杜冠宏，李慶之，董正心

基于TGAM模塊的疲勞駕駛監(jiān)測系統(tǒng)

杜冠宏1，李慶之2，董正心3

（1. 南京工程學院 自動化學院，江蘇南京 211167；2. 南京工程學院 康尼學院，江蘇南京 211167；3. 南京工程學院 自動化學院，江蘇南京 211167）

近年來，隨著生物學，醫(yī)學，控制學等領(lǐng)域的發(fā)展，研究生物電信號逐漸成為一個前沿領(lǐng)域，本文正是基于此背景，提出基于神念公司研制的TGAM腦電采集模塊對于疲勞駕駛監(jiān)控的新型應(yīng)用。本應(yīng)用不僅能實時采集并分析腦電數(shù)據(jù)，還能對使用者不良的精神狀態(tài)進行判別，并向行車電腦發(fā)出警報。本設(shè)備具有價格低廉，測量精確，抗干擾能力強，藍牙連接攜帶方便等特點，可適用于日常生活有良好的應(yīng)用前景。

自動化技術(shù)應(yīng)用；腦電監(jiān)測；可穿戴設(shè)備；TGAM

0　引言

美國汽車協(xié)會（AAA）交通安全基金會的一項調(diào)查表明：疲勞駕駛在美國的交通事故死亡事件中占據(jù)21%的比例，每年約6400人因此而喪生。但除了行車記錄儀以外，至今市面上仍沒有有效監(jiān)測駕駛者疲勞程度的消費級手段，醫(yī)用級于此相關(guān)的設(shè)備又大都需要繁瑣的佩戴過程，且體積巨大，費用頗高，不適合日常生活使用。目前針對疲勞駕駛的檢測方法主要分為主觀檢測和客觀檢測法。主觀檢測方法主要通過主觀調(diào)查表、駕駛員自我記錄表、斯坦福睡眠尺度表和皮爾遜疲勞量表等評定，該方法無法進行疲勞駕駛的實時檢測，客觀檢測方法分為基于駕駛員外部行為的檢測方法和基于生理信號的檢測方法。外部行為檢測法主要根據(jù)駕駛?cè)说耐獠楷F(xiàn)（面部表情，眼瞼閉合等）估計其疲勞程度，但其評分標準不易統(tǒng)一，受個人行為、光線、圖像采集 角度等條件的影響，導致檢測系統(tǒng)不能始終如一正確地報告駕駛員疲勞狀態(tài)?；谏硇盘柕?檢測方法通過測量腦電、心電、肌電、皮膚電阻等生理信號來判斷駕駛員的疲勞狀態(tài)；在眾多生理信號中，由于腦電信號（EEG）直接反映駕駛員的 大腦活動，因此利用腦電信號判斷駕駛疲勞被公認為是最準確、最客觀的分析方法［1］。

本設(shè)備通過對腦電圖中各頻段的分析，找到腦部活動所誘發(fā)的大腦神經(jīng)電規(guī)律的生理變化，極其準確對人的精神狀態(tài)與情緒波動進行捕捉和判別，極大減少不良精神狀態(tài)對于駕駛者與車內(nèi)乘客的安全隱患。

1　系統(tǒng)概述

可穿戴計算是一種前瞻的計算模式，引領(lǐng)著新的發(fā)展潮 流，可穿戴設(shè)備在健康監(jiān)護領(lǐng)域扮演著重要的角色。無線通信網(wǎng)絡(luò)和微電子的發(fā)展，使得測量生命體征和運 動狀態(tài)的設(shè)備更加便攜，以至于可以在不影響人的日?；顒?的前提下長時間佩戴。［2］本系統(tǒng)主要以無源干電極作為探針電極，大大簡化佩戴與使用的過程，實現(xiàn)對駕駛者表皮腦電信號的采集。佩戴本系統(tǒng)后，被探針電極采集的腦電信號將經(jīng)過神念公司研制的TGAM腦電采集模塊，信號經(jīng)過濾波、放大、模數(shù)轉(zhuǎn)換后通關(guān)串口藍牙送入MCU進行分析。MCU對上述經(jīng)過處理的數(shù)字信號進行分析并做出判斷。若判斷駕駛者精神狀況不佳，則會做出相應(yīng)警告。

