常 宇，楊 風(fēng)，郝 騫

(中北大學(xué)，太原 030051)

0 引 言

由于交通事故、疾病等原因，一些患者永久地喪失了行為能力。而目前市場(chǎng)上的大部分代步工具都需要用戶對(duì)控制桿或者按鍵進(jìn)行操作，怎樣為這類(lèi)人群提供一個(gè)可靠的代步工具，使他們重獲自由，是如今急需解決的難題之一。而隨著對(duì)腦電波的不斷研究深入，許多專(zhuān)家提出了利用腦電波信號(hào)來(lái)實(shí)現(xiàn)對(duì)輪椅的控制，即依靠患者的意念來(lái)控制輪椅的運(yùn)動(dòng)。這使得肢體功能有障礙的人群重新獲得了自理能力，并且能夠?qū)崿F(xiàn)與外界的互動(dòng)交流。文獻(xiàn)[1]采用改進(jìn)的滑動(dòng)窗口算法以及K-近鄰算法對(duì)腦電波信號(hào)數(shù)據(jù)流進(jìn)行數(shù)字濾噪、特征提取、模式識(shí)別等處理后，實(shí)現(xiàn)了對(duì)輪椅運(yùn)動(dòng)軌跡的控制。文獻(xiàn)[2]利用BCI2000開(kāi)源軟件結(jié)合MFC程序，將腦電波信號(hào)的采集、識(shí)別、分類(lèi)和傳輸合成一個(gè)平臺(tái)，簡(jiǎn)化了硬件電路，實(shí)現(xiàn)了腦電波信號(hào)控制輪椅的目標(biāo)。但是同時(shí)又出現(xiàn)了一個(gè)新的問(wèn)題，那就是現(xiàn)有的實(shí)驗(yàn)研究都需要頻繁地利用腦電波控制，這對(duì)于本身就容易產(chǎn)生疲勞的重度肢體功能不健全的患者來(lái)說(shuō)，無(wú)疑會(huì)造成極大的精神負(fù)擔(dān)。

基于此，本文研究一種結(jié)合腦電波控制與自動(dòng)導(dǎo)航的新型輪椅系統(tǒng)，這種輪椅可以依靠自動(dòng)導(dǎo)航系統(tǒng)到達(dá)所選目的地，無(wú)需用戶頻繁地發(fā)出控制指令，因而可以在很大程度上減輕用戶的腦力負(fù)荷。實(shí)驗(yàn)表明，這種腦控輪椅系統(tǒng)具有廣闊的應(yīng)用前景。

1 腦電波簡(jiǎn)述

現(xiàn)代科學(xué)研究表明，當(dāng)人們處在工作、學(xué)習(xí)、玩游戲、聽(tīng)音樂(lè)等一系列活動(dòng)中時(shí)，人腦中的神經(jīng)細(xì)胞也在活動(dòng)著，其產(chǎn)生的節(jié)奏即為腦電波[3]。人在不同的精神狀態(tài)下產(chǎn)生的腦電波頻率變動(dòng)很大[4]，范圍大約從0.4～30 Hz，不同的腦電波與人的精神狀態(tài)的對(duì)應(yīng)關(guān)系如表1所示。

表1 不同的腦電波信號(hào)與人的精神狀態(tài)的對(duì)應(yīng)關(guān)系

由表1可見(jiàn)，依據(jù)頻率的不同，腦電波可分為δ波(0.4～4 Hz)，θ波(4～8 Hz)，α波(8～14 Hz)，β波(14～30 Hz)，其中，α波又可以更精確地分為慢速α波(8～9 Hz)、中間α波(9～12 Hz)、快速α波(12～14 Hz)。

2 腦電波信號(hào)處理

腦電波信號(hào)采集裝置采集到的信號(hào)通常會(huì)摻雜一系列的噪聲，包括其它生物電以及采集環(huán)境、工頻信號(hào)的干擾，在對(duì)腦電波信號(hào)進(jìn)行特征模式識(shí)別之前，首先需要去除噪聲干擾信號(hào)。

2.1 腦電波信號(hào)消噪

2.1.1 腦電波信號(hào)消噪的傳統(tǒng)算法

通常，一個(gè)含噪聲的一維腦電波信號(hào)模型可以表示：

s(k)=f(k)+εe(k)k=0,1,…,n-1 (1)

