关键字 |
脑电图传感器,继电器驱动程序、嵌入式平台、通信模块、图像采集模块、BCI-Brain计算机接口。 |
介绍 |
这些神经元之间的相互作用的模式表示为思想和情绪状态。根据人类的思想,这种模式将改变进而产生不同的脑电波。肌肉收缩也会产生一个独特的电信号。所有这些将感觉到大脑脑电波波传感器,它将数据转换成数据包,通过蓝牙传输中[1]。水平分析仪单元(LAU)将接收脑波原始数据,它将使用垫实验室平台提取和处理信号。然后将控制命令传送给机器人模块的过程。与整个系统,我们可以根据人类的思想和移动机器人可以通过眨眼肌肉收缩。 |
BCI的基本思想是将用户产生的大脑活动模式转化为相应的命令。一个典型的BCI是由信号采集和信号处理(包括预处理、特征提取和分类)[2]。虽然有些BCI系统不包括所有组件和其他组两个或三个组件组合成一个算法,大多数系统在概念上分为信号采集,预处理,特征提取,分类,因为它使得基于脑电图大脑信号,广泛用于开发BCI包括P300电位,这是一个积极的潜在偏差对大脑活动的延迟大约300毫秒后所需的目标刺激的随机事件从非目标刺激刺激可以在视觉,听觉,[3]或触觉形态SSVEP的,由刺激视觉诱发以固定的频率调制和脑电图活动发生在一个增加刺激频率和与事件相关同步(ERD)和与事件相关同步(人),由执行心理任务,如运动图像,心算,或者心理旋转[4]。 |
尽管许多研究人员已经开发出各种人脑控制移动机器人,我们所知,没有一个现有的人脑控制移动机器人控制的实验室环境。主要原因是BCI不稳定由于EEG信号的非平稳特性。因此,要使这些移动机器人可用在实际情况下,稳定的BCI系统需要探索。如果一个BCI系统不稳定,其他技术应该进一步发展提高驾驶的整体性能。Rebsamen et al ., Iturrate等人还结合P300 BCI和自主导航系统开发一个机器人轮椅。它们之间的主要区别是,后者允许轮椅在未知环境中移动。此外,用户可以控制轮椅向左转还是向右转在任何时候通过他/她的注意力聚焦在“左转”或“向右转”图标在视觉显示的较低部分引出相应的P300。 |
设计和实现 |
本文中实现的有效途径,我们将人脑控制移动机器人分为两类根据他们的运作模式。一类叫做“BCI的直接控制,”这意味着BCI EEG信号转换为命令来直接控制机器人运动第一次开发人脑控制机器人轮椅的向左或向右转弯运动直接由相应的运动控制命令翻译时从用户的大脑信号想象向左或向右肢运动,并测试该系统在实际情况[5]。机器人平台也说明了使用基于运动图像的BCI构建人脑控制移动机器人,作为插图可以执行三个运动命令包括左、右和展望未来,和验证这个机器人在一个现实世界。 |
如图1所示大脑秘密卡部分包含脑电图传感器感知人类的大脑,就感觉到使用脑波NeuroSky提供的耳机。使用蓝牙技术和这些信号将被转移在脑电波耳机,这种脑波耳机我们需要给权力使用AAA电池,如图2所示。脑电波耳机有电源开关,传感器,灵活的耳朵的手臂和地面连接耳夹。在这个耳机我们使用非侵入式传感器,不会造成任何痛苦的用户是耳机。后插入一个AAA电池开关脑波耳机使用电源开关LED指示器会眨眼,如果红色光线没有闪烁的耳机驱动而不是连接到电脑的蓝牙。如果蓝色不是闪烁这意味着耳机驱动连接。如果红色或蓝色闪烁这表明电池越来越低。 |
如图3所示的数据通过脑电波耳机将由电脑的蓝牙接收器接收。然后将分析所有这些数据分析平台的水平。水平分析使用MATLAB平台将提取原始数据。后的分析这些数据,这个数据将被发送到机器人模块使用串行数据传输即使用XBee。 |
如图4所示,在机器人模块将会有一个XBee接收器将收到的数据通过XBee发射机。根据接收到的数据由XBee ARM处理器将给汽车和机器人的方向是自控机器人超声波传感器和连接继电器和一个驱动电路。和所有这些信息将显示在液晶显示器上。 |
系统硬件 |
ARM处理器 |
ARM处理器是32位嵌入式RISC微处理器。ARM7处理器需求非常低功耗、高性能、小尺寸。在本文我使用ARM7处理器和ARM处理器将接收的信号蓝牙接收器,它将处理信号,它会给信号的驱动电路,根据收到的信号处理器,根据接收到的信号驱动电路,汽车将向前旋转,顺时针和逆时针方向。ARM处理器会等到收到的信号脑波耳机收到信号后,将移动机器人。驱动电路将连接到端口1的处理器。 |
