关键字 |
脑电图传感器,继电器驱动,嵌入式平台,通信模块,图像采集模块,bci -脑机接口。 |
介绍 |
这些神经元之间的相互作用模式被表示为思想和情绪状态。根据人类的思想,这种模式将会改变,进而产生不同的电波。肌肉收缩也会产生独特的电信号。所有这些电波都将被脑电波传感器感知,并将数据转换成数据包,通过蓝牙介质[1]传输。电平分析仪(LAU)接收脑电波原始数据,并利用Mat实验室平台提取和处理信号。然后将控制命令传输到机器人模块进行处理。通过整个系统,我们可以根据人的思想来移动机器人,眨眼肌肉收缩就可以转动机器人。 |
BCI的基本思想是将用户产生的大脑活动模式转换为相应的命令。典型的BCI由信号采集和信号处理(包括预处理、特征提取和分类)[2]组成。虽然有些BCI系统不包括所有组件,还有一些将两到三个组件组合到一个算法中,但大多数系统在概念上可以分为信号采集、预处理、特征提取和分类。广泛用于开发基于脑电图的BCI的脑信号包括P300电位,在非目标刺激随机出现后,在大约300ms的潜伏期内,对正在进行的大脑活动的正电位偏移。刺激可以是视觉、听觉、[3]或触觉模态SSVEP,由固定频率调制的刺激在视觉上引起,并以刺激频率和事件相关去同步(ERD)和事件相关同步(ERS)的脑电图活动增加的形式出现,这是通过执行心理任务引起的,比如运动想象,心算,或心理旋转[4]。 |
虽然许多研究人员已经开发出各种脑控移动机器人,但据我们所知,现有的脑控移动机器人都没有走出受控的实验室环境。主要原因是由于脑电图信号的非平稳性质,导致BCI不稳定。因此,为了使这些移动机器人在现实世界中可用,需要探索稳定的BCI系统。如果BCI系统不稳定,则应进一步开发其他技术以提高整体驾驶性能。Rebsamen et al., Iturrate et al.也将P300 BCI和自主导航系统结合起来开发了机器人轮椅。它们之间的主要区别是后者允许轮椅在未知的环境中移动。此外,用户可以通过将注意力集中在视觉显示器下方的“左转”或“右转”图标上,随时控制轮椅向左或向右转,从而引发相应的P300。 |
设计与实现 |
本文根据脑控移动机器人的操作方式,将其分为两类。一类被称为“由BCI直接控制”,即BCI将脑电图信号转换为运动命令,直接控制机器人,他们首先开发了一种由大脑控制的机器人轮椅,其向左或向右转弯的动作由想象左或右肢体运动时从用户大脑信号翻译而来的相应运动命令直接控制,并在现实情况下测试了该系统[5]。该机器人平台还使用了基于运动图像的BCI构建了一个脑控移动机器人,如图所示,该机器人可以执行左、右转弯和前进三种运动命令,并在现实世界中验证了该机器人。 |
如图1所示,大脑秘密卡部分包含EEG Sensor to Sense the Human Brain,它将通过使用NeuroSky提供的Brainwave Headset进行感知。技术和这些信号将通过蓝牙传输,蓝牙在脑波耳机中,对于这个脑波耳机,我们需要使用AAA电池供电,如图2所示。脑波耳机配有电源开关、传感器头、灵活的耳臂和接地耳夹。在这款耳机中,我们使用了非侵入式传感器,不会对耳机用户造成任何疼痛。使用电源开关在脑波耳机上插入AAA电池开关后,LED指示灯将闪烁,如果红色灯不闪烁,则耳机已通电,但未连接到计算机的蓝牙。如果蓝色不闪烁,则表示耳机已开机并已连接。如果红色或蓝色闪烁,这表明电池电量不足。 |
如图3所示,脑波耳机传输的数据将被计算机的蓝牙接收器接收。然后所有这些数据将通过Level Analysis平台进行分析。水平分析平台将使用MATLAB提取原始数据。在对这些数据进行分析后,这些数据将通过串行数据传输,即使用XBee发送给机器人模块。 |
如图4所示,在机器人模块中会有一个XBee接收器接收XBee发射器发送的数据。根据XBee接收到的数据,ARM处理器将给电机指示方向,机器人是带有超声波传感器并与继电器和驱动电路连接的自我控制机器人。所有这些信息都将显示在液晶显示屏上。 |
系统硬件 |
ARM处理器 |
ARM处理器是32位嵌入式RISC微处理器。ARM7处理器要求功耗低、性能好、体积小。在本文中,我使用的是ARM7处理器,ARM处理器将接收来自蓝牙接收器的信号,它将对信号进行处理,并将信号传递给驱动电路,根据从处理器接收到的信号,根据驱动电路接收到的信号,电机将正向,顺时针和逆时针方向旋转。在这里,ARM处理器将等待接收到来自脑波耳机的信号,接收到信号后将移动机器人。驱动电路将连接到处理器的端口1。 |
