，从信号采集的电极位置来看，是入侵式和非入侵时两种。
入侵式是将电极置于颅内，直接从大脑皮层上提取皮层脑电（ECoG）。
这种方法空间分辨率高、位置稳定性好、特异性强、信噪比高、后期处理简单，但是技术困难、有创伤，而且电极植入后还会出现心里和伦理问题，因此不适合广泛的临床应用。
非入侵式是将电极置于头皮上来提取脑电，它具有无创性和灵活性，是目前研究的热点。
从采集的脑电信号的类型上可分为自发脑电和诱发脑电两种。
自发脑电是脑细胞的自发性电活动，是人体在自然状态下就可以记录到的。
脑机接口中使用的自发脑电包括μ节律、β节律、准备电位、皮层慢电位和ERD／ERS（eventrelateddesynchronization／eventrelatedsynchronization，事件相关去同步／事件相关同步）法等。
诱发脑电是指神经系统接受内、外界刺激所产生的特定电活动。
诱发电位有其空间、时间和相位特征，即必须在特定的部位才能检测出来，有特定的波形和电位分布，与刺激有较严格的锁时关系。
脑机接口中主要使用P300法和视觉诱发电位（VisualEvokedPotential，VEP）。
根据刺激信号频率的不同，VEP又可以分为瞬态诱发电位和稳态诱发电位（SteadyStateVEP，SSVEP）。
瞬态诱发电位的刺激频率一般不超过2Hz，在新的刺激到来前，上一次刺激的响应已经结束。
如果刺激的频率大于每秒6次，各次刺激引起的VEP在时间上发生重叠，就形成了SSVEP。
SSVEP经专门的信号处理可以提取出稳健的信号特征，适合作为脑机接口的输入信号。
信号处理和模式识别方法涉及如何从EEG中提取出少量的有用的信息并分类。
BCI转换算法把信号特征（如节律幅值或神经元放电率）转换为具体的控制命令。
分别利用这些信息进行不同脑状态的区分，常用的特征提取算法如：
FFT（FastFourierTransformAlgorithm）、自相关AR（Autoregression）、参数估计、CSP（CommonSpatialPatterns）、Butterworth低通滤波、遗传算法（GeneticAlgohthm，GA）、WELCH周期图。
算法的选择与所利用的信号特征及电极位置有关。
信号处理的目标是最终从信号中识别使用者的意图并执行，系统的首要任务就是最大化。
信噪比，尤其当噪声和信号极为相似时就显得更为重要提高信噪比的技术有很多。
具体有空间及时间滤波方法、信号平均、以及单次识别方法。
特征信号分类是基于脑电信号根据不同的运动或意识能使脑电活动产生不同响应的特性，确定运动或意识的类型与特征信号之间的关系。
信号分类结果的好坏取决于两个方面的因素:
一是要进行分类的特征信号是否具有明显的特征，即特征信号的性质;二是分类方法是否有效。
几种具有代表性的BCI特征信号分类综述如下:
人工神经网络、贝叶斯分类器、线性分类器、支持向量机等。
在完成了脑电信号的获取、特征识别和分类之后，即可根据这种体现人的意念的特征向量，按照人的意图通过计算机实现对外部环境的控制。
随着神经生物学、临床医学、材料科学和计算机科学的发展，脑机接口技术诶神经系统和周围环境的信息通信提供了一个崭新的交互界面，并广泛应用于神经科学，医学康复和军事等领域。
BCI应用的最初定位的是医疗康复，通过BCI系统给高度瘫痪或者行动不便的病人提供一个新的交流、控制手段。
病人可以通过BCI系统在计算机上进行打字或者控制轮椅行动，甚至控制假肢帮助移动和抓取
在过去10年里，BCI技术的研究发展十分迅速，1995年全世界只有约6个研究小组专门从事BC的研究，1999年则超过了20个，到2002年则有近40个[4]，他们在BCI的基础研究和应用研究都取得了丰硕的成果。
并且先后于1999年6月、2002年6月和2006年在美国召开了三次有关BCI的国际学术会议[5]。
又先后在2001、2003、2005、2008组织了四次BCI的信号处理和模式识别竞赛活动。
