基于腦電意識的平衡車控制系統設計

孫海欣, 朱古月, 佐藤禮華

(1.長春大學 電子信息工程學院，長春 130022, 2. 南京郵電大學 電子與光學工程學院，南京 210023,3.大阪電氣通信大學 綜合信息學院，日本 大阪 5408570)

大腦是人體發送和接收命令、控制人體活動的中心，是一個復雜而龐大的系統。腦電圖(EEG)是腦神經細胞電生理活動在大腦皮層的總體反映[1]。由于腦電信號中包含了大量的信息而被眾多學者關注。腦電意識控制技術是一項利用人類腦電信號與外部設備間建立某種聯系，從而進一步控制外部設備實現某種行為的技術，也被稱為腦機接口(Brain Computer Interface，BCI)[2]。腦電波控制技術已經廣泛應用在不同的領域，而不僅僅局限于醫學研究領域。在工程應用方面，越來越多的學者開始研究BCI技術，試圖利用人對不同的感覺、運動或者認知活動得到的腦電信號的不同，實現腦電信號的有效提取和分類，從而實現某種控制。BCI技術由于能夠擺脫人體周圍神經和肌肉組織的束縛而實現人腦與計算機或其他電子設備之間全新的相互作用，已經成為當代科技發展的一個新興領域[3-4]。

在教育領域，通過小游戲觀測腦電信號可以提高青少年注意力集中度或鍛煉青少年左右腦思考能力；在犯罪領域，警察可以通過腦電波測謊技術輔助審判罪犯，幫助法院準確作出判決等。在人工智能領域，可通過BCI技術設計智能可穿戴產品、智能輪椅等[5-7]。未來，隨著嵌入式系統及互聯網技術的不斷發展，BCI技術將繼續向著可嵌入、可便攜、體積小等方向發展。因此，研究基于腦電意識的控制技術具有重要的現實意義和應用價值。本文在研究腦電信號特點的基礎上，設計一款基于腦電意識的平衡車控制系統[8-9]，該控制系統可根據采集的腦電數據的特點實時地控制小車的行走。

1 總體設計方案

基于腦電意識的平衡車控制系統包括腦電采集模塊和平衡車控制系統兩大部分。腦電采集模塊由TGAM模塊[10]和藍牙模塊構成，主要功能是對腦電信號進行采集及濾波降噪，得到有效的腦電數據并通過藍牙發送給單片機控制系統。平衡車控制系統由STM32F103C8單片機、超聲波模塊、藍牙模塊、電機驅動模塊、陀螺儀模塊和電源模塊等組成，主要功能是通過藍牙接收腦電數據，并根據eSense算法提取專注度及不同頻段的腦電波數據，最后根據提取的數據控制小車的行走。系統的總體框圖如圖1所示。

圖1 基于腦電意識的小車控制系統總體框圖

2 腦電信號采集及分析

2.1 基于TGAM模塊的腦電信號采集

采用TGAM模塊對腦電信號進行采集，該模塊的采樣頻率為512 Hz。該模塊使用3個電極來對腦電數據進行采集，其中兩個電極分別貼于左、右兩耳的耳乳突出位置，作為參考電極，便于兩個電極同步檢測腦電信號并進行加權平均，以便調整信號的質量，使得采集的信號更加準確；另一個電極用于眼部前額附近，作為信號采集的電極，因為腦電前額屬于精神控制區，所以在此處進行腦電信號的采集。

由于腦電信號比較微弱，其幅度通常在100 μV以內，容易受到眼電、皮電、體溫等自身信號的影響，且腦電信號的頻率在1 Hz～100 Hz之間，容易受到工頻干擾的影響。一般情況下，采集到的腦電信號通常伴有噪聲的微弱信號，要想對其進行分析，必須先進行去噪及放大處理，TGAM模塊中內置了兩級濾波和放大電路，能實現對EEG信號的50 Hz工頻干擾信號的濾波及采集腦電數據的放大。最后通過上位機觀測TGAM的采集數據，數據的變化如圖2所示。

圖2 基于TGAM模塊采集的腦電數據變化曲線

TGAM模塊對EEG信號的采集和預處理的過程如下：

(1)EEG信號校準：測試不同被試者的EEG信號，自適應計算和同步測試結果，方便信號校準。

(2)EEG信號采集：采用干電極采集技術，消除導電膠的局限性，方便快捷地采集EEG信號。

(3)EEG信號提取：TGAM模塊將有效的EEG信號從噪聲和干擾中分離出來，經過濾波和放大處理，產生可使用的腦電數據。

(4)EEG信息解讀：通過eSense算法量化出EEG數據的注意力和放松度。

(5)人機交互：將注意力和放松度通過PC機的上位機軟件顯示出來。

2.2 EEG信號的分析及提取

采集到的腦電信號在經過濾波放大處理和FFT變換后，通過eSense算法進行數據包的解析可以得出腦電信號的相應參數，eSense算法的實現核心是解析腦電數據中的大包數據和小包數據，TGAM模塊每秒鐘發出513包數據，由512個小包和1個大包構成。利用串口調試助手對數據進行監測，結果如圖3所示。

