CN101897640B - 一种新型的基于运动想象脑电控制的智能轮椅系统 - Google Patents

Abstract

本发明提供了一种新型的基于运动想象脑电控制的智能轮椅系统，目的是为那些瘫痪病患者或老年人提供一种服务性辅助运动工具，帮助他们到室外去自由活动。系统的设备由便携式脑电采集系统、信号处理装置、接口电路以及电动轮椅依次相连组成。便携式脑电采集系统是一套简单易用的脑电采集系统，用于记录用户想象左右手运动任务下的脑电信号；信号处理装置是运行于笔记本电脑上的信号处理模块，提取想象运动相关的脑电特征，识别出用户的主观意图；接口电路将识别出的用户主观意图转化为四路电压信号；电动轮椅接受四路控制电压信号，控制左右后轮电机的运转状态。本发明提供的系统实现方式可应用到其它方向控制的应用领域。

Description

一种新型的基于运动想象脑电控制的智能轮椅系统

技术领域

本发明涉及一种新型的基于运动想象脑电控制的智能轮椅系统，具体是指采集人想象左右手运动过程中头皮脑电信号，通过分析脑电特异性成分，判断用户想象的方向，实现轮椅运动方向控制的系统装置。这套系统，不需要任何肢体或语言动作，只需要用户想象运动，就能完成对轮椅运动方向的控制。本发明属于认知神经科学领域和信息技术领域的结合应用，为自动控制技术领域。

背景技术

对于那些瘫痪病患者来说，能到室外去自由活动是他们的梦想。智能轮椅作为医疗护理领域的服务性辅助运动工具，可以帮助残疾人和老年人获得生活自理能力和工作能力，融入社会。智能轮椅以电动轮椅为基础，和传统电动轮椅相比，多了计算机控制系统，摄像头和激光探测器，还有麦克风等传感设备。传统电动轮椅包含有左轮电机和右轮电机，由中央处理单元将手柄控制电压信号转化轮椅左右电机的前进或后退驱动信号，实现轮椅运动方向的控制。但对于手指不灵活的高位截瘫病人来说，操作手柄相当困难。因为智能轮椅是服务于人的活动的辅助系统，其控制系统应该充分考虑到使用者的身体特点，有效补偿其不足，充分发挥其主动性。针对不同残疾人群，研究者们开发了多种智能轮椅人机接口。对于那些残疾程度较轻、肢体能动性较高且意识较好的人群，可以采用操纵杆控制、按键控制、方向盘控制、触摸屏控制、菜单控制等方式(一种嵌入式智能轮椅控制系统及方法，发明专利，公开号CN 1830413A)。而对于残疾程度较高、肢体能动性较低的人群，研究者也可以给他们提供语音控制、头部控制、手势控制、舌头动作控制，甚至肌电信号控制和大脑意念信号控制等办法(基于脑-机接口的智能轮椅控制系统及其脑电信号处理方法，发明专利，公开号：CN101301244A)。

基于脑电的轮椅控制方式，是一种比较直接的人与轮椅交互方式，将用户的意图直接从大脑传递到轮椅的运动方向控制装置。脑电是大脑神经电活动在头皮上产生的约为几十微伏的电位，心理学家、神经科学家、临床医生和有关工程技术人员，都在探讨如何利用脑电(EEG，Electroencephalography)，以无损伤的方法来观察人脑的思维过程。现有的基于脑-机接口的智能轮椅控制系统及其脑电信号处理方法，存在如下问题：(1)需要用户紧盯控制面板上的四个循环方向灯，这就容易导致用户不能及时看到行进方向上的障碍，在比较复杂的路面出行时容易造成安全问题。此外，用户长时间盯着闪烁的循环灯容易疲惫；(2)信号处理方法主要利用闭眼导致的Alpha波的阻断现象来提取用户所需要的方向，但考虑到除了用户有意图的闭眼外，困倦，瞌睡都将诱发脑电中Alpha波的阻断现象，这就可能出现发送错误方向控制命令的问题。

