CN109481164B - 一种基于脑电信号的电动轮椅控制系统 - Google Patents

Abstract

本发明提供了一种基于脑电信号的电动轮椅控制系统，包括：信号采集模块，信号采集模块进行脑电信号的采集；信号预处理模块，信号预处理模块对采集到的脑电信号进行去伪迹处理；脑电信号提取模块，脑电信号提取模块对处理后的脑电信号进行专注度特征提取和眨眼脑电信号特征提取；脑电信号分类模块，脑电信号分类模块采用RBF神经网络对提取到的专注度特征和眨眼脑电信号特征进行分类，以生成相应的控制指令；电动轮椅控制模块，电动轮椅控制模块根据控制指令执行相应动作。本发明能够方便智能地基于脑电信号实现对电动轮椅的控制，控制模式多样，能够为残障人士提供更好的服务。

Description

一种基于脑电信号的电动轮椅控制系统

技术领域

本发明涉及智能控制技术领域，具体涉及一种基于脑电信号的电动轮椅控制系统。

背景技术

脑电信号(EEG，Electroencephalgrahy)是反映人类大脑活动的一种非常有效和常见的生物电工具指标。这种生物电现象可以通过在头皮表面放置电极采集得到。作为一种典型的生物电信号，除了具有生物电信号的一些基本属性外，脑电信号还具有抗干扰性差，非平稳性、随机性强，非线性等特点。由于脑电信号随机性强，不同个体的脑电波各频率成分有差异，同一个体在不同思维活动状态下也会呈现出不同的节律和振幅。为了便于研究，科研及临床上根据脑电信号频率的高低将其分为δ波、θ波、α波及β波4类，δ波：频率在0.5Hz～4Hz范围内，波幅在10μV～20μV之间，通常在额部出现，睡觉时容易被测到。θ波：频率在4Hz～8Hz范围内，波幅在20μV～40μV之间，一般在额区、颞区出现。成年人处于失望或挫折等感情压抑时，θ波表现较明显。α波：频率在8Hz～13Hz范围内，波幅在10μV～100μV范围之间。常分布在枕、顶、后颞区，在闭眼状态下α波表现突出。β波：频率在14Hz～30Hz范围内，波幅在20μV以下。人在激动的时候β波易出现。随着人工智能、机器学习和大数据分析功能的不断强化，人们能从脑电信号中挖掘出的有用信息越来越多，这也使得脑电的可操作性与稳定性得到了不断的增强。脑机接口技术应运而生。通过检测获取神经脑电信号的变化，然后根据脑电信号的变化进行分类并识别出用户的动作意图，再利用计算机把思维活动的信号转变成控制指令驱动外部设备，从而通过大脑思维实现对外部设备的控制。

全球由于安全事故，自然灾害等原因造成的下肢残疾患者的数量正逐年增加，全球人口老龄化的速度也正在加快，由此导致大量行动无法自理的特殊人群。如何让为类身体机能部分缺失的人群提供更好的代步工具，满足日常生活需要，成为社会的热点问题。

发明内容

本发明为解决目前的电动轮椅操作方式单一，操作不够简便的技术问题，提供了一种基于脑电信号的电动轮椅控制系统。

本发明采用的技术方案如下：

一种基于脑电信号的电动轮椅控制系统，包括：信号采集模块，所述信号采集模块进行脑电信号的采集；信号预处理模块，所述信号预处理模块对采集到的脑电信号进行去伪迹处理；脑电信号提取模块，所述脑电信号提取模块对处理后的脑电信号进行专注度特征提取和眨眼脑电信号特征提取；脑电信号分类模块，所述脑电信号分类模块采用RBF(Radical Basis Function，径向基函数)神经网络对提取到的专注度特征和眨眼脑电信号特征进行分类，以生成相应的控制指令；电动轮椅控制模块，所述电动轮椅控制模块根据所述控制指令执行相应动作。

所述信号采集模块包括可穿戴脑电传感器。

所述可穿戴脑电传感器为单通道脑电传感器，所述可穿戴脑电传感器包括分别用以放置在用户两个耳垂和前额的三个电极，其中，工作电极用以安放在前额对应国际10-20电极系统FPI的位置。