圖3 串口接收的TGAM腦電信號數據

圖4 解析后的腦電數據

每一個小包數據包含一個原始數據，其格式為“AA+AA+04+80+02+3個字節的原始數據+校驗和”。因此，TGAM模塊每秒共采集512個原始數據。第513個大包數據是由前512個小包數據加權平均所構成的，大包數據由36個字節構成，包含腦電信號的強度、專注度、放松度和8個不同頻段的腦電信號的值。想要基于某個特定的參數進行提取及控制還需要對大包數據進行進一步解析，解析后的結果如圖4所示。其中，紅色虛線框中為一個大包的解析數據。

2.3 EEG信號的特征參數選取

通過閱讀、聽音樂及計算3種類型的反復實驗，研究腦電信號的強度、專注度、放松度和8個不同頻段腦電信號的參數變化規律。最終發現，在不同類型的實驗中，專注度的變化比其他腦電信號特征參數變化明顯。其范圍在0～100區間波動。當專注度值為0～39時，表明被測者的注意力集中程度較低，此時被測者的大腦活躍程度也較低；當專注度值為40～69 時，表明被測者的注意力集中程度一般，此時被測者的大腦活躍程度一般；當專注度值為70～100時，表明被測者的注意力集中程度較高，此時被測者的大腦活躍程度也較高。因此，本文中選用專注度來實現對小車的“意念控制”。

3 系統的硬件電路設計與分析

3.1 腦電采集模塊的硬件電路分析

圖5 TGAM腦電采集模塊

采用神念科技公司的TGAM套件進行腦電信號的采集，該模塊是基于ThinkGear Asic模塊開發的，其采樣頻率為512 Hz，能夠對采集的信號進行濾波、放大、A/D 轉換并輸出原始采集的EEG信號。同時該模塊內置的濾波電路，能夠在使用時自動濾除環境中的各種噪聲干擾，并且其功耗低：該模塊采用3 V干電池供電。外接藍牙模塊進行數據傳輸，腦電采集模塊的實物圖如圖5所示。

3.2 平衡車控制系統的硬件電路設計

平衡車控制系統基于STM32F103C8T6單片機進行開發，引腳PB12、PB13、PB14、PB15、PA2、PA3用于控制電機驅動電路，引腳PB6、PB7、PA6、PA7用于控制電機，引腳PB11、PB10用于藍牙通信，引腳PB1、PB0用于控制超聲波模塊，引腳PB8、PB9用于控制陀螺儀模塊，時鐘采用系統內部時鐘，時鐘頻率為24 MHz。

陀螺儀模塊采用MPU6050芯片，可以輸出當前模塊X、Y、Z軸的角度及角速度，該模塊通過對角度信息采集及濾波，得到穩定的角度輸出，來控制小車的直立平衡，該芯片與單片機采用I2C方式進行通信。電機驅動模塊采用TB6612芯片，該芯片是一塊雙供電H橋電機驅動芯片，采用12 V供電，最大輸出電流可達2 A，用于驅動直流電機，實現小車的運動。藍牙模塊采用HC06，利用STM32F103的串口1接收TGAM模塊發送的數據。超聲波模塊采用HC-SR04來實現小車的避障功能。小車的車速采用基于高精度霍爾傳感器的16線強磁碼盤進行采集，車輪轉一圈時，脈沖數可達960個。電機采用GB37大扭矩電機。基于STM32F103單片機的平衡車電路原理如圖6所示。

圖6 基于STM32F103單片機的平衡車控制系統原理圖

圖7 系統整體程序流程圖

4 系統的程序開發流程

基于腦電意識的平衡車控制系統程序開發流程圖如圖7所示。

首先，控制系統對時鐘模塊、超聲波模塊、藍牙模塊、電機驅動模塊、陀螺儀模塊進行初始化。初始化完成后，平衡車控制系統與腦電采集模塊TGAM進行藍牙連接配對，若連接不成功，則斷開重新連接，直到成功連接設備。藍牙模塊連接成功后，單片機開始接收來自TGAM模塊的腦電數據，并基于eSense算法進行腦電數據解析及特征參數提取，將專注度信息提取出來，并將得到的專注度數值與設定的閾值進行對比。由于本系統中選用的是兩輪平衡車，因此通過專注度來控制小車的前進與后退。專注度閾值設定如下：

(1)專注度值在0～30之間時，小車保持靜止；

(2)專注度值在30～60之間時，小車前進；

(3)專注度值在60～100之間時，小車后退。

5 結語

設計了一款基于腦電意識的平衡車控制系統，該系統由腦電采集模塊和單片機控制系統兩大部分組成。通過采集被試者的腦電信號，從中提取專注度信息對平衡車的行走進行控制。當專注度值在0～30之間時，小車保持靜止；當專注度值在30～60之間時，小車前進；當專注度值在60～100之間時，小車后退。此外，小車還具有自主避障功能。經測試，該系統穩定性好，體積小，抗干擾強，且價格低廉，有良好的應用前景，可以推廣至醫療和工業控制等領域，為腦機接口技術的進一步推廣提供了技術支撐。