国外研究者主要来自美国WadsWorth中心、德国Tubingen大学、奥地利Graz理工大学、意大利等，国内研究机构目前有报导的有清华大学、重庆大学、上海交通大学、华中科技大学、中南民族大学、电子科技大学，其中清华大学研究最为深入。
BCI的研究涉及多个学科：
神经科学、生物医学、计算机科学、康复医学等。
作为年轻的研究领域，大量复杂的问题有待于解决。
将BCI用于实际还面临很多挑战，主要可归纳为以下4类。
（1）信息传输率（带宽）：
即使是有经验的测试者操作最快的BCI系统，目前的最大传输率也才50bits/min，相当于每分钟6个字符，这对正常的对话与交流仍然太慢。
（2）高误差率：
这是影响信息传输率的重要因素。
（3）自动化程度：
理论上，对运动功能严重失常的病人，BCI系统应该由他完全控制。
然而事实上现有的BCI系统都需要照顾者的参与，如系统的安装、启动、初始化、关闭等，即使可以由病人自己关闭，但重新启动存在困难。
（4）环境适应性：
大多数BCI系统还只是在安静的实验室环境中进行测试，实际应用可能面临更复杂的环境，包括任务本身的认识程度、情绪反应、注意力、安全因素等。
要使BCI系统真正实用，除了解决以上问题外，还必须在以下各方面开展更深入的研究：
（1）BCI系统的临床测试研究。
（2）BCI的训练。
为了提高BCI的实用性，必须考虑用户的接受程度与训练方法，减少电极的数量，缩短训练时间。
（3）信号处理及分类算法。
提高BCI的信息传输率，减少分类误差，在很大程度上取决于信号处理与分类算法。
（4）BCI系统应该轻便、兼容性好，以便在医院或家里能方便地使用；系统的使用与操作应尽量简单，电极易放置；BCI设备的价格应适中。
（5）国内对BCI的研究还处于起步探索阶段，适合中国国情的BCI系统尚有许多工作要开展。
以拼写汉字进行交流为例，由于汉字拼写比英语更复杂，因此要帮助病人实现正常的交流，难度将更大。
1.2本文结构以及主要研究工作
本论文的选题在脑机接口日益成为研究热门的情况下，主要研究基于BCI的智能轮椅原型机，内容包含如何获取脑电信号，脑电信号的处理方法的选取，控制命令的输出以及轮椅原型机的控制。
本文分别从硬件和软件两个方面上对BCI的各个模块进行介绍。
以下是本文的内容安排：
本章总数了脑-机将诶口研究背景，分析了目前国内外脑-机接口的研究状况，提出了当前脑-机接口状况存在的主要问题。
第二章主要介绍系统的整体设计方案，并从数据获取、数据处理、控制输出以及设备控制几个方面介绍了硬件的选型。
第三章、第四章主分别从硬件和软件方面介绍了各个模块。
控制命令的输出通过计算机串口传输至无线发射模块nRF905，再通过无线方式传输至模拟轮椅。
第五章着重介绍系统的测试以及参数的确定。
第2章系统整体设计方案
2.1系统方案
总的来说，BCI的结构可以分为：
数据采集，数据处理，控制输出以及设备控制几个部分，如图2-1所示。
数据采集可分为入侵式和非入侵式。
入侵式的数据采集是将电极置于颅内，直接从大脑皮层上提取皮层脑电（ECoG）。
这种方法空间分辨率高、位置稳定性好、特异性强、信噪比高、后期处理简单，但是技术困难、有创伤，而且电极植入后还会出现心里和伦理问题，因此不适合广泛的临床应用。
一次本文所用的采集方式微非入侵式的，通过分立的电极来获取。
数据处理可分为预处理，特征提取，特征分类。
其中与处理包括信号的放大、对EEG信号的初步滤波以及A/D转换；特征提取阶段是从经过了预处理和数字化处理的EEG信号中提取出特定的特征，可以利用FFT或者是小波变换等方法，降低特征的维数，使各个特征之间具有很小的相关性；特征提取得到的信号交给分类器进行分类，不同的BCI的分类不同，通常分为2~5类；分类器的输出通过控制接口作为设备控制器的输入。
控制接口用来输出控制命令，本文的命令输出方式主要采用RS232接口。
为了设备控制的方便以及节省经费，本文所做的轮椅用履带小车来模拟。