事实上，脑电中存在与运动相关的特异性成分，运动想象任务下的脑电是近年来人们较为关注和应用较多的一种。当人们在运动准备或想象单侧肢体运动(左右手)时，肢体不一定真的运动，大脑对侧的运动感觉区的能量减小，而同侧的运动感觉区μ(8-12赫兹)节律和β节律(13-30赫兹)能量增大，这是大脑神经元突触后电位相互削弱和增强的结果。这就是事件相关去同步(Event-Related Desynchronization，ERD)和事件相关同步(Event-RelatedSynchronization，ERS)现象。脑电信号的ERD和ERS现象成为判断左右手想象运动的一种稳定可靠的依据。通过记录和分析大脑的脑电波信号，推测大脑的思维活动，并翻译成对应的命令来控制电动轮椅的运动方向，可有效帮助丧失运动能力的残疾人，让他们的大脑能够直接控制轮椅，而不需要使用任何肢体动作或语言，实现大脑直接控制轮椅就如同是对自己身体某部分的控制，因此给行动不便者提供了一种有效的辅助工具并且有良好的前景。最近几年，各国实验室和研究者进行了很多相关的研究工作，并取得了一系列瞩目的进展。

基于脑电的轮椅控制系统一般都具备信号采集，信号处理、接口转换和电动轮椅四个功能模块，基本结构如图1所示。事实上，决定系统是否能顺利运作的关键主要取决于以下两点：第一，使用者大脑思考所生成的EEG信号变化是否能够方便，精确地被系统测得；第二，EEG信号中是否能有效提取出用户的主观意图，并精确地转译成所需要的控制信号。现有的脑电采集设备有的对测量环境有严格要求，不适用于户外，不能用来在非实验室环境下可靠地测量用户的脑电信号，脑电处理算法也多为离线处理，传输速率低，无法满足实时要求。因此，提供一种新型的基于运动想象脑电控制的智能轮椅系统成为本发明的目的。

发明内容

本发明通过采集用户在想象左右手运动时的脑电信号，通过无线技术传递给计算机，计算机对脑电信号进行处理，提取出其中代表人脑主观意图的相关特征，识别出人脑发出的左右控制信号，并通过接口电路转换为相应的控制命令发送给轮椅的左右后轮控制电机，从而实现利用运动想象脑电信号对电动轮椅的直接控制。所述设备包括便携式脑电采集系统，信号处理装置，接口电路以及电动轮椅。系统整体框图如图2所示。

所述的便携式脑电采集系统是通过放置在人脑头皮上方对应于人脑运动感觉区的电极来采集用户的脑电信号，采集信号的过程中，用户通过想象左手/右手的运动(并不要求左右手真正运动)，以诱发脑电信号中的事件相关去同步与事件相关同步(ERD/ERS)现象。采集到的脑电经过放大，滤波后进入微处理器Atmega8中转换为数字信号，通过无线模块发送到计算机端的信号处理装置中。

所述的信号处理装置是运行于笔记本电脑上的信号处理程序。主要包括以下五步：

[1]预处理，对脑电信号进行0.01Hz-40Hz滤波，去除混杂于脑电信号中的噪声及无关成分；

[2]利用滑动窗技术分割连续脑电信号，对时间窗内的一段脑电进行处理，识别其中的用户意图；

[3]利用共空间模式(Common Spatial Pattern，CSP)提取每个时间窗内脑电的空域特征，

[4]利用支持向量机(Support Vector Machine，SVM)对提取出的空域特征进行分类，

[5]对支持向量机连续五次的分类结果进行平滑，使左右运动方向控制的连续性更强。

所述的接口电路包括Aduc845微处理器，通过串口实现与信号处理装置通信，获取控制命令后通过I2C接口控制精密四路电压输出数模转换器(DAC6573)产生四路控制信号，四路控制电压信号接口连接到轮椅电机控制器中，图3为接口电路框图。

所述的电动轮椅又叫电动代步车，和普通轮椅相比较，电动轮椅带有左轮电机和右轮电机，分别控制轮椅左右后轮的前进后退。可由控制电压来决定左右电机的运行状态，从而决定了轮椅的左右前后运动方向。当左右轮同步向前转动时轮椅前行；当左右轮同步后转时轮椅后退；当左轮前转右轮反转时轮椅向右拐；当左轮后转右轮前转时轮椅左拐。

