脑电波传感器的应用与研究

党珂　邓浩　薛争争　赵松杰　邢博

摘要：针对目前市面上的辅助睡眠工具使用效果不佳，提出了一种将信息收集与智能控制相结合的脑电波系统应用于辅助睡眠上，并研究设计了通过监测收集人体脑电波从而控制设备播放辅助睡眠的对应音频达到辅助睡眠的效果，从而为失眠人群提供一种全新的辅助睡眠方式。

关键词：脑电波;助眠

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2020）20-0177-02

1绪论

随着大数据时代的快速发展，信息交互、智能控制等行业的发展有了质的飞跃，为了使其得到快速发展，脑机接口技术得到了广泛的关注与研究。众所周知，人脑中有许多的神经细胞在活动着，而成电器性的变动。也就是说，有电器性的摆动存在。而这种摆动呈现在科学仪器上，看起来就像波动一样。脑中的电器性震动我们称之为脑波。用一句话来说明脑波的话，或许可以说它是由脑细胞所产生的生物能源，或者是脑细胞活动的节奏。目前Mindwave脑电波传感器多被应用于开发和商业游戏中，由于其操作性简单，性能可靠继而受到广大消费者的青睐。Mindwave是一款通过脑电波进行触发的蓝牙外设，主要用于接收佩戴者的脑波信号并将其转为控制指令。在使用过程中，设备可以检测到用户脑电波信号的强弱和频率等信息。继而将这类信号反馈到智能移动设备上，就可以操作控制与其配套的设备与相关应用。科学研究发现：在脑电图上，大脑可产生四类脑电波。当处于紧张状态下，大脑产生的是β波;当处于睡意朦胧时，脑电波就变成θ波;进入深睡时，变成δ波;当身体处于放松，大脑活跃，灵感不断的时候，就导出了α脑电波。本文则是通过实验来验证系统的准确性，实验通过Mindwave传感器智能控制三个小灯及设备内置扬声器，辅助失眠者尽快进入睡眠中，我们根据失眠者的不同情况将失眠程度分为三级：轻度、中度以及重度，并播放相应频率的音频来实现辅助睡眠的效果。

2系统介绍

基于Mindwave传感器的人体助眠系统如图一所示。系统包括Mimdwave传感器、Arduin。、一个扬声器和三个小灯。操作者将Mindwave传感器中的TGAM模块用于收集脑部信号并与蓝牙模块连接，蓝牙模块通过串口通信将收集到脑部信息传给中央控制系统，之后通过中央控制器发送指令控制扬声器播放音频，控制相应小灯亮起显示睡眠状态，从而实现助眠以及监测睡眠的效果。

3过程

3.1操作过程

Mindwave通过TGAM模块进行脑电波的收集与分析，为了实现通过意念来进行音乐的播放，疲劳提醒等功能，并且利用Mimdwave中的TGAM模块配套的软件开发工具包设计并建立TGAM模块与蓝牙模块的信息交互，对脑电波信号进行识别和分析处理，为了提高数据的准确度，将分析获得的数据与平均值对比，进而实现中央控制器对音乐播放器进行指令控制，实现了有效性地播放效果并将收集分析好的信息通过蓝牙模块进行串口通信传输到中央控制器中进行反馈，由中央控制器再进行信息的转化并向各个模块发送对应指令从而实现设备的整体运行。

3.2运行过程

本系统主要采用Arduino实现对各个模块的控制与信息交互。将各个部件进行组装与连接安置在人脑上，当Mindwave检测到脑电波时，Mindwave中的TGAM会及时收集脑电信号并对其进行相应的信息转化，通过蓝牙模块进行串口通信将脑电信息输入到Arduino，Arduin。进行信号转化，將信息传输到各个模块中实现相应指令的执行，例如指令信息传输到扬声器，扬声器会根据指令播放相应的音频，达到助眠的效果。当音频播放的同时，小灯会根据播放的音频以及脑电波的频率起伏亮起相应的小灯，以此来显示使用者现在处于什么状态之中。

4系统硬件

4.1 Mindwave

Mindwave它是神念科技的一款产品，能提取用户的脑波信息并进行量化分析，在此基础上完成相应的开发。此外它还包括检测人体脑部前额的干电极、耳部的参考电极、核心模块TGAM（ ThinkGear ASIC Module）。本设计中主要利用NeuroSkyeSense专利算法，解析使用者的脑部状况eSense参数，其取值范围在0-100之间。