控制命令的传输采用无线形式传输至履带想小车。
履带小车采用电池供电，将控制命令执行为实际的动作。
2.2硬件的选型
一般情况下生物电信号都是非常微弱的，正常的脑电信号的幅度只有微伏级，因此放大器需要有非常大的放大倍数。
因此我们选取了奥地利g.tec公司生产的g.MOBIlab+脑电信号放大器。
脑电信号的采集所用的电极接触电阻应该在20kΩ一下，而且越小越好因此我们采用了金质电极。
本文选取笔记本电脑进行脑电信号处理，来减少工频干扰。
控制命令采用nRF905进行无线传输。
履带小车采用德国生产的RP5底盘为基础，采用STC52RC单片机和两片L9110进行控制。
2.2本章小结
本章简略的从数据采集、数据处理、控制输出以及设备的控制几个方面介绍了整个系统的研究方案，并从这几个方面对主要硬件进行选型。
第3章系统硬件设计
3.1数据获取
1、EEG信号简介
BCI系统中常用EEG信号作为源信号，EEG信号啊是由大量神经细胞放电活动中突触后的电位引起的细胞外电场电位的总和。
头皮脑电信号的频率范围是0.1~100Hz，正常承认的脑电信号的主要成分频率为8~30Hz。
脑电信号是大脑半球的生物电活动，是大脑皮层椎体细胞以及其顶树突突触后电位同步综合波，并由丘脑中线部位非特异性核团起调节作用。
大脑皮层的生物电活动有两种类型：
一种是在无明显的外界刺激的情况下，大脑皮层经常具有持续的、节律性的电位变化，称为自发脑电活动；另一种是在感觉传入的情况下，大脑皮层的某一区域产生较为局限的电位变化，称为诱发电位。
自发脑电与诱发脑电的区别在于：
（1）诱发电位具有相对稳定的潜伏期，而神经系统无时不在产生自发电位；
（2）在同一感觉系统中，诱发电位的反映形式相同或相似，而自发电位则不固定；（3）诱发电位在脑内的某一部位有一定的空间分布，而自发脑电可在脑的任何部位记录到。
2.EEG信号分类
从EEG的产生看它应该是大脑活动的一种直接表示，在不同条件下，它的波形频率的快慢会有显著的差别。
正常人的EEG波形是很不规则的，其频率范围主要在1~30Hz，人们习惯上将这个频率范围分为四个波段：
α节律8～13Hzβ节律14～30Hz
δ节律0.5～3.5Hzθ节律4～7Hz
下面我们度各个类型的EEG信号进行简要介绍。
α节律振幅为20~100uV，是正常人脑电信号的基本节律。
如果没有外部刺激影响，它是非常稳定的。
头部的任何位置都可以产生α波，但是在枕区以及顶区后部最为明显。
α波在安静闭目时出现，在睁眼或者接受其他刺激时消失，当受试者再次闭眼时，α波又会出现。
β波振幅为5~20uV，安静闭目时只在额区出现，睁眼或者突然受到声音刺激或者进行思考时，在其他区域也会出现。
δ波振幅为20~200uV，一般情况下，成人只在深睡的情况下才能产生。
θ波振幅为100~150uV，和δ波类似，在清醒的正常成人身上一般观察不到θ波。
当人们感觉到有睡意或者早期睡眠状态时，θ波才可能会出现。
同时，不管我们采用哪种波形，由于EEG信号幅度很小，会受到各种各样的干扰，包括工频干扰，眨眼电位的干扰，眼动电位的干扰以及肌电干扰，图3-1是我们采集的一段EEG信号。
信号经过陷波已经把50Hz工频干扰滤掉了。
上图中的一个明显峰值是一个眨眼干扰，同时EEG信号中还会存在其他肌电干扰，比如咬牙，如图3-2高频部分所示。
通过图3-1和图3-2我们可以看到，不管是咬牙还是眨眼都会产生非常明显的干扰，而咬牙又是可控的，因此我们可以将其作为一种特征来提取呢，并利用这个特征来控制设备。
经过以上对脑电信号的简单介绍，我们可以看到脑电信信号的幅度很小，因此放大器需要用专门的生物电信号放大器。
本文所采用的脑电信号放大器是奥地利g.tec公司生产的g.MOBIlab+脑电信号放大器。
g.MOBIlab+有8个信号输入通道，另外还有一个参考通道，一个接地通道，采用四节5
号电池供电。
其
升级会员 