附图说明

图1基于脑电的轮椅控制系统功能模块图

图2新型智能轮椅系统整体框图

图3接口电路框图

图4便携式脑电采集系统结构图

图5脑电极在头皮上的放置位置图

图6便携式脑电采集系统的硬件数字部分的示例性电路实施方式

图7便携式脑电采集系统的硬件无线传输部分的示例性电路实施方式

图8脑电信号处理方案

图9双进程通信示意图

图10滑动窗滑动过程示意图

图11分类结果平滑过程示意图

具体实施方式

该发明所描述的基于运动想象脑电控制的智能轮椅系统特别适用于行动不便者，开发者可根据该发明的的基本设备和方法开发不同的具体应用，不仅仅用于控制电动轮椅，还可以用于其它人机交互应用中，例如用于游戏控制平台。下面就结合轮椅控制对本系统做详细说明。

本发明的基本原理是当用户要控制轮椅向左或右运动的时候，不用进行任何肢体或语言的动作，只要想象左手运动或右手动动时，头皮上对应的运动感觉区电极记录的脑电信号中μ节律和β节律上就会产生特定的ERD/ERS现象，计算机接收到脑电信号后，通过分析脑电数据中ERD/ERS现象的空间分布特性，可以反向识别出用户到底想象的是左手还是右手运动，从而理解用户希望向外发出的是左还是右的运动控制命令，接口电路将计算机识别出来的控制命令转换为电压控制信号，操纵电动轮椅的左右后轮电机的运动，从而实现高度人机结合的智能轮椅系统。

如图2所示，一种新型的基于运动想象脑电控制的智能轮椅系统的整体框图，包括如下部分。

(1)便携式脑电采集系统，由脑电信号的采集与调理，模数转换器，以及传输四部分组成。便携式脑电采集系统从设计上就针对智能轮椅应用场合复杂的特点，突出操作简便、集成度高、功耗低和便携性等特性。系统内嵌锂电池供电，以美国Atmel公司的AVR系列单片机ATmega8为核心芯片，利用片内集成的模数转换器(Analog-to-Digital Converter，ADC)实现了信号数字采集，并利用ZigBee模块完成信号无线传输，大大提高了系统的集成度和传输功能，突破了脑电采集在空间上的限制。便携式脑电采集系统的系统结构图如图4所示，表1是系统的硬件设计参数。

表1系统硬件设计参数

便携式脑电采集系统中，脑电信号采集是通过放置在头皮的氯化银粉末电极实现的，并且采用双极导联方式。脑电极具体位置为国际64导联10-20电极系统的C3、CZ、C4、PO3、PO4五个位置，如图5所示。为了减少噪声的传导耦合，电极导联线采用屏蔽线，长度不大于100厘米。

便携式脑电采集系统中，脑电信号调理电路主要包括前置级，中间级和右腿驱动电路。前置级电路包括保护电路和初级放大电路，主要起保护人体和初级放大作用，而中间级通过高通、低通滤波器获得通频带内的信号成份，并对信号进一步放大。右腿驱动电路主要是通过引入共模反馈信号，抑制系统的共模干扰，主要是抑制50赫兹工频干扰。

便携式脑电采集系统中，信号的模数转换主要是采用ATmega8单片机内部的10位的逐次逼近型ADC实现。ATmega8是一款采用高性能、低功耗的CMOS工艺生产的基于AVRRISC结构的8位单片机，芯片内部集成了较大容量的存储器和丰富强大的硬件接口电路。ATmega8的ADC与一个8通道的模拟多路复用器连接，能对来自端口C(模拟信号输入端口)的8路单端输入电压进行采样，转换结果为10位数字信号。图6示出了硬件数字部分的示例性电路实施方式。

便携式脑电采集系统中，为了真正实现系统的便携性，系统设计采用了基于ZigBee协议的无线传输技术，传输距离最大可达350米。相对于现有的各种无线通信技术，ZigBee技术是一种近距离、低复杂度、低功耗的技术。本系统中我们采用了赫利讯公司生产的一款高性能ZigBee通讯模块——IP-LINK1221。它体积小，设置简单，功耗低。图7示出了硬件的无线传输部分的示例性电路实施方式。

