CN108113670A - 一种多通道式诱发脑电波控制的无人机系统及控制方法 - Google Patents

一种多通道式诱发脑电波控制的无人机系统及控制方法 Download PDF

Info

Publication number
CN108113670A
CN108113670A CN201810058001.XA CN201810058001A CN108113670A CN 108113670 A CN108113670 A CN 108113670A CN 201810058001 A CN201810058001 A CN 201810058001A CN 108113670 A CN108113670 A CN 108113670A
Authority
CN
China
Prior art keywords
module
unmanned aerial
eeg
modules
rotor wing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810058001.XA
Other languages
English (en)
Inventor
蒋大伟
甘良志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Normal University
Original Assignee
Jiangsu Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Normal University filed Critical Jiangsu Normal University
Priority to CN201810058001.XA priority Critical patent/CN108113670A/zh
Publication of CN108113670A publication Critical patent/CN108113670A/zh
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • A61B5/377Electroencephalography [EEG] using evoked responses
    • A61B5/378Visual stimuli
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Psychiatry (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Psychology (AREA)
  • Automation & Control Theory (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种多通道式诱发脑电波控制的无人机系统及控制方法,它包括脑电信号采集模块、脑电信号处理模块、数据传输模块以及四轴旋翼无人机;脑电信号采集模块采集使用者在无人机不同运动方式下刺激诱发大脑产生相应的脑电信号,并传输至脑电信号处理模块,脑电信号处理模块接收脑电信号采集模块采集的脑电信号并进行处理,识别出不同运动想象动作所对应的飞行运动类型并将处理结果通过数据传输模块传输到四轴旋翼无人机,然后根据传输到来的信号进行处理使之成为控制信号,从而对无人机进行实时控制;本发明采用多个通道采集脑电信号,提高了采集到的脑电信号的质量,提高了脑电信号识别的准确率,从而提高了无人机飞行准确率和稳定性。

Description

一种多通道式诱发脑电波控制的无人机系统及控制方法
技术领域
本发明涉及一种多通道式诱发脑电波控制的无人机系统及控制方法。
背景技术
正常人的脑电频率主要在0.5-30Hz范围内,其幅值在2-200μV。现代脑电图学中,根据频率与振幅的不同将脑电波分α波、β波、θ波和δ波:
α波可在头颅部检测到,频率为8-13Hz,振幅为20-100μV,它的波幅由小到大,再由大到小规律性变化,呈棱状图形;
β波在额部和颞部最为明显,频率为18-30Hz,振幅为5-20μV,其出现一般意味着大脑比较兴奋;
θ波频率为4-7Hz,振幅为10-50μV,它是在中枢神经系统处于抑制状态时所记录的波形;
δ波在睡眠、深度麻醉、缺氧或大脑有器质性病变时出现,频率为1-3.5Hz,振幅为20-200μV,脑电图的波形随生理情况的变化而变化。