圖1　系統(tǒng)總體框圖Fig. 1 General block diagram of the system

2　硬件電路設(shè)計與設(shè)備選型

2.1MCU主控

智能穿戴類設(shè)備應(yīng)用處理器主要選取低功耗 AP 以保證續(xù) 航時間，主流智能穿戴對處理器性能要求較低，夠用即可［3］。本系統(tǒng)選取意法半導體公司研制的ARM Cortex-M內(nèi)核單片機—STM32F103ZET6作為整個系統(tǒng)主控。工作主頻72MHz；同時ZET6還搭載了一個BXCAN控制器，只需外接一個收發(fā)器便可與CAN網(wǎng)絡(luò)中的其他節(jié)點通訊，提高本系統(tǒng)在汽車系統(tǒng)中的兼容性。ZET6時鐘輸入引腳接入8M無源晶振X1，晶振內(nèi)部自帶電容，可自行起振。MCU電源由USB口提供5V電壓，在經(jīng)過DC-DC芯片XC6206降壓至3V3進行供電，并在3V3與5V電源間各接一個1UF濾波電容。Mcu boot0與boot1引腳經(jīng)10K下拉電阻穩(wěn)定接地，保證芯片以用戶模式啟動。JTAG調(diào)試口swdio引腳與swclk引腳分別接10K上下拉電阻接入MCU的SWD調(diào)試引腳PA13，PA14以保證SWD正常通訊［4］。

圖2　MCU及其外圍電路AFig. 2 MCU and its peripheral circuit A

圖3　MCU及其外圍電路BFig. 3 MCU and its peripheral circuit B

2.2CAN總線收發(fā)電路

CAN 總線作為最初就專門為車輛通訊設(shè)計的現(xiàn)場總線，在車間通訊和車聯(lián)網(wǎng)領(lǐng)域有著不可 或缺的作用［5］。MCU攜帶的BXCAN通過引腳PB9，PB8與CAN收發(fā)芯片TJA1050串行通訊，TJA1050是控制器區(qū)域網(wǎng)絡(luò)（CAN）協(xié)議控制器和物理總線之間的接口，是一種標準的高速CAN收發(fā)器。TJA1050可以為總線提供差動發(fā)送性能，為CAN控制器提供差動接收性能。總線間數(shù)據(jù)傳輸通過收發(fā)器間電平轉(zhuǎn)換，由串口數(shù)據(jù)轉(zhuǎn)化成CAN總線差分電平，CAN兩根線間并聯(lián)120R終端電阻，以使阻抗連續(xù)，消除反射。

圖4　CAN總線收發(fā)電路Fig. 4 CAN bus transceiver circuit

2.3藍牙4.0透傳電路

本系統(tǒng)采用支持最新藍牙4.0技術(shù)的SPP-A藍牙模塊，具有極低的運行和待機功耗可以使一粒紐扣電池連續(xù)工作數(shù)年之久。此外，低成本和跨廠商互操作性，3毫秒低延遲、100米以上超長距離、AES-128加密等諸多特色。同時還可向下兼容藍牙2.0設(shè)備，具有良好的實用性。藍牙使用的是免費的ISM頻段，與工作在同一頻段的802.11b和HomeRF等無線通信網(wǎng)絡(luò)共存，相互之間的干擾在所難免，為避免干擾，藍牙協(xié)議采用自適應(yīng)跳幀的協(xié)議［6］。MCU串口USART1通過引腳PA9（TX）與PA10（RX）連接藍牙串口模塊SPP-A，以實現(xiàn)與TGAM模塊的無線通訊。