(2)信号处理装置，是指运行于笔记本电脑上的脑电处理程序。脑电信号的处理主要在笔记本电脑中完成，图8是脑电信号的处理方案，总共包括两部分：离线训练与在线应用，整个程序采用VC++编写。不同用户的脑电信号存在明显的差异。因此，针对每个用户需要事先采集脑电数据，分析得到这个用户的脑电数据特征，据此训练得到相应的信号处理算法参数，即CSP模板和SVM模板。在实际应用中，利用滑动窗技术分割出一小段时间内的脑电数据，利用事先训练好的信号处理算法CSP和SVM模板，对这段脑电数据进行在线分析，实时根据输入的脑电输出对应的判别结果。

信号处理装置中，离线训练的信号处理流程如下：

[1]数据截取。截取用户想象左手运动和想象右手运动时采集下来的脑电数据，这段包含有左右手运动想象任务的脑电数据用作分析对象。

[2]数据滤波。脑电信号属于低频信号，频率范围约在0-50Hz。脑电采集的过程不可避免的要受到心电噪声、设备噪声等噪声的影响。所以，对脑电数据进行滤波变得十分重要。这里选择的脑电节律波频率在低频部分，故设计了有限冲击响应(Finite Impulse Response，FIR)带通滤波器，通带范围为0.01-40赫兹。

[3]空域滤波器CSP设计。利用脑电数据，通过共空间模式(CSP)算法，找出一个投影方向，建立特征提取用的空域滤波器。空域滤波器输出的脑电数据具有一个很好的性质，想左手动脑电数据的方差达到最大的同时想右手运动的脑电数据方差达到最小，从而使得不同任务下采集的脑电数据，通过空域滤波器提取相应的分类特征之后，分类问题变得简单。

[4]分类器SVM设计。根据共空间模式得到的特征，在训练数据集上，基于支持向量机算法求解决策面，得到支持向量。离线训练得到的决策面将被扩展到在线应用中，对实时的脑电信号进行判别，得到分类结果。

信号处理装置中，在线应用中的实时信号处理采用双线程模式。一个进程为数据获取进程，连续获取脑电数据；一个进程是信号处理进程，实时分析脑电数据。两个进程并行工作，达到实时分析脑电信号的目的，两个进程相互通信示意图如图9所示，处理流程如下：

[1]数据获取进程。数据获取进程采用滑动窗技术。窗的滑动过程如图10所示。窗宽为0.5秒，窗与窗之间有50％的重叠。窗每隔0.25秒滑动一次。每次将窗内的脑电数据传递给信号处理进程。

[2]信号处理进程。信号处理进程接收到来自数据获取进程的窗内脑电数据之后，开始对脑电信号进行分析。在信号的实时处理中，对每个窗内的脑电数据进行与离线处理过程相同的0.01Hz-40Hz的FIR滤波等信号预处理过程、利用训练好的空域滤波器CSP算法在线提取脑电的分类特征，最后利用事先训练好的分类器实时对CSP输出特征进行分类，这样得到每个窗内脑电数据的判别结果。

[3]分类结果整理。每个窗为一个判断的基本单元，相邻滑动窗的时间间隔只有0.25秒，1秒钟会输出4个判别结果。为了平滑分类结果，避免轮椅运动方向急剧变化，我们以五个滑动窗的结果组成一个判断组。在判断组中，根据该组内基本判断单元的判别结果，通过少数服从多数的原则，得出这个该判断组的判别结果为左或右，并用这个判别结果表示被试者在这段时间内发出的控制命令。判断过程如图11所示。

(3)接口电路。判别的结果通过串口输出给接口电路，作为轮椅的控制命令输入，从而控制轮椅左右移动。通过一系列的处理过程后，笔记本电脑通过串口输出的是分类的结果左(“L”)或右(“R”)，分别表示左右手想象运动。接口电路中微处理器通过串口获取相应分类结果，单片机程序根据接收到的命令，通过I2C接口控制精密四路电压输出数模转换器DAC6573产生四路控制电压信号，四路控制电压信号的组合输出接入到轮椅控制器中，控制轮椅的左右后轮电机，从而决定轮椅的移动。