无线通信 |
XBee和XBee-PRO OEM射频模块内部设计满足IEEE 802.15.4标准提供服务和支持的特殊需要低成本、低功耗无线传感器网络[6]。模块需要最少的力量和设备之间的数据提供可靠的交付。ISM 2.4 GHz频段内的模块操作。我们在这里使用XBee连接机器人与计算机通过一个逻辑电平异步串口无线。通过串行端口,该模块可以与任何逻辑和电压兼容的UART通信[7]。计算机将转换数据分析利用水平分析器使用单位垫实验室。XBee所传输的数据从计算机模块将接收的XBee接收机连接到ARM处理器。 |
脑电图信号 |
EEG信号可以收集电极放在头皮表面。使用最广泛的银/氯化银电极(Ag) / AgCl)因为他们有低成本、低接触阻抗,和相对稳定性好。雷竞技网页版此外,有相当成熟的商业化收购系统包括放大器和脑电图帽与综合Ag / AgCl电极,已被成功地应用于科学研究和临床诊断。然而,使用Ag / AgCl电极需要去除表皮层和电极之间充填胶和头皮(,因此,这种电极也被称为“湿”电极)。这些操作需要用户长时间和不舒服。解决这些限制的“湿”电极,一些研究人员一直在探索“干燥”电极,不需要使用洁面凝胶和[8]。现有干电极的主要缺点是,收购了EEG信号不如获得与传统电极由于接触阻抗的增加[12]。雷竞技网页版一些公司(如类星体,Emotiv系统公司和NeuroSky Inc .)已经商业化收购系统基于干电极(13、14)。在这里我们使用NeuroSky脑波耳机。然而,他们还没有成熟,一些研究人员怀疑实际上这些系统生理信号获得[15]。 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的研究大大增加我们对大脑的知识,特别是,大脑中的神经元发出的电信号。这些电信号的模式和频率可以被放置在头皮上的传感器测量。思维工具的耳机产品包含Neurosky认为齿轮技术,量化模拟电信号,通常称为脑波,锻炼成数字信号。然后认为齿轮技术使这些计算和信号可用于游戏和应用程序。表我给一个通用大纲的一些常见——确定频率往往是由不同类型的活动在大脑中[16]。 |
二世。ThinkGear |
ThinkGear技术在每个NeuroSky产品或合作伙伴的产品赋予一个设备接口与使用者的脑波[16]。它包括触摸前额的传感器,接触和参考点位于耳夹,和板载芯片处理的所有数据。雷竞技网页版生的脑波和eSense ThinkGear芯片米计算。 |
三世。eSense |
eSense NeuroSky的专有算法为代表的精神状态。计算eSense, NeuroSky ThinkGear技术加剧原始脑电波信号,消除了环境噪声和肌肉运动。然后eSense算法应用到剩余的信号,导致了新的eSense计值。请注意,eSense计值不解释一个确切数字,而是描述范围的活动。eSense米是一种有效地展示用户吸引注意力(类似于浓度)或冥想(类似于放松)[16]。 |
(一)注意eSense: |
eSense注意仪表显示了用户的心理水平的强度“焦点”或“关注”,如发生在激烈的浓度和导演(但稳定)的心理活动。其范围从0到100的价值。干扰,流浪的思想,缺乏重点,或焦虑可能会降低注意力计水平。 |
(b)冥想eSense: |
eSense冥想计显示用户的心理水平的“冷静”或“放松”。其范围从0到100的价值。注意,冥想是衡量一个人的精神状态,而不是物理的水平,所以简单地放松身体的肌肉可能不会立即导致加剧影响冥想的水平。然而,对于大多数人在大多数正常情况下,放松身体经常帮助思想放松。冥想是减少活动相关的大脑中活跃的心理过程。它一直是一个观察到的闭上眼睛把心理活动过程的眼睛的照片。所以闭上眼睛往往是一种有效的方法提高冥想计水平。干扰,流浪的想法,焦虑,烦躁,和感官刺激可以降低冥想计水平[16]。 |
承运eSense计技术描述 |