采集到的脑电信号以数据包的形式传输，所述数据包由包头、有效负载和有效负载校验三部分组成，其帧格式为：AA AA 04 80 02 xx High xx Low xx Check Sum，每个数据包含8个字节，位于帧前面的5个字节AA AA 04 80 02属于帧格式标志，其中AA AA是帧开始标志，04表示帧数据位为4字节长度，后面的80表示数据包类型是脑电波原始数据，02表示原始数据为2个字节长度，最后的xx High xx Low xx Check Sum为原始脑波数据，其中xx High、xx Low分别是数据的高、低8位，xx Check Sum代表校验和。

所述脑电信号提取模块进行数据包校验和数据包解码，提取出专注度和原始脑电信号的信号参数，然后从所述原始脑电信号的信号参数中提取出眨眼脑电信号参数。

进行数据包校验的校验公式为：

sum＝((0x80+0x02+xx High+xx Low)0x FFFFFFFF)F&0x F

将后面的4个字节相加并按位取反，然后取其低8位得到sum值，比较sum与xxCheck Sum值是否相等，如果相等，则表示校验通过，如果不相等，则表示校验未通过。

所述的数据包解码由所述可穿戴脑电传感器定义的数据类型得到。

所述信号预处理模块采用小波变换对采集到的脑电信号进行滤波处理，去除伪迹得到相对纯净的脑电信号。

所述RBF神经网络包括输入层、隐含层和输出层，所述输入层由信号源节点组成，所述隐含层为一个，节点激活函数为径向基函数，所述输出层为对输入模式的响应。

本发明的有益效果：

本发明通过信号采集模块、信号预处理模块采集脑电信号并进行去伪迹处理，通过脑电信号提取模块提取专注度特征和眨眼脑电信号特征，通过脑电信号分类模块对提取到的专注度特征和眨眼脑电信号特征进行分类，以生成相应的控制指令，从而对电动轮椅进行控制，由此，能够方便智能地基于脑电信号实现对电动轮椅的控制，并且通过专注度和眨眼脑电信号生成控制指令可实现控制模式的多样化，能够为残障人士提供更好的服务。

附图说明

图1为本发明实施例的基于脑电信号的电动轮椅控制系统的方框示意图；

图2为本发明一个实施例的数据包校验流程图；

图3为本发明一个实施例的数据包解码流程图；

图4为本发明一个实施例的RBF神经网络训练流程图；

图5为本发明一个实施例的电动轮椅控制流程图。

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。

如图1所示，本发明实施例的基于脑电信号的电动轮椅控制系统，包括信号采集模块10、信号预处理模块20、脑电信号提取模块30、脑电信号分类模块40和电动轮椅控制模块50。

其中，信号采集模块10进行脑电信号的采集；信号预处理模块20对采集到的脑电信号进行去伪迹处理；脑电信号提取模块30对处理后的脑电信号进行专注度特征提取和眨眼脑电信号特征提取；脑电信号分类模块40采用RBF神经网络对提取到的专注度特征和眨眼脑电信号特征进行分类，以生成相应的控制指令；电动轮椅控制模块50根据控制指令执行相应动作。

在本发明的一个实施例中，信号采集模块10包括可穿戴脑电传感器。可穿戴脑电传感器可为单通道脑电传感器，可穿戴脑电传感器包括分别用以放置在用户两个耳垂和前额的三个电极，其中，工作电极用以安放在前额对应国际10-20电极系统FPI的位置。信号预处理模块20可采用小波变换对信号采集模块10采集到的脑电信号进行滤波处理，去除伪迹得到相对纯净的脑电信号。

具体地，可采用基于TGAM模块的脑电传感器采集脑电信号，该脑电传感器集成了脑电信号采集、滤波、放大、A/D转化、数据处理及分析等功能。也就是说，该脑电传感器也集成了信号预处理模块20的功能。TGAM模块可直接与干电极相连接，通过单个脑电波信号和参考电极以及地线制作脑电波采集处理装置。使用时前额干电极与耳垂接地电极形成电压，原始电压较小，只有0.1到100μV，经过信号处理(例如：实时电压＝rawdata*(1.8/4096)/2000)变为实时电压，再经过信号放大(例如：放大后电压＝实时电压*2000)变为可供芯片识别的电压，A/D模块将模拟电压值转换成数字信号，微处理器主要用来处理与分析数据。TGAM模块采样频率512Hz，滤波范围3Hz-100Hz，供电电压为2.97V-3.63V。最终经过基于小波变换的信号预处理，得到相对纯净的脑电信号。

