基于腦電波信號的Mini機械臂無線控制系統

黃賀誠 姚逸文 張孟珂

摘 要 為實現人腦直接控制外部設備的目的，本文設計了一種利用人體腦電波信號作為控制命令來源，通過無線方式傳遞控制者實際操作信息，最終實現對Mini機械臂的智能動作操作系統;本系統提供了一種新的人機交互方式，拓展了腦電采集及控制設備在工業生產、健康醫療、生活等領域的應用前景。

關鍵詞 腦電波 機械臂 動作

中圖分類號：TP368.2文獻標識碼：A

0引言

腦機接口（Brain Computer Interface， BCI）技術主要是基于人腦電波進行操控的一種新型技術，其采用意念控制方式達到了基本的人機互動要求，基于腦電波（Electroencephalogram，以下簡稱EEG）的控制系統能夠通過特定的測量技術手段提取大腦內部的思維活動信息，然后通過嵌入式平臺分析該信息中包含的人腦真實意圖，并將其轉化為對外部設備的控制命令，最終實現人腦直接控制外設的目的。

本文設計了一種通過獲取意念腦電波信號并作為處理對象，在提取信號特征后構建訓練庫，并最終實現對小型機械臂動作進行精確控制的系統，操作者能夠使用意念操作機械臂按需運動，突破了傳統的物理按鍵作為控制端的局限性。

1系統總體設計

本系統原理如圖1所示，BCI系統首先采集EEG信號，并通過無線藍牙方式傳送至嵌入式系統平臺，經過信號濾波等處理后輸入至特征提取模塊，待提取到能夠有效反映出操作者真實意圖的特征量后，送往分類器進行分類識別，最后將分類結果轉換為實際的Mini機械臂控制指令。

2系統功能模塊設計

2.1腦電波信號采集

本系統通過無創方式采集操作者大腦皮層的腦電波信號，然后利用無線藍牙模塊將EEG數據傳輸至嵌入式主控平臺。EEG信號是一種由大腦中的神經元之間以電離子形式傳遞信息而產生的生物電現象，具有較為明顯的頻率特性，其頻率變動范圍通常在0.1Hz-50Hz之間，不同頻帶分別表示不同的精神狀態，例如放松、集中、思考、無意識等。

2.2腦電波信號預處理

由于采集到的大腦皮層上的EEG信號是由大量神經源共同放電產生的，因此存在一定的頻率重疊、且具很高的敏感性，本系統利用硬件濾波器濾除工頻干擾噪聲，而其他生物電噪聲、環境噪聲等，通過軟件算法進行消除。

2.3腦電波信號特征提取

為從EEG信號中提取出能夠有效地表征操作者實際意圖的特征向量，本系統針對100個基準樣本進行EEG頻帶能量分析，針對每個樣本使用周期圖法計算各頻段的能量和能量占比，以實現對不同頻段EEG信號的特征提取。

2.4腦電波信號訓練庫

根據得到的EEG信號的特征集合，在嵌入式平臺上完成EEG信號特征數據庫的神經網絡訓練模型的構建。

2.5腦電波信號分類識別

EEG信號分類識別的準確率直接反映了控制系統性能的好壞，因此對提取到的EEG信號進行特征選擇，通過最佳分類器對實時采集到EEG信號進行識別，得出操作者的真實意圖信息。

2.6機械臂控制信號轉換

最后將解析出的操作者實際控制意圖轉換成Mini機械臂操控指令，如：舵機自由度、運動方向及角度、速度等，實現控制機械臂做出不同的動作。

3結論

本系統將采集到的腦電波信號以無線方式傳輸至嵌入式系統平臺，然后對EEG信號進行解析，判斷出對應的命令狀態，進而去控制Mini機械臂做出對應動作，本系統結構簡單，應用方便，可廣泛應用于各個工程領域。

基金項目：國家級大學生創新訓練計劃項目“基于腦電信號的智能Mini機械臂控制系統的研究”（201910058027）。

參考文獻

[1] 徐寶國，何小杭，魏智唯，宋愛國，趙國普.基于運動想象腦電的機器人連續控制系統研究[J].儀器儀表學報，2018，39（09）：10-19.

[2] 趙素娜.腦控非完整移動機器人方法研究[D].廣州：華南理工大學，2017.

[3] 孫瀚，張雄，張玉，郭曼云.基于腦電信號的腦機接口技術[J].安徽科技，2015（04）：54-56.