为每一个不同类型的eSense(即关注,冥想),据计值相对eSense 1到100的规模。根据这一标准,一个40到60之间的价值在任何给定的时刻被认为是“中性的”,在概念上类似于“基线”,建立在传统脑电波测量技术(虽然方法确定ThinkGear基线是专有的和可能不同于普通脑波)。 |
值从60到80年被认为是“略升高”,并可能被视为水平往往高于正常水平(注意或冥想可能高于正常的对于一个给定的人)[16]。值从80年到100年被认为是“高”,这意味着他们是eSense强烈表明高水平的。同样,在天平的另一端,20岁到40岁之间的一个值表示“减少”eSense的水平,而一个值1到20之间表示“强烈降低”eSense的水平。风潮,这些水平可能表明的中断或异常,根据每个eSense的对立面。 |
的原因有点宽范围的每个部分的解释是,eSense算法动态地学习和有时使用一些“slow-adaptive”算法来适应每个用户的自然波动和趋势,占和补偿这一事实:人类大脑的脑波服从方差和波动的正常范围。这是部分原因ThinkGear传感器就能广泛的个人在一个非常广泛的个人和环境条件,同时还给予良好的准确性和可靠性[16]。 |
设计流程 |
脑电波控制机器人单元的流程图如图6所示。它显示了所有机器人的一步一步的功能,它将如何利用脑电波信号控制。切换后,脑电波耳机和机器人套件,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和过程将被停止。 |
结果和讨论 |
人脑控制移动机器人的研究和开发得到了大量的关注,因为他们可以帮助移动回到毁灭性的神经肌肉障碍患者,从而提高他们的生活质量。 |
在本文中,我们提出了一个全面的最新的完整的系统的复习,人脑控制移动机器人的关键技术和评价问题。实施后Mindwave控制机器人与NeuroSky头套我检查结果,如我所料的耳机不给脑电波的100%的准确率,但它太好了,它的价格可以给95%的准确率的脑波。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。 |
在得到这些关注和眨眼值会产生一个图,图中有两个信号,黑色的信号是闪烁的水平和红色信号注意信号如图7所示。从这里这些信号将被转移到机器人通过无线个域网无线传输,无线个域网收集的信号将接收和发送到处理器,处理器解码信号根据脑电波信号,根据信号处理器提供的命令汽车轮子的机器人,机器人会根据信号前进,左、右和机器人自我控制。 |
结论 |
人脑控制移动机器人的研究和开发得到了大量的关注,因为他们可以帮助移动回到毁灭性的神经肌肉障碍患者,从而提高他们的生活质量。在本文中,我们提出了一个全面的最新的完整的系统的复习,人脑控制移动机器人的关键技术和评价问题。 |
表乍一看 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
|
|
数据乍一看 |
|
|
引用 |
- 因为它使得基于脑电图Luzheng Bi,新安粉丝,伊利刘“人脑控制移动机器人:一项调查”,人机系统,IEEE(体积:43岁的问题:2),第176 - 161页,2013年3月。
- 羽衣甘蓝Swapnil T, Mahajan Sadanand P, Rakshe Balu G, N.K.教授班达里“机器人导航控制通过基于EEG信号”工程和计算机科学国际期刊ISSN: 2319 - 7242卷3期2014年3月,页5105 - 5108。
- 一事。M Manju Paarkavi。R Dhanasekhar。年代“失语症克制智能声学通信系统”国际会议信号处理、嵌入式系统和通信技术及其应用可持续和可再生能源(ICSECSRE 14), 3卷,特殊问题3,2014年4月。
- 约翰密切相关,帕特里夏·a·Reuter-Lorenz爱德华·E。史密斯,爱德华不在,丽莎L。巴恩斯,麦克斯韦排水,詹妮弗·格拉斯埃里克J。到来,安德里亚·L。Patalano, Eric H。舒马赫,“人类语言和空间工作记忆”心理学的学习和动机,Vol.35。