在本发明的一个实施例中，所采集到的脑电信号以数据包的形式传输，数据包由包头、有效负载和有效负载校验三部分组成，其帧格式为：AA AA 04 80 02 xx High xxLow xx Check Sum，每个数据包含8个字节，位于帧前面的5个字节AA AA 04 80 02属于帧格式标志，其中AA AA是帧开始标志，04表示帧数据位为4字节长度，后面的80表示数据包类型是脑电波原始数据，02表示原始数据为2个字节长度，最后的xx High xx Low xx CheckSum为原始脑波数据，其中xx High、xx Low分别是数据的高、低8位，xx Check Sum代表校验和。

在本发明的一个实施例中，脑电信号提取模块进行数据包校验和数据包解码，提取出专注度和原始脑电信号的信号参数，然后从原始脑电信号的信号参数中提取出眨眼脑电信号参数。其中，专注度提可由脑电传感器自带的算法提取。经试验眨眼时受试者表现出瞬间脑电信号幅值明显的增大，通过比较眨眼信号幅值和基准数据的差异，可以识别出眨眼特征。也就是说，当有意眨眼时原始脑电信号中的α波幅值会出现变化，以此变化作为识别眨眼特征的临界点，进而提取眨眼脑电信号特征。基于α波阻断现象，采用合适算法检测出受试者不眨眼、眨眼两种状态和受试者注意力集中的状态，即可将有意眨眼时的特征信号作为轮椅控制指令。

进一步地，进行数据包校验的流程如图2所示，包括程序初始化、串口数据接收、寻找帧开始标志、提取脑电信号的数据帧、数据帧校验以及计算脑电信号特征参数等。进行数据包校验的校验公式为：

sum＝((0x80+0x02+xx High+xx Low)0x FFFFFFFF)F&0x F

将后面的4个字节相加并按位取反，然后取其低8位得到sum值，比较sum与xxCheck Sum值是否相等，如果相等，则表示校验通过，如果不相等，则表示该数据包在传输过程中可能发生了错误，校验未通过，这时接收方可及时舍弃该数据包并接收下一个数据包。

数据包解码可由可穿戴脑电传感器定义的数据类型得到。进行数据包解码的流程如图3所示，包括接收校验、判断扩展码、数据类型等。由TGAM模块定义的数据类型可知，扩展码等级为0时进行解码。用到数据类型为代表原始脑电信号和专注度的0X04和0X80，分别判断是否属于这两类数据类型，如果是就输出相关数据值结果，否则回到初始化状态重新接收校验。其中AD表示专注度，RE表示实时脑电原始信号，code表示数据类型，存储数组为PL[i]。

在本发明的一个实施例中，RBF神经网络包括输入层、隐含层和输出层，输入层由信号源节点组成，隐含层为一个，节点激活函数为径向基函数，输出层为对输入模式的响应。

本发明实施例的RBF神经网络的训练过程如图4所示，首先将采集的脑电信号数据输入神经网络中，为了避免神经网络中的主观错误，消除数量级的影响，通常在输入神经网络之前要求数据要统一标准。归一化就是将数据通过一定的处理后能把不同数量级上的数据统一到一个范围。其后神经网络对输入数据进行学习，不断修改权重，直到误差小于预设值，完成学习。根据不同使用者采集的脑电信号数据，动态地分类出专注度范围1和专注度范围2；有意眨眼信号和无意眨眼信号。