圖5　藍牙透傳電路Fig. 5 Bluetooth transmission circuit

2.4無源探針干電極

人的大腦中有不計其數(shù)的神經(jīng)元負責傳導信息，信息在神經(jīng)元內(nèi)以電流形式傳導，傳導過程中產(chǎn)生微小電場，由于神經(jīng)元數(shù)量眾多，神經(jīng)元的放電現(xiàn)象可在頭皮表面產(chǎn)生微弱電位。腦電信號便是通過電極記錄下腦細胞群的自發(fā)性，節(jié)律性電活動。當人精神趨向于某一狀態(tài)時，大量相似的微小電信號可被位于頭皮表面的電壓傳感器（探針電極）捕捉到，但由于其有較高的時變敏感性，采集過程易受外界環(huán)境與人體自身干擾［7］。成年人的腦波信號強度范圍在1uV～100uV之間。

在醫(yī)用研究設(shè)備，如Biopac中，常常采用銀-氯化銀電極作為EEG電極（腦電采集點電極），通過在電極與皮膚間涂抹導電凝膠，減少極—膚間阻抗，使電極與皮膚間形成耦合通路，以類似方法的我們稱為濕電極。但導電凝膠等電介質(zhì)不便于清洗，使用過程也過于繁瑣。

本系統(tǒng)使用基于電容耦合信號的原理的無源干電極作為腦電采集點電極，大大簡化了使用過程，佩戴方便安全。同時系統(tǒng)還采用參考導聯(lián)組合的電位參考點作為理論上的零電位點，以便描記到腦電活動原形即電位絕對值。參考導聯(lián)的電位參考點一般選擇在雙側(cè)耳垂［8］，因此REF電極（參考點電極）參考電位電極采用雙面耳夾式設(shè)計，佩戴穩(wěn)定。

2.5TGAM腦電采集模塊

NeuroSky公司研制的TGAM腦電采集模塊是一款消費級的單通道腦電采集與處理模塊。正常狀態(tài)下成人左前額的腦電活動較為明顯，易于被電極采集。因此將EEG電極置于左前額處，將REF電極置于耳垂處，通過計算參考電勢，EEG電極和REF電極差分采集腦電信號后送入模塊。該模塊集成神念公司TGAT芯片，能直接連接干電極，讀取所采集的原始腦波信號，模塊經(jīng)運放、濾波、ADC處理轉(zhuǎn)為數(shù)字信號，得到數(shù)字信號后，TGAT芯片內(nèi)部分析出α、β、δ、γ、θ等8組獨立腦波數(shù)據(jù)，并處理輸出Neurosky獲得專利的eSense專注度和放松度指數(shù)數(shù)據(jù)，最后由UART接口輸出。此模塊采樣率為512Hz，頻率范圍3Hz-100Hz，輸出512Hz的腦波原始波形數(shù)據(jù)、8組1Hz的獨立的腦波數(shù)據(jù)及eSense指數(shù)數(shù)據(jù)。eSense算法具有動態(tài)自學習能力，它采用“慢速自適應(yīng)”算法，可以針對不同使用者腦電波信號在正常范圍內(nèi)的波動趨勢和個體差異進行動態(tài)補償。由于采用了自適應(yīng)技術(shù)，使得本設(shè)備能夠適用于不同的人群和不同的周邊環(huán)境，并且在這些不同的應(yīng)用場景下都能夠具有非常好的準確性和可靠性。

3　數(shù)據(jù)的檢測及處理

3.1腦集中度測量

傳統(tǒng)腦電圖學認為，人類的腦電圖是由各種頻率和波形構(gòu)成的，形態(tài)復雜多樣。在嚴格意義上，腦電圖不是正弦波，但仍可以看作是近似正弦波的生物電現(xiàn)象［9］，且通常以正弦波的頻率與波形進行描述通過EEG電極，探測大腦不同部位以及不同波段的電位變化，并將其放大至可分析觀測的水平，便可獲得實時腦電數(shù)據(jù)。本設(shè)備使用神念公司開發(fā)的TGAT生物信號處理芯片，集成NeuroSky eSense算法，解讀出“eSense參數(shù)”。其中“eSense專注度指數(shù)”表明了使用者精神“集中度”水平或“注意度”水平的強烈程度，該指數(shù)值的范圍是0到100［10］。心煩意亂、精神恍惚、注意力不集中以及焦慮等精神狀態(tài)都將降低專注度指數(shù)的數(shù)值。“eSense放松度指數(shù)” 表明了使用者精神“平靜度”水平或者“放松度”水平。閉上眼睛通常是提高放松度值的有效方法。為了極化兩種狀態(tài)的特征波形，本文以閱讀與閉目養(yǎng)神作為誘發(fā)事件，分別采集兩種狀態(tài)下的腦電實時波形，選擇20歲左右成年男性作為測試樣本，測試結(jié)果如圖4圖5所示。