(4)电动轮椅。本实施例中的轮椅由电压控制的电动轮椅改装而来，为直流无刷电机驱动，采用前被动轮，后驱动轮的形式。轮椅控制电路通过红黑橙黄绿蓝六根线与底板相连，如图3中所示，红线为5V，黑线为地线，橙黄绿蓝分别为1.7V～3.3V，接口电路输入不同组合的电压来控制轮椅的左右后轮的运动方向，从而控制轮椅的运动。

Claims (3)

1.基于运动想象脑电控制的智能轮椅系统，包括依次相连的便携式脑电采集系统，信号处理装置，接口电路以及电动轮椅；

所述的便携式脑电采集系统采集用户想象左右手运动过程中的大脑头皮脑电信号，这里规定，当用户要向轮椅发送左转命令时想象左手运动，要向轮椅发送右转命令时想象右手运动；左右手运动将引起大脑头皮脑电信号中特定的事件相关去同步与事件相关同步现象；

所述的电动轮椅为直流无刷电机驱动，采用前被动轮，后驱动轮的形式。电动轮椅带有左轮电机和右轮电机，分别控制轮椅左右后轮的运转，从而决定了轮椅的运动方向；左右电机的运转状态受控于接入的四路控制电压；

所述的信号处理装置，其特征在于，包括：笔记本电脑及运行于笔记本电路上的脑电信号处理程序，脑电处理程序包括：

(1)信号分割，基于滑动窗技术的连续脑电信号分割模块，滑动窗长度为0.5秒，相邻滑动窗重叠50％，间隔0.25秒；滑动窗内的一段脑电信号，形成一个基本的信号处理对象；

(2)数据滤波，基于有限冲击响应的0.01-40赫兹的带通滤波器，提取脑电信号中与运动想象有关的低频节律信号，滤除脑电采集过程中混入的心电噪声、设备噪声及环境噪声，提高信号的信噪比；

(3)空域滤波，基于共空间模式分析，找出脑电数据的空间变换，建立特征提取用的空域滤波器；空域滤波器输出数据在不同想象任务下方差有明显差异，从而简化分类问题；

(4)信号分类，基于支持向量机，利用共空间模式分析得到的脑电方差特征，求解决策面，得到支持向量，形成判别决策函数，对脑电信号进行分类，识别出用户想象的左右手运动；

(5)分类结果整理，基于少数服从多数的原则，对相邻五个滑动窗内脑电信号的五次分类结果进行表决，五次分类结果组成一个判断组，从而输出一个比较平滑的分类结果，避免轮椅运动方向急剧变化。

2.如权利要求1所述的轮椅系统，其中的便携式脑电采集系统包括：电极、导联线、脑电信号的模拟调理电路、脑电信号的模数转换器、以及无线传输模块；其中：

(1)电极为感应头皮运动区对应的国际64导联10-20参考系统的C3、CZ、C4、PO3、PO4五个位置的电压信号的双极导联氯化银粉末电极；

(2)导联线为连接电极的长度不大于100厘米的屏蔽导联线；

(3)脑电信号的模拟调理电路包括：主要起保护人体和初级放大作用的保护电路和初级放大电路组成的前置级电路；由高通、低通滤波器组成的提取通频带内信号成分及对信号进一步放大的中间级电路；以及引入共模反馈信号抑制系统内共模干扰的右腿驱动电路；

(4)脑电信号的模数转换器采用ATmega8单片机内部的10位的逐次逼近型模数转换器实现，模拟电压信号从模拟信号输入端口输入单片机，经过单端输入电压的采样，转换为10位数字信号；

(5)无线传输模块采用了赫利讯公司生产的一款高性能ZigBee通讯模块IP-LINK1221，将数字化的脑电信号传输给350米范围之内的信号处理装置。

3.如权利要求1所述的轮椅系统，其中接口电路特征在于，包括：Aduc845微处理器；

Aduc845微处理器通过串口从信号处理装置获取相应分类结果，获取类别信息后通过I2C接口控制精密四路电压输出数模转换器DAC6573产生四路范围在1.7到3.3伏之间的控制电压信号，四路信号的组合输出，接入到轮椅控制器中，控制轮椅的左右后轮电机，从而决定轮椅的移动方向。

Images