脑电数据采集系统是将人体脑部自发生物电信号通过脑电极提取出来,再经信号调理、采样、量化、编码、传输,最后送到处理器进行数据处理或存储记录的过程。
脑电数据采集系统一般处于含有大量电器设备的环境,这些设备周围空间的电磁场的频率主要是50Hz,通过脑电检测装置导联线及人体自身的分布电容,电磁干扰尤其是50Hz工频干扰极易引入人体;在脑电采集系统中,限制干扰和噪声比放大信号更有意义。
人体生物医学信号的提取和处理,是自然科学领域中难度最大的,脑电信号应用十分广阔,主要应用方向有疾病诊断、睡眠质量监控、机器设备的控制、情感识别。
发明内容
本发明的目的在于提供一种多通道式诱发脑电波控制的无人机系统及控制方法,能够提高无人机飞行准确率和稳定性。
为实现上述目的,本发明提供如下技术方案:一种多通道式诱发脑电波控制的无人机系统,其特征在于,它包括脑电信号采集模块、脑电信号处理模块、数据传输模块以及四轴旋翼无人机;
所述的脑电信号采集模块采集使用者在四轴旋翼无人机不同运动方式下刺激诱发大脑产生相应的脑电信号,并传输至脑电信号处理模块,脑电信号处理模块接收脑电信号采集模块采集的脑电信号并进行处理,识别出不同运动想象动作所对应的飞行运动类型并将处理结果通过数据传输模块传输到四轴旋翼无人机,然后根据传输到来的信号进行处理使之成为控制信号,从而对四轴旋翼无人机进行实时控制。
所述脑电采集模块包括集成于一体的放大电路、滤波电路、陷波电路、ADS1256模块、微处理器STM32模块、NRF24L01无线传输模块以及电源模块;所述ADS1256模块衔接在放大电路、滤波电路、陷波电路预处理电路之后,NRF24L01无线传输模块和微处理器STM32模块相连,并将将数据上传至服务器;电源模块为放大电路、滤波电路、陷波电路、ADS1256模块、微处理器STM32模块、NRF24L01无线模块提供电压。
所述脑电采集模块为脑电信号采集头套,其包含2个参考电极、8个脑电信号采集电极、头套内侧按国际导联标准放置十个采集电极头,头套外侧,有导线与内侧的电极相连;
所述导线,一端为采集电极,一端为2.5mm标准插口;2.5mm标准插口与脑电信号预处理电路相连,计算机与微处理器STM32模块采用UART进行数据通信。
所述脑电信号处理模块为STM32F407模块。
所述的四轴旋翼无人机包括四个直流电机、电机驱动电路板、飞行控制模块、避障模块及无线通信模块;四个所述直流电机连接并通过四个所述直流电机控制四轮独立驱动,所述飞行控制驱动模块与所述电机驱动电路板连接,无线通信模块采用NRF24L01芯片;
其中,避障模块为US-100超声波测距模块,所述四轴旋翼无人机的上、下、前、后、左、右六个方向上各自安置一个US-100模块,用以实时测算无人机各方向与障碍物之间的距离,并把测得的数据传递至飞行控制驱动模块,跟预先设置的区间阈值进行比较,大于阈值则正常执行指令,小于则激发避障程序。
所述电源模块的基准电压芯片输出的电压经过分组电压分压后输出基准电压;采用的基准电压芯片为ADR4550。
所述的ADS1256模块为24位检测精度的AD转换芯片,用以分辨分辨出微伏级别脑电信号压降的变化。
一种多通道式诱发脑电波控制的无人机控制方法,包括如下步骤:
步骤1:使用前设计者需要将视频捕捉器安装在四轴旋翼无人机上,然后通过遥控器,控制四轴旋翼无人机六个方向上的运动,设计者观看视频采集的六个方向上的飞行画面,并且集中注意力,融入进画面,跟随四轴旋翼无人机的飞行想象着各种飞行动作由此刺激诱发大脑产生脑电信号;
步骤2:通过脑电信号采集模块采集测试者在观看不同方向运动下大脑额叶区域、中央区域和顶叶区域的脑电信号;
步骤3:通过脑电信号处理模块处理步骤2采集到的脑电信号,首先对采集到的脑电信号进行降噪处理,然后经过滤波,陷波,电平抬升,放大电路处理信号,最终将预处理过的信号发送给AD模块进行模数转换并将转换的数字信号通过串口发送给计算机,使用计算机用核主角函数算信号的相似度,以此将采集的信号归类,形成六个方向上相应的脑电信号;
步骤4:将3步骤信号处理的结果通过NRF24L01无线传输模块传输到四轴旋翼无人机上,并由四轴旋翼无人机上的飞行控制模块控制无人机的飞行;
步骤5:US-100超声波传感模块在四轴旋翼无人机运动过程中,检测四轴旋翼无人机六个方向上与各方向障碍物的距离,并将获得的距离信息传回四轴旋翼无人机上的飞行控制模块,并判断距离障碍物的距离是否小于设置的阈值,当某个方向距离障碍物的距离小于设定的数值,则不会再往其方向上运动,并在该方向上保持相对静止,可以接受并执行其他方向上的控制;若没有命令信号则在原地悬停。