式中：s(k)為含噪聲信號(hào)；f(k)為原始腦電波信號(hào)；e(k)為噪聲；ε為噪聲系數(shù)的標(biāo)準(zhǔn)偏差。傳統(tǒng)小波分解的步驟：

(1) 輸入原始腦電波信號(hào)；

(2) 小波分解；

(3) 閾值處理；

(4) 小波重構(gòu)；

(5) 得到去噪后的腦電波信號(hào)。

2.1.2 腦電波信號(hào)消噪的改進(jìn)算法

傳統(tǒng)的小波變換算法很可能會(huì)使去噪后的腦電波信號(hào)失真，信噪比低，為了得到更加有效純凈的信號(hào)，這里選擇改進(jìn)后的小波變換進(jìn)行消噪。它的主要特點(diǎn)是第二個(gè)母小波按照1/2的倍數(shù)平移，具有較高的采樣密度[5]。首先對(duì)信號(hào)進(jìn)行分解重構(gòu)，示意圖如圖1所示。

圖1 信號(hào)分解重構(gòu)示意圖

圖1中，l(n),b(n),h(n)分別表示小波的低通、帶通和高通濾波器。其中，尺度系數(shù)與小波系數(shù)可由下式得到：

(2)

式中：x(t)代表原始信號(hào)；cj(n)表示分解第j級(jí)得到的尺度系數(shù)；d1,j(n)，d2,j(n)分別表示分解第j級(jí)所得到的第1、2個(gè)小波系數(shù)。另外，尺度函數(shù)和母小波函數(shù)被以下條件約束：

(3)

式中：Φ(t)為基函數(shù)；ψ1(t),ψ2(t)分別代表兩個(gè)小波函數(shù)。最后要實(shí)現(xiàn)重構(gòu)，還需滿足下式的要求：

(4)

改進(jìn)的小波變換具體步驟：

(1) 對(duì)含噪聲的腦電波信號(hào)作改進(jìn)小波變換分解，得到一系列多尺度小波系數(shù)；

(2) 對(duì)系數(shù)進(jìn)行閾值收縮處理；

(3) 對(duì)各尺度系數(shù)進(jìn)行重構(gòu)；

(4) 得到去噪后的腦電波信號(hào)。

實(shí)驗(yàn)選取2 s時(shí)間內(nèi)的原始腦電波信號(hào)波形進(jìn)行去噪處理，如圖2所示，縱坐標(biāo)為腦電波信號(hào)的幅值(微伏)。

圖2 原始腦電波信號(hào)波形圖

經(jīng)過(guò)改進(jìn)的小波變換法去噪處理后的波形圖如圖3所示。

圖3 改進(jìn)小波變換去噪后腦電波信號(hào)波形圖

對(duì)比圖2和圖3可以發(fā)現(xiàn)，經(jīng)過(guò)改進(jìn)小波法處理后的腦電波信號(hào)波形比原始信號(hào)的波形更加平滑，明顯消除了高頻毛刺信號(hào)的干擾。

2.2 腦電波信號(hào)特征提取

腦電波信號(hào)的特征提取選擇目前較為成熟的共空間模式(以下簡(jiǎn)稱(chēng)CSP)算法。該算法的基本原理是通過(guò)訓(xùn)練空間濾波器，找到最優(yōu)的空間投影，從而使兩類(lèi)信號(hào)能量之差最大，實(shí)現(xiàn)分類(lèi)[6]。具體的步驟如下：

(1) 分別計(jì)算兩類(lèi)腦電波信號(hào)Xm，Xl的協(xié)方差矩陣Rm，Rl以及混合協(xié)方差矩陣R：

(5)

(6)

(7)

式中：trace(X)表示矩陣X對(duì)角線上所有元素之和，m和l表示兩類(lèi)試驗(yàn)的試驗(yàn)次數(shù)。

(2) 構(gòu)造白化矩陣P并對(duì)其特征值Sm,Sl進(jìn)行分解：

(8)

(9)

(10)

式中：∑表示特征值對(duì)角矩陣；Ub是特征向量矩陣。

(3) 選取其中幾個(gè)較大的特征值作為特征向量；

(4) 利用特征向量構(gòu)造空間濾波器Fm,Fe,并獲取CSP投影矩陣。

(11)