圖6　集中時EEG電極所采集的實時腦電波形Fig.6 Real time brain wave shape collected by EEG electrode in concentration time

圖7　放松時EEG電極所采集的實時腦電波形Fig. 7 Real time brain wave shape collected by EEG electrode during relaxation

在兩種不同精神狀態(tài)下，腦波信號變化明顯，可見該設(shè)備可準確判別樣本精神狀態(tài)的變化，為系統(tǒng)提供可靠的使用者狀態(tài)判斷依據(jù)。

3.2MCU數(shù)據(jù)處理及程序設(shè)計

MCU程序流程圖如圖8所示，系統(tǒng)整體程序由四部分組成：上下行通訊，數(shù)據(jù)采樣分析，PID控制器，行車數(shù)據(jù)的傳遞。系統(tǒng)啟動后將首先進行各外設(shè)初始化，完成后循環(huán)抓取串口緩沖區(qū)中的數(shù)據(jù)，當抓取數(shù)據(jù)特征位符合數(shù)據(jù)流特征位時，視藍牙連接正常。本系統(tǒng)藍牙采用115200bps 8N1模式，保證數(shù)據(jù)傳輸?shù)膶嵭耘c準確性。

當藍牙正常連接時，通過藍牙串口，MCU收到由TGAM采集處理過的腦波數(shù)據(jù)流，其中小包數(shù)據(jù)為實時發(fā)送的原始腦波數(shù)據(jù)，大包數(shù)據(jù)為經(jīng)過eSense算法分析處理過的eSense參數(shù)。系統(tǒng)將每秒抓取一次藍牙回傳的腦電數(shù)據(jù)，當信號強度高于80%時，視為使用者正常佩戴，系統(tǒng)自檢通過。自檢通過后，MCU將連續(xù)抓取10S內(nèi)的所有腦電數(shù)據(jù)，以冒泡排序法舍棄最大值與最小值，在對剩余數(shù)據(jù)取平均值，得到較為準確的腦電數(shù)據(jù)并以此作為對使用者精神狀態(tài)的判別依據(jù)。每次采樣結(jié)果將被系統(tǒng)記錄于系統(tǒng)內(nèi)存空間中特定緩沖區(qū)內(nèi)，以繪制使用者精神狀態(tài)折線圖，正常狀態(tài)下成年人精神狀態(tài)趨向波動平穩(wěn)，系統(tǒng)將通過記錄下的數(shù)據(jù)，計算波峰與波谷的均值，再在每次數(shù)據(jù)更新時比較新數(shù)據(jù)與前一次數(shù)據(jù)折線的斜率，以獲得佩戴者精神狀態(tài)變化速率，當斜率呈現(xiàn)負增長時，系統(tǒng)將加快數(shù)據(jù)更新頻率至3S更新一次數(shù)據(jù)，并在專注參數(shù)低于閾值時，向駕駛者進行報警，同時向行車電腦發(fā)送制動信號。

系統(tǒng)采用STM32F1自帶的BXCAN與行車電腦進行通訊，can總線配置根據(jù)不同車載系統(tǒng)可單獨定制，系統(tǒng)本身作為一個節(jié)點，接入使用者車輛CAN總線中，若檢測到使用者專注度指數(shù)低于閾值，則通過總線傳遞制動信號數(shù)據(jù)，同時傳回的車輛行駛速度與行程信息作為反饋傳回系統(tǒng)進行誤差控制，以保證車輛不會發(fā)生因為制動過猛而失控或在高速路中突然停車等超調(diào)現(xiàn)象。