所述的步骤3中的核主角函数算法如下:
SA=span{a1;a2...;aN}和SB=span{b1;b2...;bM}分别是两个零均值的随机变量X和随机变量Y的两组样本;
A=span{a1;a2...;aN}和B=span{b1;b2...;bM}构成两个行向量,SA=span{a1;a2...;aN}和SB=span{b1;b2...;bM}是两个子空间,
θ为两个空间的主角,满足:构成拉格朗日方程为
对上式求导可得y=a(ATB)-1ATAx、x=β(BTA)-1BTBy将两项归纳为特征值求解合并可得
假设非线性映射T将输入空间的向量ak映射到高维特征空间中
极值问题转换为特征值问题写为
引入核主角函数方法后就可以用核矩阵来描述特征子空间SASB之间的夹角余弦值,对不同状态下的脑电信号进行识别。
本发明采用非侵入式脑电采集期间,测试者将视频捕捉器安装在无人机上,手动控制无人机六个方向上的运动,测试者以第一人称主视角浸入式学习,采集到的画面信息,刺激诱发产生各类脑电信号;并且最多八个通道采集脑电信号,这就很大提高了采集到的脑电信号的质量,也就提高了脑电信号识别的准确率。
使用脑电采集装置采集并处理脑电信号,因为脑电信号很微弱且干扰很多,经过一系列的滤波、放大、降噪、电平抬升等电路的处理,这样得到的脑电信号会剔除掉大部分噪声,十分有助于获得期望的纯净脑电信号。,然后把处理好的信号经模数转化后送给处理器,使用核主角函数对信号进行甄别归类,分别作为无人机飞行的控制信号。
测试者前期的工作是将脑电信号进行特征提取与归类,使之成为有效的基准控制信号,前期工作完成后,测试者戴上脑电信号采集装置,便可以将产生的实时脑电信号与基准控制信号进行比对,从而决定对无人机方向上的控制。本发明针对无人机控制所设计的脑电信号特征识别模式,使得控制无人机变得更为简单、可靠。
除了控制无人机,本发明在智能控制领域有更为广阔的发展前景。
附图说明
图1为脑电信号国际标准测量位置;
图2脑电控制四轴旋翼无人机系统的整体组成框图;
图3脑电控制四轴旋翼无人机系统的流程图;
图4脑电信号前期放大电路图;
图5为脑电信号的高通滤波电路图;
图6为脑电信号的低通滤波电路图;
图7为脑电信号的陷波电路图;
图8为脑电信号的后置放大电路图;
图9为脑电信号的电平抬升电路图;
图10脑电信号的右腿驱动电路图;
图11无人机主动避障程序示意图;
图12无人机飞行控制板模块原理图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。请参阅图1至12,为一种多通道式诱发脑电波控制的无人机系统,它包括脑电信号采集模块、脑电信号处理模块、数据传输模块以及四轴旋翼无人机;
如图1至图3所示:所述的脑电信号采集模块采集使用者在四轴旋翼无人机不同运动方式下刺激诱发大脑产生相应的脑电信号,并传输至脑电信号处理模块,脑电信号处理模块接收脑电信号采集模块采集的脑电信号并进行处理,识别出不同运动想象动作所对应的飞行运动类型并将处理结果通过数据传输模块传输到四轴旋翼无人机,然后根据传输到来的信号进行处理使之成为控制信号,从而对四轴旋翼无人机进行实时控制。
如图4-图10所示:所述脑电采集模块包括集成于一体的放大电路、滤波电路、陷波电路、ADS1256模块、微处理器STM32模块、NRF24L01无线传输模块以及电源模块;
所述ADS1256模块衔接在放大电路、滤波电路、陷波电路预处理电路之后,NRF24L01无线传输模块和微处理器STM32模块相连,并将将数据上传至服务器;电源模块为放大电路、滤波电路、陷波电路、ADS1256模块、微处理器STM32模块、NRF24L01无线模块提供电压;所述的ADS1256模块为24位检测精度的AD转换芯片,用以分辨分辨出微伏级别脑电信号压降的变化。
如图1所示:所述脑电采集模块为脑电信号采集头套,其包含2个参考电极、8个脑电信号采集电极、头套内侧按国际导联标准放置十个采集电极头,头套外侧,有导线与内侧的电极相连;
所述导线,一端为采集电极,一端为2.5mm标准插口;2.5mm标准插口与脑电信号预处理电路相连,计算机与微处理器STM32模块采用UART进行数据通信。
其中,所述脑电信号处理模块为STM32F407模块。