无线通信 |
XBee和XBee- pro OEM射频模块设计满足IEEE 802.15.4标准,支持低成本、低功耗无线传感器网络[6]的独特需求。这些模块需要最小的功率,并在设备之间提供可靠的数据传输。模块的工作频率为ISM 2.4 GHz。这里我们使用XBee通过逻辑级异步串行端口将机器人与计算机无线连接。通过其串口,模块可以与任何逻辑和电压兼容的UART[7]通信。计算机将转换使用MAT实验室的水平分析仪单元分析的数据。XBee模块从计算机发送的数据将被连接到ARM处理器的XBee接收器接收。 |
脑电图信号 |
脑电图信号可以通过放置在头皮表面的电极来收集。应用最广泛的电极是银/氯化银(Ag/AgCl),因为它们成本低,接触阻抗低,稳定性相对较好。雷竞技网页版此外,集成Ag/AgCl电极的放大器和脑电图帽等采集系统已经相当成熟的商业化,并已成功应用于科学研究和临床诊断。然而,使用Ag/AgCl电极需要去除外层皮肤,并在电极和头皮之间填充凝胶(因此,这种电极也被称为“湿”电极)。这些操作耗时长,且对用户不舒服。为了解决“湿式”电极的这些局限性,一些研究人员一直在探索“干式”电极,这种电极不需要使用凝胶和皮肤清洁[8-11]。现有干电极的主要缺点是由于接触阻抗[12]的增加,采集到的EEG信号比传统电极采集到的EEG信号差。雷竞技网页版一些公司(如Quasar、Emotiv Systems Inc.和NeuroSky Inc.)已经将基于干电极的采集系统商业化[13,14]。这里我们使用的是NeuroSky脑波耳机。然而,它们还不成熟,一些研究人员对这些系统实际上获得了什么生理信号表示怀疑。 Therefore, until now, all brain-controlled wheelchairs adopt “wet” electrodes to collect brain signals. |
神经天空公司的技术 |
我。脑电波: |
上个世纪的神经科学研究极大地增加了我们对大脑的知识,特别是大脑中神经元发射的电信号。这些电信号的模式和频率可以通过在头皮上放置传感器来测量。Mind Tools系列耳机产品包含Neurosky Think Gear技术,该技术可以量化模拟电信号(通常称为脑电波),并将其转换为数字信号。然后,Think Gear技术将这些计算和信号用于游戏和应用程序。表我给出了一些通常被识别的频率的大致概要,这些频率往往是由大脑中不同类型的活动产生的。 |
2ThinkGear |
ThinkGear是每一款NeuroSky产品或合作伙伴产品中的一项技术,它可以让设备与佩戴者的脑电波进行交互。它包括触摸前额的传感器、位于耳夹中的接触点和参考点,以及处理所有数据的车载芯片。雷竞技网页版原始脑电波和感知仪都是在ThinkGear芯片上计算出来的。 |
3eSense |
eSense是NeuroSky公司用于表示心理状态的专有算法。为了计算eSense, NeuroSky ThinkGear技术加强了原始脑电波信号,并消除了环境噪声和肌肉运动。然后将eSense算法应用于剩余的信号,从而得到明确的eSense仪表值。请注意,eSense仪表值并不解释确切的数字,而是描述活动范围。eSense仪表是一种显示用户如何有效地吸引注意力(类似于集中注意力)或冥想(类似于放松)[16]的方法。 |
(一)注意eSense: |
eSense注意力计显示用户精神“集中”或“注意力”水平的强度,例如在高度集中和定向(但稳定的)精神活动时发生的强度。取值范围是0 ~ 100。分心、走神、注意力不集中或焦虑会降低注意力水平。 |
(b)冥想eSense: |
eSense冥想仪显示了使用者心理上的“冷静”或“放松”水平。取值范围是0 ~ 100。请注意,冥想是衡量一个人的精神状态,而不是身体水平,所以简单地放松身体的所有肌肉可能不会立即导致冥想水平的强化效果。然而,对大多数人来说,在大多数正常情况下,放松身体也能帮助大脑放松。冥想与大脑中活跃的心理过程减少活动有关。长期以来,人们观察到闭上眼睛会改变处理眼睛图像的心理活动。所以闭上眼睛通常是提高冥想水平的有效方法。分心、走神、焦虑、激动和感官刺激会降低冥想量表的水平[16]。 |
iv. eSense仪表-技术描述 |
对于每一种不同类型的感觉(如注意力,冥想),仪表值都是在1到100的相对感觉量表上报告的。在这个尺度上,任何给定时刻的值在40到60之间被认为是“中性”,在概念上类似于传统脑电波测量技术中建立的“基线”(尽管确定ThinkGear基线的方法是专有的,可能与传统脑电波不同)。 |