(12)

則兩類(lèi)原始腦電波信號(hào)經(jīng)過(guò)空間濾波器濾波后得到的源信號(hào)：

Sm=FmX

(13)

Sl=FlX

(14)

最后可得兩個(gè)類(lèi)別的特征：

(15)

(16)

將二分類(lèi)CSP算法用到本文四個(gè)類(lèi)別分類(lèi)時(shí)，可以首先進(jìn)行兩兩配對(duì)，共得到6對(duì)，再對(duì)每一對(duì)形成的特征進(jìn)行統(tǒng)計(jì)。

2.3 腦電波信號(hào)模式識(shí)別

腦電波信號(hào)的識(shí)別選擇模糊支持向量機(jī)(以下簡(jiǎn)稱(chēng)FSVM)，該算法能克服支持向量機(jī)抗噪性差的缺點(diǎn)，基本思想是對(duì)輸入樣本中的噪聲設(shè)置較小的隸屬度，削弱這些噪聲樣本帶來(lái)的干擾作用，從而提升系統(tǒng)分類(lèi)的準(zhǔn)確性。

首先，F(xiàn)SVM相比于傳統(tǒng)支持向量機(jī)的訓(xùn)練樣本，增加了一項(xiàng)隸屬度mi，并稱(chēng)訓(xùn)練集為模糊訓(xùn)練集。

S={(x1,y1,m1),(x2,y2,m2),…,

(xi,yi,mi),…,(xn,yn,mn)}

(17)

式中：xi∈Rn，yi為模糊數(shù)，mi為隸屬度，0

由此可得到最優(yōu)分類(lèi)面問(wèn)題：

(18)

式中：εi是分類(lèi)誤差項(xiàng)。引入拉格朗日乘子αi(i=1,…,n)，將式(18)轉(zhuǎn)化為一個(gè)優(yōu)化問(wèn)題：

(19)

最后可得到?jīng)Q策函數(shù)：

(20)

試驗(yàn)所用到的腦電波數(shù)據(jù)集來(lái)自于5位18～25歲的健康受試者，其中，每位受試者均采集了180組腦電波信號(hào)，隨機(jī)選取90組作為測(cè)試樣本，另外90組作為訓(xùn)練樣本，進(jìn)行特征提取以及模式識(shí)別后得到的分類(lèi)結(jié)果如表2所示。

表2 腦電波信號(hào)識(shí)別分類(lèi)結(jié)果

由表2可知，基于CSP特征提取法的測(cè)試集的平均識(shí)別率為80.8%，訓(xùn)練集的平均識(shí)別率為85.8%。試驗(yàn)證實(shí)，采用本文的算法能夠得到良好的分類(lèi)效果。

3 輪椅路徑研究

當(dāng)用戶通過(guò)腦機(jī)接口選擇了目的地后，為了使輪椅能夠利用自動(dòng)導(dǎo)航系統(tǒng)到達(dá)目的地，必須要對(duì)輪椅進(jìn)行室內(nèi)的路徑規(guī)劃。由于蟻群算法是一種基于種群尋優(yōu)的啟發(fā)式搜索算法[7]，也是一種魯棒性強(qiáng)、自組織的算法，通過(guò)正反饋、分布式協(xié)作來(lái)尋找最優(yōu)路徑，能夠更加快速、更加合理地找到優(yōu)化的答案[8]，所以本文對(duì)基于蟻群算法的路徑規(guī)劃進(jìn)行研究。

基于蟻群算法的路徑規(guī)劃流程圖如圖4所示。

圖4 基于蟻群算法的路徑規(guī)劃流程圖

蟻群算法具體步驟如下：

(1) 利用柵格法建立環(huán)境模型；

(2) 初始化參數(shù)；

(3) 在起點(diǎn)放置m只螞蟻，并在當(dāng)前禁忌表tabu中存入起點(diǎn)；

(4) 每只螞蟻按照狀態(tài)轉(zhuǎn)移的概率進(jìn)行下一個(gè)節(jié)點(diǎn)的選擇，同時(shí)修改禁忌表，更新螞蟻的狀態(tài)，直到所有螞蟻均到達(dá)目的地；