所述的四轴旋翼无人机包括四个直流电机、电机驱动电路板、飞行控制模块、避障模块及无线通信模块;四个所述直流电机连接并通过四个所述直流电机控制四轮独立驱动,所述飞行控制驱动模块与所述电机驱动电路板连接,无线通信模块采用NRF24L01芯片;
如图11所示:因为信号的采集和处理不能保证准确率是百分之百,所以为了安全在所述四轴旋翼无人机上安装US-100超声波测距模块,避障模块为US-100超声波测距模块,所述四轴旋翼无人机的上、下、前、后、左、右六个方向上各自安置一个US-100模块,用以实时测算无人机各方向与障碍物之间的距离,并把测得的数据传递至飞行控制驱动模块,跟预先设置的区间阈值进行比较,大于阈值则正常执行指令,小于则激发避障程序;
所述四轴旋翼无人机的飞行控制模块使用STM32F103T8U6作为主控芯片,CotexM3内核采用QFN16脚表贴封装,比LQFP更小巧。72M额定的主频足以胜任飞行控制任务;陀螺仪和加速度计芯片采用MPU6050,内置3轴加速度计,三轴陀螺仪,自带陀螺仪温度补偿电路,I2C协议,带有DMP四元数输出。无线通信模块采用NRF24L01芯片;该模块带有功放和外置天线,250K传输速率下传输距离可达1100米;Nordic 2.4GHZ无线通信模块,SPI协议,传输速度极快。
飞行控制模块工作流程:控制中心微处理器通过IMU陀螺仪加速度计MPU6050芯片获取无人机的角度(俯仰、横滚和偏航)的相对基准角度变化、然后使用卡尔曼滤波算法获得无人机方向余弦矩阵、使用四元数欧拉角算法,使之完成欧拉角到四元数的转换、使用PID控制将系统反馈值和期望值进行比较、并根据偏差不断修复、直至达到期望的预定值。(P比例环节的作用是加快系统达到预期的速度;I积分环节的作用是消除净差;D微分环节有阻尼的作用、就是阻止系统突变。)通过PID自动控制算法处理、输出期望的PWM信号给四个电调、控制四个无刷电机的转速、从而得到一个期望的力控制四旋翼的前后左右上下飞行。
使用前需要根据安装在无人机上面的摄像头拍摄飞行时候上、下、左、右、前、后六个方向的运动画面,设计者通过观看各种飞行的实时动作,集中注意力,依靠无人机的飞行动作,想象着相应的飞行动作。通过脑电信号采集模块采集测试者无人机在不同运动想象动作下的脑电信号。通过脑电信号处理装置处理采集到的脑电信号,首先对采集到的脑电信号进行降噪处理,然后经过滤波,陷波,电平抬升,放大,模数转换等电路处理信号,最终将处理过的信号用核主角函数计算各类数据间的相似度大小,并挑选其中有代表性的信号作为基础比对信号,以便以后采集的脑电信号,利用核主角函数跟预先设置好各个方向上的基信号进行比对;将采集的信号归类为某个方向上的脑电信号;以此形成六个方向上相应的控制信号。
其中,所述电源模块的基准电压芯片输出的电压经过分组电压分压后输出基准电压;采用的基准电压芯片为ADR4550。
一种多通道式诱发脑电波控制的无人机控制方法,使用上述的装置,包括如下步骤:
步骤1:使用前设计者需要将视频捕捉器安装在四轴旋翼无人机上,然后通过遥控器,控制四轴旋翼无人机六个方向上的运动,设计者观看视频采集的六个方向上的飞行画面,并且集中注意力,融入进画面,跟随四轴旋翼无人机的飞行想象着各种飞行动作由此刺激诱发大脑产生脑电信号;
步骤2:通过脑电信号采集模块采集测试者在观看不同方向运动下大脑额叶区域、中央区域和顶叶区域的脑电信号;
步骤3:通过脑电信号处理模块处理步骤2采集到的脑电信号,首先对采集到的脑电信号进行降噪处理,然后经过滤波,陷波,电平抬升,放大电路处理信号,最终将预处理过的信号发送给AD模块进行模数转换并将转换的数字信号通过串口发送给计算机,使用计算机用核主角函数算信号的相似度,以此将采集的信号归类,形成六个方向上相应的脑电信号;
步骤4:将3步骤信号处理的结果通过NRF24L01无线传输模块传输到四轴旋翼无人机上,并由四轴旋翼无人机上的飞行控制模块控制无人机的飞行;
步骤5:US-100超声波传感模块在四轴旋翼无人机运动过程中,检测四轴旋翼无人机六个方向上与各方向障碍物的距离,并将获得的距离信息传回四轴旋翼无人机上的飞行控制模块,并判断距离障碍物的距离是否小于设置的阈值,当某个方向距离障碍物的距离小于设定的数值,则不会再往其方向上运动,并在该方向上保持相对静止,可以接受并执行其他方向上的控制;若没有命令信号则在原地悬停。
脑电信号是一种随机性很强的非平稳信号,本申请使用核主角方法,对不同状态下的脑电信号进行识别:即步骤3中的核主角函数算法如下:
SA=span{a1;a2...;aN}和SB=span{b1;b2...;bM}分别是两个零均值的随机变量X和随机变量Y的两组样本;
A=span{a1;a2...;aN}和B=span{b1;b2...;bM}构成两个行向量,SA=span{a1;a2...;aN}和SB=span{b1;b2...;bM}是两个子空间,
θ为两个空间的主角,满足:构成拉格朗日方程为
对上式求导可得y=a(ATB)-1ATAx、x=β(BTA)-1BTBy将两项归纳为特征值求解合并可得
假设非线性映射T将输入空间的向量ak映射到高维特征空间中
极值问题转换为特征值问题写为
引入核主角函数方法后就可以用核矩阵来描述特征子空间SASB之间的夹角余弦值,对不同状态下的脑电信号进行识别。
本发明采用非侵入式脑电采集期间,测试者将视频捕捉器安装在无人机上,手动控制无人机六个方向上的运动,测试者以第一人称主视角浸入式学习,采集到的画面信息,刺激诱发产生各类脑电信号。并且最多八个通道采集脑电信号,这就很大提高了采集到的脑电信号的质量,也就提高了脑电信号识别的准确率。
使用脑电采集装置采集并处理脑电信号,因为脑电信号很微弱且干扰很多,经过一系列的滤波、放大、降噪、电平抬升等电路的处理,这样得到的脑电信号会剔除掉大部分噪声,十分有助于获得期望的纯净脑电信号。然后把处理好的信号经模数转化后送给处理器,使用核主角函数对信号进行甄别归类,分别作为无人机飞行的控制信号。
测试者前期的工作是将脑电信号进行特征提取与归类,使之成为有效的基准控制信号,前期工作完成后,测试者戴上脑电信号采集装置,便可以将产生的实时脑电信号与基准控制信号进行比对,从而决定对无人机方向上的控制。本发明针对无人机控制所设计的脑电信号特征识别模式,使得控制无人机变得更为简单、可靠。除了控制无人机,本发明将在智能控制领域有更为广阔的发展前景。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种多通道式诱发脑电波控制的无人机系统,其特征在于,它包括脑电信号采集模块、脑电信号处理模块、数据传输模块以及四轴旋翼无人机;
所述的脑电信号采集模块采集使用者在四轴旋翼无人机不同运动方式下刺激诱发大脑产生相应的脑电信号,并传输至脑电信号处理模块,脑电信号处理模块接收脑电信号采集模块采集的脑电信号并进行处理,识别出不同运动想象动作所对应的飞行运动类型并将处理结果通过数据传输模块传输到四轴旋翼无人机,然后根据传输到来的信号进行处理使之成为控制信号,从而对四轴旋翼无人机进行实时控制。
2.根据权利要求1所述的一种多通道式诱发脑电波控制的无人机系统,其特征在于,所述脑电采集模块包括集成于一体的放大电路、滤波电路、陷波电路、ADS1256模块、微处理器STM32模块、NRF24L01无线传输模块以及电源模块;
所述ADS1256模块衔接在放大电路、滤波电路、陷波电路预处理电路之后,NRF24L01无线传输模块和微处理器STM32模块相连,并将将数据上传至服务器;电源模块为放大电路、滤波电路、陷波电路、ADS1256模块、微处理器STM32模块、NRF24L01无线模块提供电压。
3.根据权利要求2所述的一种多通道式诱发脑电波控制的无人机系统,其特征在于,所述脑电采集模块为脑电信号采集头套,其包含2个参考电极、8个脑电信号采集电极、头套内侧按国际导联标准放置十个采集电极头,头套外侧,有导线与内侧的电极相连;
所述导线,一端为采集电极,一端为2.5mm标准插口;2.5mm标准插口与脑电信号预处理电路相连,计算机与微处理器STM32模块采用UART进行数据通信。
4.根据权利要求1所述的一种多通道式诱发脑电波控制的无人机系统,其特征在于,所述脑电信号处理模块为STM32F407模块。
5.根据权利要求2所述的一种多通道式诱发脑电波控制的无人机系统,其特征在于,所述的四轴旋翼无人机包括四个直流电机、电机驱动电路板、飞行控制模块、避障模块及无线通信模块;四个所述直流电机连接并通过四个所述直流电机控制四轮独立驱动,所述飞行控制驱动模块与所述电机驱动电路板连接,无线通信模块采用NRF24L01芯片;
其中,避障模块为US-100超声波测距模块,所述四轴旋翼无人机的上、下、前、后、左、右六个方向上各自安置一个US-100模块,用以实时测算无人机各方向与障碍物之间的距离,并把测得的数据传递至飞行控制驱动模块,跟预先设置的区间阈值进行比较,大于阈值则正常执行指令,小于则激发避障程序。
