基于脑电波信号的Mini机械臂无线控制系统

2019-02-10黄贺诚姚逸文张孟珂

科教导刊·电子版 2019年34期

黄贺诚姚逸文张孟珂

摘要为实现人脑直接控制外部设备的目的，本文设计了一种利用人体脑电波信号作为控制命令来源，通过无线方式传递控制者实际操作信息，最终实现对Mini机械臂的智能动作操作系统;本系统提供了一种新的人机交互方式，拓展了脑电采集及控制设备在工业生产、健康医疗、生活等领域的应用前景。

关键词脑电波机械臂动作

中图分类号：TP368.2文献标识码：A

0引言

脑机接口（Brain Computer Interface， BCI）技术主要是基于人脑电波进行操控的一种新型技术，其采用意念控制方式达到了基本的人机互动要求，基于脑电波（Electroencephalogram，以下简称EEG）的控制系统能够通过特定的测量技术手段提取大脑内部的思维活动信息，然后通过嵌入式平台分析该信息中包含的人脑真实意图，并将其转化为对外部设备的控制命令，最终实现人脑直接控制外设的目的。

本文设计了一种通过获取意念脑电波信号并作为处理对象，在提取信号特征后构建训练库，并最终实现对小型机械臂动作进行精确控制的系统，操作者能够使用意念操作机械臂按需运动，突破了传统的物理按键作为控制端的局限性。

1系统总体设计

本系统原理如图1所示，BCI系统首先采集EEG信号，并通过无线蓝牙方式传送至嵌入式系统平台，经过信号滤波等处理后输入至特征提取模块，待提取到能够有效反映出操作者真实意图的特征量后，送往分类器进行分类识别，最后将分类结果转换为实际的Mini机械臂控制指令。

2系统功能模块设计

2.1脑电波信号采集

本系统通过无创方式采集操作者大脑皮层的脑电波信号，然后利用无线蓝牙模块将EEG数据传输至嵌入式主控平台。EEG信号是一种由大脑中的神经元之间以电离子形式传递信息而产生的生物电现象，具有较为明显的频率特性，其频率变动范围通常在0.1Hz-50Hz之间，不同频带分别表示不同的精神状态，例如放松、集中、思考、无意识等。

2.2脑电波信号预处理

由于采集到的大脑皮层上的EEG信号是由大量神经源共同放电产生的，因此存在一定的频率重叠、且具很高的敏感性，本系统利用硬件滤波器滤除工频干扰噪声，而其他生物电噪声、环境噪声等，通过软件算法进行消除。

2.3脑电波信号特征提取

为从EEG信号中提取出能够有效地表征操作者实际意图的特征向量，本系统针对100个基准样本进行EEG频带能量分析，针对每个样本使用周期图法计算各频段的能量和能量占比，以实现对不同频段EEG信号的特征提取。

2.4脑电波信号训练库

根据得到的EEG信号的特征集合，在嵌入式平台上完成EEG信號特征数据库的神经网络训练模型的构建。

2.5脑电波信号分类识别

EEG信号分类识别的准确率直接反映了控制系统性能的好坏，因此对提取到的EEG信号进行特征选择，通过最佳分类器对实时采集到EEG信号进行识别，得出操作者的真实意图信息。

2.6机械臂控制信号转换

最后将解析出的操作者实际控制意图转换成Mini机械臂操控指令，如：舵机自由度、运动方向及角度、速度等，实现控制机械臂做出不同的动作。

3结论

本系统将采集到的脑电波信号以无线方式传输至嵌入式系统平台，然后对EEG信号进行解析，判断出对应的命令状态，进而去控制Mini机械臂做出对应动作，本系统结构简单，应用方便，可广泛应用于各个工程领域。