在本发明的一个实施例中，专注度范围1、专注度范围2和有意眨眼信号可作为控制电动轮椅前进、后退、左转和右转的依据。

举例而言，如图5所示，对于电动轮椅的控制流程可包括：专注度超过设定的阈值a并保持在某一规定范围1时轮椅启动，此时轮椅直行；当识别出一次有意眨眼信号时，专注度仍保持在范围1左右轮椅电机由正转变为反转，轮椅后退；当专注度超过范围1进入范围2时，右边电机正转，左边电机反转，轮椅左转；当此时识别出一次有意眨眼信号，专注度仍在范围2时，右边电机反转，左边机电正转，轮椅右转。1s内连续采集到有意眨眼信号两次则轮椅强制停止，再次进行数据传输时继续控制轮椅动作。

综上所述，根据本发明实施例的基于脑电信号的电动轮椅控制系统，通过信号采集模块、信号预处理模块采集脑电信号并进行去伪迹处理，通过脑电信号提取模块提取专注度特征和眨眼脑电信号特征，通过脑电信号分类模块对提取到的专注度特征和眨眼脑电信号特征进行分类，以生成相应的控制指令，从而对电动轮椅进行控制，由此，能够方便智能地基于脑电信号实现对电动轮椅的控制，并且通过专注度和眨眼脑电信号生成控制指令可实现控制模式的多样化，能够为残障人士提供更好的服务。

在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

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 (4)

1.一种基于脑电信号的电动轮椅控制系统，其特征在于，包括：

信号采集模块，所述信号采集模块包括可穿戴脑电传感器，所述信号采集模块进行脑电信号的采集；

信号预处理模块，所述信号预处理模块对采集到的脑电信号进行去伪迹处理；

脑电信号提取模块，所述脑电信号提取模块对处理后的脑电信号进行专注度特征提取和眨眼脑电信号特征提取；

脑电信号分类模块，所述脑电信号分类模块采用RBF神经网络对提取到的专注度特征和眨眼脑电信号特征进行分类，以生成相应的控制指令；

电动轮椅控制模块，所述电动轮椅控制模块根据所述控制指令执行相应动作，

其中，所述信号采集模块采集到的脑电信号以数据包的形式传输，所述数据包由包头、有效负载和有效负载校验三部分组成，其帧格式为：AA AA 04 80 02xx High xx Low xxCheck Sum，每个数据包含8个字节，位于帧前面的5个字节AA AA 04 80 02属于帧格式标志，其中AA AA是帧开始标志，04表示帧数据位为4字节长度，后面的80表示数据包类型是脑电波原始数据，02表示原始数据为2个字节长度，最后的xx High xx Low xx Check Sum为原始脑波数据，其中xx High、xx Low分别是数据的高、低8位，xx Check Sum代表校验和，所述脑电信号提取模块进行数据包校验和数据包解码，提取出专注度和原始脑电信号的信号参数，然后从所述原始脑电信号的信号参数中提取出眨眼脑电信号参数，

进行数据包校验的校验公式为：

sum＝((0x80+0x02+xx High+xx Low)0x FFFFFFFF)F&0x F

将后面的4个字节相加并按位取反，然后取其低8位得到sum值，比较sum与xx CheckSum值是否相等，如果相等，则表示校验通过，如果不相等，则表示校验未通过，

所述的数据包解码由所述可穿戴脑电传感器定义的数据类型得到，进行数据包解码的流程包括接收校验、判断扩展码、数据类型，扩展码等级为0时进行解码，分别判断是否属于代表原始脑电信号和专注度的数据类型，如果是就输出相关数据值结果。

2.根据权利要求1所述的基于脑电信号的电动轮椅控制系统，其特征在于，所述可穿戴脑电传感器为单通道脑电传感器，所述可穿戴脑电传感器包括分别用以放置在用户两个耳垂和前额的三个电极，其中，工作电极用以安放在前额对应国际10-20电极系统FPI的位置。

3.根据权利要求1所述的基于脑电信号的电动轮椅控制系统，其特征在于，所述信号预处理模块采用小波变换对采集到的脑电信号进行滤波处理，去除伪迹得到相对纯净的脑电信号。

4.根据权利要求1所述的基于脑电信号的电动轮椅控制系统，其特征在于，所述RBF神经网络包括输入层、隐含层和输出层，所述输入层由信号源节点组成，所述隐含层为一个，节点激活函数为径向基函数，所述输出层为对输入模式的响应。

Images