6.根据权利要求2所述的一种多通道式诱发脑电波控制的无人机系统,其特征在于,所述电源模块的基准电压芯片输出的电压经过分组电压分压后输出基准电压;采用的基准电压芯片为ADR4550。
7.根据权利要求2所述的一种多通道式诱发脑电波控制的无人机系统,其特征在于,所述的ADS1256模块为24位检测精度的AD转换芯片,用以分辨分辨出微伏级别脑电信号压降的变化。
8.一种多通道式诱发脑电波控制的无人机控制方法,其特征在于,使用权利要求1所述的装置,包括如下步骤:
步骤1:使用前设计者需要将视频捕捉器安装在四轴旋翼无人机上,然后通过遥控器,控制四轴旋翼无人机六个方向上的运动,设计者观看视频采集的六个方向上的飞行画面,并且集中注意力,融入进画面,跟随四轴旋翼无人机的飞行想象着各种飞行动作由此刺激诱发大脑产生脑电信号;
步骤2:通过脑电信号采集模块采集测试者在观看不同方向运动下大脑额叶区域、中央区域和顶叶区域的脑电信号;
步骤3:通过脑电信号处理模块处理步骤2采集到的脑电信号,首先对采集到的脑电信号进行降噪处理,然后经过滤波,陷波,电平抬升,放大电路处理信号,最终将预处理过的信号发送给AD模块进行模数转换并将转换的数字信号通过串口发送给计算机,使用计算机用核主角函数算信号的相似度,以此将采集的信号归类,形成六个方向上相应的脑电信号;
步骤4:将3步骤信号处理的结果通过NRF24L01无线传输模块传输到四轴旋翼无人机上,并由四轴旋翼无人机上的飞行控制模块控制无人机的飞行;
步骤5:US-100超声波传感模块在四轴旋翼无人机运动过程中,检测四轴旋翼无人机六个方向上与各方向障碍物的距离,并将获得的距离信息传回四轴旋翼无人机上的飞行控制模块,并判断距离障碍物的距离是否小于设置的阈值,当某个方向距离障碍物的距离小于设定的数值,则不会再往其方向上运动,并在该方向上保持相对静止,可以接受并执行其他方向上的控制;若没有命令信号则在原地悬停。
9.根据权利要求7所述的一种多通道式诱发脑电波控制的无人机控制方法,其特征在于,所述的步骤3中的核主角函数算法如下:
SA=span{a1;a2...;aN}和SB=span{b1;b2...;bM}分别是两个零均值的随机变量X和随机变量Y的两组样本;
A=span{a1;a2...;aN}和B=span{b1;b2...;bM}构成两个行向量,SA=span{a1;a2...;aN}和SB=span{b1;b2...;bM}是两个子空间,
θ为两个空间的主角,满足:构成拉格朗日方程为
对上式求导可得y=a(ATB)-1ATAx、x=β(BTA)-1BTBy将两项归纳为特征值求解合并可得
假设非线性映射T将输入空间的向量ak映射到高维特征空间中
极值问题转换为特征值问题写为
引入核主角函数方法后就可以用核矩阵来描述特征子空间SASB之间的夹角余弦值,对不同状态下的脑电信号进行识别。
CN201810058001.XA 2018-01-22 2018-01-22 一种多通道式诱发脑电波控制的无人机系统及控制方法 Pending CN108113670A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810058001.XA CN108113670A (zh) 2018-01-22 2018-01-22 一种多通道式诱发脑电波控制的无人机系统及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810058001.XA CN108113670A (zh) 2018-01-22 2018-01-22 一种多通道式诱发脑电波控制的无人机系统及控制方法

Publications (1)

Publication Number Publication Date
CN108113670A true CN108113670A (zh) 2018-06-05

Family

ID=62234068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810058001.XA Pending CN108113670A (zh) 2018-01-22 2018-01-22 一种多通道式诱发脑电波控制的无人机系统及控制方法

Country Status (1)

Country Link