(5) 得到本次的最優(yōu)路徑后對(duì)原信息素進(jìn)行動(dòng)態(tài)更新；

(6) 判斷迭代次數(shù)是否達(dá)到設(shè)定的最大值，若未達(dá)到，則執(zhí)行Nc+1，跳轉(zhuǎn)到步驟(3)，否則輸出最優(yōu)路徑，算法結(jié)束。

最后，在MATLAB軟件上仿真，仿真空間20×20，黑色柵格為空間中的障礙物區(qū)域，具體的參數(shù)設(shè)置：起點(diǎn)為左上柵格，終點(diǎn)為右下柵格，空間中設(shè)有9個(gè)障礙物，仿真結(jié)果如圖5所示，由圖5可知，該算法能夠使輪椅從起始點(diǎn)順利地達(dá)到目的地。

圖5 基于蟻群算法的運(yùn)動(dòng)軌跡

4 系統(tǒng)的硬件設(shè)計(jì)

4.1 控制原理

利用腦電波傳感器ThinkGear AM芯片采集腦電波信號(hào)并進(jìn)行放大濾波，通過(guò)藍(lán)牙發(fā)送數(shù)據(jù)到PC端，在PC端上安裝Processing軟件用來(lái)顯示腦電波數(shù)據(jù)及波形圖，然后通過(guò)PC端的藍(lán)牙串口連接核心控制板上相同型號(hào)的藍(lán)牙模塊，控制板根據(jù)得到的腦電波數(shù)據(jù)，經(jīng)過(guò)對(duì)數(shù)據(jù)去噪、特征提取識(shí)別等處理后得到用戶希望的目的地，最后依靠路徑的規(guī)劃，智能輪椅能夠無(wú)碰撞且準(zhǔn)確地到達(dá)目的地。

4.2 硬件模塊

4.2.1 核心控制模塊

本文選用意法半導(dǎo)體公司的32位ARM微控制器STM32F103ZET6處理器為核心控制模塊，其內(nèi)核是Cortex-M3，最高工作頻率72 MHz，閃存存儲(chǔ)器容量為512 KB，具有功耗低、性能高、計(jì)算性能強(qiáng)以及中斷系統(tǒng)響應(yīng)先進(jìn)等特點(diǎn)[9]，廣泛應(yīng)用于電力電子系統(tǒng)、應(yīng)用控制、醫(yī)療、編程控制器等多個(gè)方面。

4.2.2 直流電機(jī)模塊智能輪椅系統(tǒng)能夠平穩(wěn)安全地載用戶到達(dá)目的地，不僅對(duì)其核心控制器的選擇具有很高的要求，而且，電機(jī)的選擇是否合適也決定了系統(tǒng)能否高效地工作。本文根據(jù)實(shí)際需求，選擇了維護(hù)方便、結(jié)構(gòu)簡(jiǎn)單的無(wú)刷直流伺服電動(dòng)機(jī)，它具有傳統(tǒng)直流電動(dòng)機(jī)調(diào)速范圍廣、運(yùn)行效率高等優(yōu)點(diǎn)，并且隨著現(xiàn)代工業(yè)的快速發(fā)展，已經(jīng)被廣泛地應(yīng)用于諸多領(lǐng)域，例如電子工業(yè)、航空航天、自動(dòng)化控制等。

4.2.3 腦電波傳感器模塊

本文選用美國(guó)Neurosky(神念科技)公司研發(fā)的ThinkGear AM芯片，該芯片為單EEG腦電通道[10]，很微弱的腦電波信號(hào)都可被檢測(cè)到，直接與干電極相連，可采樣512 Hz的原始腦電波信號(hào)[11]，具有UART接口，無(wú)奇偶校驗(yàn)，擁有先進(jìn)的消除噪聲以及抗干擾功能，正在被大規(guī)模的電子產(chǎn)品所應(yīng)用。

4.2.4 藍(lán)牙模塊

本文的藍(lán)牙模塊選擇HC-05主從一體模塊，引出接口有TXD，RXD，VCC，GND，LED，KEY，當(dāng)KEY為高電平時(shí)進(jìn)入AT狀態(tài)。該模塊擁有傳統(tǒng)的藍(lán)牙技術(shù)功能，具有UART，SPI，USB等多個(gè)接口，模塊內(nèi)置8 Mbit Flash，功能強(qiáng)大，不僅成本低、外觀精美，而且還具有低功耗、高性能等特點(diǎn)。它的工作模式有兩種：其一為自動(dòng)連接模式，當(dāng)模塊處于該模式時(shí)，數(shù)據(jù)的傳輸依據(jù)預(yù)先已經(jīng)設(shè)定好的方式[12]；其二為命令響應(yīng)工作模式，在該模式下，模塊的控制參數(shù)和控制命令可根據(jù)用戶發(fā)送的AT指令設(shè)置。