从60到80的值被认为是“略高”,可以解释为高于正常水平(注意力或冥想的水平可能高于一个人的正常水平)[16]。80到100的值被认为是“较高”,这意味着它们强烈地表明该感觉水平的提高。同样,在量表的另一端,20到40之间的值表示“降低”的eSense水平,而1到20之间的值表示“强烈降低”的eSense水平。根据每一种感官的对立面,这些水平可能表示中断、激动或异常的状态。 |
每种解释的范围有些宽的原因是,eSense算法的某些部分是动态学习的,有时会使用一些“缓慢自适应”算法来调整每个用户的自然波动和趋势,解释和补偿人脑中的脑电波受正常方差和波动范围的影响。这就是为什么ThinkGear传感器能够在非常广泛的个人和环境条件下对广泛的个人进行操作的部分原因,同时仍然具有良好的准确性和可靠性。 |
设计流程 |
脑波控制机器人单元流程图如图6所示。它展示了机器人的所有一步一步的功能,如何使用脑电波信号来控制它。打开脑波耳机和机器人套件后,处理器将初始化和耳机后将开始感觉神经元信号和传感信号将他们转移到通过蓝牙和采集模块将接收的信号处理器,处理器EEG信号比较将如果是的那么机器人将根据信号,否则它将去继电器电路和机器人运动过程,将停止。 |
结果与讨论 |
脑控移动机器人的研究和开发受到了极大的关注,因为它们可以帮助患有毁灭性神经肌肉疾病的人恢复行动能力,从而提高他们的生活质量。 |
在本文中,我们对脑控移动机器人的完整系统、关键技术和评估问题进行了全面的最新综述。在实现Mindwave控制机器人后,我用NeuroSky耳机检查了结果,正如我所预料的那样,耳机不能提供100%的脑电波准确性,但它的价格太好了,它可以提供高达95%的脑电波准确性。安装所有的Neurosky软件在PC后,后使用蓝牙耳机通过电脑与电脑连接起来,我们需要戴上耳机头然后我们需要打开垫实验室代码和运行程序,在命令窗口中单击运行程序后垫实验室将显示脑波检测到连接和眨眼之后,它会显示的注意值和眨眼值如图6所示。 |
在得到这些注意和闪烁值后,将生成一个图形,图中有两个信号,黑色信号为闪烁电平,红色信号为注意信号,如图7所示。从这里,这些信号将通过Zigbee无线传输传输到机器人,信号将由Zigbee接收器收集并发送到处理器,处理器根据脑波信号解码信号,并根据信号向机器人的电机轮发出命令,机器人将根据信号向前移动,左右移动,机器人进行自我控制。 |
结论 |
脑控移动机器人的研究和开发受到了极大的关注,因为它们可以帮助患有毁灭性神经肌肉疾病的人恢复行动能力,从而提高他们的生活质量。在本文中,我们对脑控移动机器人的完整系统、关键技术和评估问题进行了全面的最新综述。 |
表格一览 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
|
|
数字一览 |
|
|
参考文献 |
- 毕鲁政,范新安,刘义利,“基于脑电图的脑控移动机器人研究综述”,《人机系统学报》(vol . 43, Issue:2), pp. 161-176, 2013年3月。
- 王志强,王志强,王志强,“基于脑电信号的机器人导航控制研究”,中国机械工程学报(自然科学版),第3卷第3期-2014年3月,第5105-5108页。
- 一事。曼朱·帕尔卡维。R Dhanasekhar。“信号处理、嵌入式系统和通信技术及其在可持续和可再生能源中的应用”国际会议(ICSECSRE ' 14),第3卷,特刊,2014年4月。
- John Jonides, Patricia A. Reuter-Lorenz, Edward E.Smith, Edward Awh, Lisa L.Barnes, Maxwell drain, Jennifer Glass, Erick J.Lauber, Andrea L.Patalano, Eric H.Schumacher,“人类的语言和空间工作记忆”《学习与动机心理学》,第35卷。
- I.I. Goncharova, D.J. McFarland, T.M. Vaughan, J.R. Wolpaw“EEG的EMG污染:频谱和地形特征”临床神经生理学114(2003)1580-1593。
- Sparkfun,“Xbee手册”[在线]可用:https://www.sparkfun.com/datasheets/Wireless/Zigbee/XBee-Manual.pdf