CN (1) CN108113670A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108762303A (zh) * 2018-06-07 2018-11-06 重庆邮电大学 一种基于运动想象的便携式脑控无人机系统及控制方法
CN108937925A (zh) * 2018-07-24 2018-12-07 深圳先进技术研究院 一种诱发脑电信号提取的方法、装置、设备及存储介质
CN109119158A (zh) * 2018-08-06 2019-01-01 江苏师范大学 一种基于稀疏核主分量分析的RdR散点图识别方法
CN110068366A (zh) * 2019-05-22 2019-07-30 江苏东交工程检测股份有限公司 用于监测路面桥梁隧道内部运动状态的装置和方法
CN110502103A (zh) * 2019-05-29 2019-11-26 中国人民解放军军事科学院军事医学研究院 基于脑机接口的脑控无人机系统及其控制方法
CN110658851A (zh) * 2019-08-27 2020-01-07 北京航空航天大学 一种基于脑电信号的无人机航迹规划系统
CN112327915A (zh) * 2020-11-10 2021-02-05 大连海事大学 一种无人机的意念控制方法
CN112494053A (zh) * 2020-12-23 2021-03-16 深圳市德力凯医疗设备股份有限公司 大脑的缺氧危险程度监控方法、系统、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105468138A (zh) * 2015-07-15 2016-04-06 武汉理工大学 基于脑机接口技术与激光雷达的智能车辆避障导航方法
CN106371451A (zh) * 2016-11-07 2017-02-01 东南大学 基于稳态视觉诱发电位的无人机操控方法及装置
CN106927029A (zh) * 2017-03-03 2017-07-07 东华大学 一种基于单通道脑电波诱发的脑控四轴飞行器
CN106959753A (zh) * 2017-03-21 2017-07-18 西安交通大学 基于运动想象脑‑机接口的无人机虚拟控制方法及系统
CN107065850A (zh) * 2016-12-12 2017-08-18 东南大学 一种脑电波控制的四轮独立驱动智能小车系统及其控制方法
CN107065909A (zh) * 2017-04-18 2017-08-18 南京邮电大学 一种基于bci的飞行器控制系统
KR20170139368A (ko) * 2016-06-09 2017-12-19 한국항공우주산업 주식회사 인지과학을 적용한 항공기 제어 시스템

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105468138A (zh) * 2015-07-15 2016-04-06 武汉理工大学 基于脑机接口技术与激光雷达的智能车辆避障导航方法
KR20170139368A (ko) * 2016-06-09 2017-12-19 한국항공우주산업 주식회사 인지과학을 적용한 항공기 제어 시스템
CN106371451A (zh) * 2016-11-07 2017-02-01 东南大学 基于稳态视觉诱发电位的无人机操控方法及装置
CN107065850A (zh) * 2016-12-12 2017-08-18 东南大学 一种脑电波控制的四轮独立驱动智能小车系统及其控制方法
CN106927029A (zh) * 2017-03-03 2017-07-07 东华大学 一种基于单通道脑电波诱发的脑控四轴飞行器
CN106959753A (zh) * 2017-03-21 2017-07-18 西安交通大学 基于运动想象脑‑机接口的无人机虚拟控制方法及系统
CN107065909A (zh) * 2017-04-18 2017-08-18 南京邮电大学 一种基于bci的飞行器控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