4.2.5 驅(qū)動(dòng)模塊

本文的驅(qū)動(dòng)模塊選擇由STMicroelectronics制造商生產(chǎn)的L298N模塊，它是一種雙H橋電機(jī)驅(qū)動(dòng)芯片，兩個(gè)H橋可以供應(yīng)的電流均為2 A，功率部分應(yīng)保證2.5～48 V的電壓，邏輯部分5 V供電，接收5 V TTL電平。起動(dòng)性能良好，對(duì)電機(jī)的控制十分方便，廣泛應(yīng)用于機(jī)器人以及智能小車(chē)的設(shè)計(jì)中。

4.2.6 超聲波模塊

本文的測(cè)距模塊選擇HC-SR04超聲波傳感器，它可以測(cè)量的距離范圍大致為2～400 cm，最小距離可精確到3 mm。超聲波測(cè)距的基本工作原理：首先觸發(fā)測(cè)距，然后模塊內(nèi)部發(fā)送方波并檢測(cè)信號(hào)的返回情況，若有信號(hào)返回，輸出高電平，則其保持的時(shí)間就是超聲波從發(fā)射到遇到障礙物返回的時(shí)間[13]。測(cè)試的距離為(高電平時(shí)間×聲速)/2。該模塊具有計(jì)算簡(jiǎn)便，易于實(shí)時(shí)控制的優(yōu)點(diǎn)，而且測(cè)量精度能達(dá)到一般的實(shí)用性要求，應(yīng)用廣泛，尤其在移動(dòng)機(jī)器人的研發(fā)項(xiàng)目上更加普遍。

5 系統(tǒng)的軟件設(shè)計(jì)

系統(tǒng)軟件部分可分4個(gè)步驟：首先對(duì)系統(tǒng)進(jìn)行初始化，然后采集腦電波數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行分析處理，最后通過(guò)轉(zhuǎn)換后的控制參數(shù)對(duì)輪椅的運(yùn)動(dòng)加以操控。系統(tǒng)的程序流程如圖6所示。系統(tǒng)初始化完成后，腦電波傳感器采集的腦電波數(shù)據(jù)經(jīng)過(guò)藍(lán)牙發(fā)送到核心控制板STM32F103ZET6并解析，可得到用戶的專(zhuān)注程度以及信號(hào)的質(zhì)量等[14]。不同的專(zhuān)注度對(duì)應(yīng)發(fā)送到輪椅的不同參數(shù)，也就是不同的目的地，具體的量化關(guān)系如表3所示，用戶通過(guò)一定的訓(xùn)練后即可控制專(zhuān)注度的高低。

圖6 系統(tǒng)的程序流程圖

專(zhuān)注度范圍發(fā)送至輪椅的參數(shù)目的地15～351廚房36～552臥室56～753衛(wèi)生間>754客廳

6 結(jié) 語(yǔ)

本文將采集的腦電波信號(hào)經(jīng)藍(lán)牙傳輸?shù)胶诵目刂瓢?，并利用改進(jìn)小波變換法、共空間模式法以及模糊支持向量機(jī)對(duì)信號(hào)數(shù)據(jù)處理后，轉(zhuǎn)換成控制信號(hào)，實(shí)現(xiàn)了對(duì)智能輪椅的基本操控目的。相比于普通輪椅，該輪椅解決了部分重度殘疾病人無(wú)法手動(dòng)操作的難題，使他們重獲自由，而且結(jié)合路徑規(guī)劃，只需用戶在選擇目的地時(shí)集中注意力，在輪椅運(yùn)動(dòng)過(guò)程中，避免了用戶因長(zhǎng)時(shí)間不間斷地依靠腦力控制發(fā)送指示信號(hào)而引起的身體不適，對(duì)以后更加深入地研究腦電波控制技術(shù)具有一定的參考價(jià)值。