- Cytron Technologies,“SKXbee入门套件”[在线]可用:http://www.cytron.com.my/datasheet/WirelessDevice/SKXbee_User's_Manual_v1.pdf
- C. Fonseca, J. P. S. Cunha, R.E. Martins, V. M. Ferreira, J. P. M. de Sa, M. A. Barbosa,和A. M. da Silva,“一种用于脑电图记录的新型干式有源电极”,IEEE Trans。生物医学。Eng。,vol. 54, no. 1, pp. 162–165, Jan. 2007.
- F.波佩斯库,Y.法兹利,S. Badower, B. Blankertz和K.-R。穆勒,“使用6个干脑电图的运动想象的单一试验分类”,PLoS ONE,第2卷,no. 2。7日,2007年。
- A. Taheri, R. Knight, R. Smith,“用于脑电图记录的干电极”,脑电图学。中国。Neurophysiol。第90卷,没有。5,第376 - 383页,1994年5月。
- A. Searle和L. Kirkup,“湿、干和绝缘生物电记录电极的直接比较”,《物理学》。量。,vol. 21, no. 2, pp. 71– 83, May 2000.
- G. Gargiulo, P. Bifulco, R. A. Calvo, M. Cesarelli, C. Jin, A. McEwan,和A. van Schaik,智能与生物传感器。里耶卡,克罗地亚:在科技,2010年1月,第6章。
- E. W. Sellers, P. Turner, W. A. Sarnacki, T. Mcmanus, T. M. Vaughan,和B. Matthews,“一种用于脑机接口的新型干电极”,论文第13篇。人机交互。,San Diego, CA, 2009, pp. 623–631.
- T. J. Sullivan, S. R. Deiss, T. P. Jung和G. Cauwenberghs,“使用干接点低噪声脑电图传感器的脑机接口”,在Proc.Conf。雷竞技网页版Rec. 2008 IEEE Int。计算机协会。电路系统。,Seattle, WA, May 2008,pp. 1986–1989.
- j.d.r.m an, r.r rupp, g.r.m iller - putz, r.m ury - smith, c.g ugliemma, m.g angermann, c.m Vidaurre, f.c cincotti, a.c kubler, r.r Leeb, c.n uper, k.r。Muller和D.Mattia,“结合脑机接口和辅助技术的最新技术和挑战,”前沿神经科学。, vol. 4, pp. 1 - 15,2010。
- Neurosky,“心态指导手册”,[在线]可获得:http://developer.neurosky.com/docs/doku.php?id=mindset_instruction_manual。
- X. Perrin,“使用低通量接口的辅助机器人的半自主导航”,博士论文,ETHZ,苏黎世,瑞士,2009。
- E. Donchin, K. M. Spencer和R. Wijesinghe,“心理假肢:评估基于p300的脑机接口的速度”,IEEE Trans。神经系统。Rehabil。Eng。,vol. 8, no. 2, pp. 174–179, Jun. 2000.J. Clerk Maxwell, A Treatise on Electricity and Magnetism, 3rd ed., vol. 2. Oxford: Clarendon, 1892, pp.68-73.
- N. Birbaumer, N. Ghanayim, T. Hinterberger, I. Iversen, B. Kotchoubey, A. Kubler, J. Perelmouter, E. Taub和H. Flor,“瘫痪者的拼写设备”,自然,第398卷,297-298页,1999年3月。
- K.-R。M¨uller和B. Blankertz,“迈向非侵入性脑机接口”,IEEE信号处理。杂志,第23卷,no。5,页125-128,2006年9月。
|