甘良志、张士诚、李旭超: "集成主角及其在故障检测中的应用", 《控制理论与应用》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108762303A (zh) * 2018-06-07 2018-11-06 重庆邮电大学 一种基于运动想象的便携式脑控无人机系统及控制方法
CN108937925A (zh) * 2018-07-24 2018-12-07 深圳先进技术研究院 一种诱发脑电信号提取的方法、装置、设备及存储介质
CN109119158A (zh) * 2018-08-06 2019-01-01 江苏师范大学 一种基于稀疏核主分量分析的RdR散点图识别方法
CN110068366A (zh) * 2019-05-22 2019-07-30 江苏东交工程检测股份有限公司 用于监测路面桥梁隧道内部运动状态的装置和方法
CN110502103A (zh) * 2019-05-29 2019-11-26 中国人民解放军军事科学院军事医学研究院 基于脑机接口的脑控无人机系统及其控制方法
CN110658851A (zh) * 2019-08-27 2020-01-07 北京航空航天大学 一种基于脑电信号的无人机航迹规划系统
CN112327915A (zh) * 2020-11-10 2021-02-05 大连海事大学 一种无人机的意念控制方法
CN112494053A (zh) * 2020-12-23 2021-03-16 深圳市德力凯医疗设备股份有限公司 大脑的缺氧危险程度监控方法、系统、设备及存储介质
CN112494053B (zh) * 2020-12-23 2023-10-03 深圳市德力凯医疗设备股份有限公司 大脑的缺氧危险程度监控方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108113670A (zh) 一种多通道式诱发脑电波控制的无人机系统及控制方法
CN112353407B (zh) 一种基于神经功能康复主动训练的评估系统及方法
He et al. A wireless BCI and BMI system for wearable robots
Grosse-Wentrup et al. Beamforming in noninvasive brain–computer interfaces
CN101711709B (zh) 利用眼电和脑电信息的电动假手控制方法
CN105022486B (zh) 基于不同表情驱动的脑电信号辨识方法
CN107007291A (zh) 基于多生理参数的紧张情绪强度识别系统及信息处理方法
CN104548347A (zh) 一种纯意念神经肌肉电刺激控制与神经功能评价系统
CN110058691A (zh) 基于嵌入式的可穿戴无线干电极脑电采集处理系统及方法
CN106264520A (zh) 一种神经反馈运动训练系统及方法
CN112353368B (zh) 一种基于反馈调节的多输入信号癫痫发作检测系统
CN105030206A (zh) 一种对脑刺激靶点进行检测及定位的系统及方法
CN111584031B (zh) 基于便携式脑电采集设备的脑控智能肢体康复系统及应用
CN106569607A (zh) 一种基于肌电及运动传感器的头部动作识别系统
CN104133470A (zh) 多模态脑机接口轮椅控制系统
CN107981997A (zh) 一种基于人脑运动意图的智能轮椅控制方法及系统
CN110074779A (zh) 一种脑电信号识别方法及装置
CN105137830A (zh) 一种基于视觉诱发脑机接口的国画机器手及其绘图方法
CN114298089A (zh) 一种多模态力量训练辅助方法和系统
CN116700495A (zh) 基于稳态视觉诱发电位和运动想象的脑机交互方法和设备
CN113616436A (zh) 一种基于运动想象脑电与头姿的智能轮椅及控制方法
CN204759349U (zh) 一种基于稳态视觉诱发电位的飞行器控制装置
Ishizuka et al. High accuracy and short delay 1ch-SSVEP quadcopter-BMI using deep learning
CN112370259A (zh) 一种基于ssvep的脑控轮椅的控制系统
CN112364977A (zh) 一种基于脑机接口的运动想象信号的无人机控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180605