4.2 Arduino

Arduino与其他微控制器平台相比Arduino价格相对较便宜，Arduino可在Winclows、Mac和Linux平台上进行操作，包含开源工具和扩展软件，相对初学者来说更加易于掌握与操作。

4.3蓝牙模块

蓝牙技术是一种无线数据和语音通信开放的全球规范。本文选取HC-06蓝牙，通过杜邦线与中央控制器相连，蓝牙的TXD与中央控制器RX端口相接，蓝牙的RXD与中央控制器TX端口相连。

4.4扬声器

其引脚与中央控制器I/O连接，继而受中央控制器的控制，当中央控制器发送指令时，扬声器就会立即响应，继而实现音频的播放，辅助患者逐渐进入睡眠状态。

4.5小灯

三只小灯与面包板相连，利用基础物理知识安放电阻，中央控制器的端口与面包板相连控制小灯，当音乐响起的同时小灯会收到来自中央控制器的指令，同时亮起。

5系统软件

本系统对Mindwave采集后的脑电波信号进行分析，获得eSense参数，并将其在0-100进行分段取值，通过数据聚类，利用KNIME AnalyliCs Platform软件进行绘图，分段为0-33为轻度，34-67为中度，68-100为重度，音频的播放依据Arduin0的I/O输出不同的占空比Q调节，见公式Q=r/T。

其中r为输出高电平时间，T为电平输出周期。本系统的Arduino的软件设计流程如图3所示。

5.2电波密集程度对比

根据图4所示，一般认为，脑电波大致分为α波、β波、γ波、δ波和θ波，不同的电波对应不同的大脑状态。例如合眼时，α波会马上活跃起来。而当大脑充满θ波时，人的意识活动明显受到抑制，无法进行逻辑思维和推理活动。此时，大脑凭直觉、灵感、想象等接收和传递信息。通过检测信号变化，我们可以得出脑波的波动起伏间接反映了人的精神状况，脑波趋于平稳，反映出兴奋的精神状态，此时应增强输入α波，使其脑波变化为δ波。相比较而言，在深度睡眠的情况下，脑波的振动幅度较大，不需要进行α波的辅助增强。α波呈现了从由高向低的能量转化。另外，从上图可以看出，随著人慢慢进入睡眠状态，脑波的振动幅度越来越大，人逐渐进入深睡状态，此时达到了辅助睡眠的最好效果，从而证明其实验的成功。

6总结

本文主要根据人的睡眠问题介绍了脑电波传感器在辅助睡眠方面做了基础的分析与介绍，对使用者的脑电信号进行简单的检测并记录下使用者在不同环境下脑电波的变化情况，虽然在大体上反映出脑电的变化区间，并且对其进行定义化地区分，但是在数据的精确和区间的划分都处于基础阶段，对实验的完备程度还存在较大的不足，期望在以后的实验中要大量收集数据，做大量的针对性测试，进行精确化、多层次的分析进行阶段的划分，使实验结果更加准确。

参考文献：

[1]孔阳.一种脑电波传感器的研究与应用[J].计算机光盘软件与应用，2014，17（16）：289-289，291.

[2]尹晟霖，李凤银，于晓璇，等.脑电波传感器研究及应用[J].电子技术，2018，47（7）：30-35，4.

[3】张奔，吴映秋，孙文杰，等.个体化睡眠质量监控终端的开发及系统研究[J].电脑知识与技术，2017，13（11）：229-231.

[4]冯泽宇，蒋瑾，翟正一，等.小鼠特征脑电波信号分离与相关性分析[J].数学的实践与认识，2015，45（14）：99-107.

【通联编辑：朱宝贵】

收稿日期：2020-03-25

基金项目：陕省大学生创新创业训练计划项目;西安思源学院2019年度校级教改项目（19SYGP017）资助

作者简介：党珂（1997-），男，陕西成阳淳化人，在读本科，研究方向为电子信息工程;邓浩（1998-），男，陕西安康镇坪人，在读本科，研究方向为电子信息工程;薛争争（ 1998-），男，延安子长人，在读本科，研究方向为电子信息工程;邢博（1998-），男，延安洛川人，在读本科，研究发现为电子信息工程;赵松杰（1998-），男，陕西汉中镇巴人，在读本科，研究方向为电子信息工程。