- I.I. Goncharova, D.J.麦克法兰T.M.沃恩,jr沃尔波”EMG脑电图的污染:光谱和地形特征“临床神经生理学114 (2003)1580 - 1593。
- Sparkfun”Xbee手册》(在线):https://www.sparkfun.com/datasheets/Wireless/Zigbee/XBee-Manual.pdf
- Cytron技术,“SKXbee starter kit(在线):http://www.cytron.com.my/datasheet/WirelessDevice/SKXbee_User 's_Manual_v1.pdf
- c·塞卡j . p . s . Cunha右眼马丁斯,v . m .费雷拉,j . p . m . de Sa, m·A·巴博萨和A . m . da Silva“小说干活性电极脑电图记录”,IEEE反式。生物医学。Eng。,vol. 54, no. 1, pp. 162–165, Jan. 2007.
- f . Popescu y Fazli, s . Badower Blankertz b, K.-R。穆勒,¨“单一试验电机的分类使用6干脑电图electrodesm想象力,“PLoS ONE,卷2,没有。7日,2007年。
- 塔,r·奈特和r .史密斯,“干电极脑电图记录”,Electroencephalogr。中国。Neurophysiol。90卷,没有。5、1994年5月,页376 - 383。
- A·塞尔和l . Kirkup”直接比较湿,干燥和绝缘生物电记录电极,”杂志。量。,vol. 21, no. 2, pp. 71– 83, May 2000.
- g . Gargiulo p . Bifulco r·a·卡尔沃m . Cesarelli c, a·麦克尤恩和a . van Schaik智能和生物传感器。里耶卡,克罗地亚:在科技,2010年1月,ch。6。
- w·e·w·卖家,p . Turner A . Sarnacki t·麦克马纳斯·t·m·沃恩·b·马修斯,”小说干电极脑机接口”,在Proc。13日Int,人机Interac相依。圣地亚哥,2009年,页623 - 631。
- t·j·沙利文,s·r·戴斯t·p·荣格和g . Cauwenberghs“脑-机接口使用干式接点低噪声脑电图传感器,“Proc.Conf。雷竞技网页版Rec。2008 Int IEEE计算机协会。电路系统。,Seattle, WA, May 2008,pp. 1986–1989.
- J.d.R。文澜,R。拉普,广义相对论Muller-Putz, r . Murray-Smith C。Giugliemma, M。angermann, c . Vidaurre F。Cincotti,。Kubler, r .里氏C。Neuper K.-R。穆勒,D。Mattia”,结合脑-机接口和辅助技术最先进的和挑战,“前沿>。4卷,页1 - 15,2010。
- Neurosky”心态指导手册”,可用(在线):http://developer.neurosky.com/docs/doku.php?id=mindset_instruction_manual。
- x佩兰,“半自治的导航辅助机器人使用的低吞吐量接口,“博士论文,ETHZ, 2009年瑞士苏黎世。
- e . Donchin k·m·斯宾塞和r . Wijesinghe”精神假肢:评估的速度P300-based“脑机接口”IEEE反式。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球队,b . Kotchoubey A . Kubler j . Perelmouter e .陶布h·福罗,“拼写设备瘫痪,”自然,398卷,第298 - 297页,1999年3月。
- K.-R。M¨ul和b . Blankertz Towardb无创性脑-机接口,“IEEE信号的过程。杂志,23卷,没有。5,页125 - 128,2006年9月。
|