本系統(tǒng)采用增量式數(shù)字PID控制，通過每一控制周期從行車電腦中讀取當前車輛行駛速度 vi_ FeedBack，將 vi_FeedBack與根據(jù)腦電數(shù)據(jù)分析得出的車輛期望速度vi_Ref比較，有以下公式求得速度偏差error1與速度偏差率d_error.當佩戴者精神狀態(tài)正常時，本系統(tǒng)PID控制器不參與調(diào)控，當佩戴者出現(xiàn)精神狀態(tài)不振時，則將代入系統(tǒng)預設(shè)的期望車速，同時PID控制器參與調(diào)控車速。

3.3抗干擾能力

本設(shè)備噪聲主要來自眼電、肌電等人體自身電信號，外界電子信號干擾等。如圖9所示，當充電USB線靠近至10cm左右時，噪聲明顯變強，但通過系統(tǒng)多個濾波器對腦電信號進行濾波與放大，系統(tǒng)仍能獲得較為準確的腦波數(shù)據(jù)。

如圖10所示，當樣本處于正常精神狀態(tài)下，頻繁眨眼可能導致噪聲峰值陡增，但幾乎不影響設(shè)備對于腦電信號的采集，眼電偽跡被設(shè)備準確判別，并加以過濾。

圖8　程序運行流程圖Fig. 8 Program flow chart

圖9　充電線靠近至10cm時測得的腦電波形Fig. 9 EEG waveforms measured at the charging line close to 10cm

圖10　頻繁眨眼狀態(tài)下所測腦電波形Fig.10 The measured EEG waveform in the blink of an eye

4　結(jié)論

本文主要闡述了一種可穿戴的通過實時檢測駕駛者的腦波信號，實現(xiàn)對駕駛者精神狀態(tài)判斷的系統(tǒng)，通過簡易方便的佩戴方式提高了其易用性，無線藍牙連接增加了系統(tǒng)的便捷性，抗干擾性能優(yōu)良，足以在日常干擾條件下實現(xiàn)對腦波的準確采集，使本系統(tǒng)佩戴者在駕駛期間的精神狀態(tài)保持在安全駕駛要求的范圍內(nèi)，有助于倡導安全駕駛，減少疲勞駕駛所引起的交通事故。

附錄：硬件電路設(shè)計原理圖與實物圖

圖11　系統(tǒng)腦電采集模塊實物圖Fig. 11 Physical map of EEG acquisition module

圖12　系統(tǒng)主控MCU實物圖Fig. 12 Physical map of main control

［1］ 葉檸，孫宇舸.基于EEG小波包子帶能量比的疲勞駕駛檢測方法［J］. 東北大學學報（自然科學版），2012.08.

YE Ning，SUN Yu-ge.A Fatigue Driving Detection Method Based on Wavelet Packet Sub-band Energy Ratio of EEG［J］，Journal of Northeastern University （NATURAL SCIENCE EDITION） ，2012.08.

［2］ 吳金獎，陳建新，田峰，等. 可穿戴無線生理參數(shù)監(jiān)測設(shè)備的設(shè)計與實現(xiàn)［J］. 計算機應(yīng)用，2014，S2：330-332+351.

WU Jin-jiang，CHEN Jian-xin，TIAN Feng，ZHOU Liang.Design and implementation of wearable wireless physiological parameter moni-toring device［J］. Journal of Computer Applications，2014，S2：330-332+351.

［3］ 劉思言. 可穿戴智能設(shè)備引領(lǐng)未來終端市場諸多關(guān)鍵技術(shù)仍待突破［J］. 世界電信，2013，12：38-42.

LIU Si-yan.Wearable smart devices to lead the future market to many key technical breakthrough terminal［J］. World Telecommunications ，2013，12：38-42.

［4］ Yiu J，宋巖譯.ARM Cortex-3權(quán)威指南［M］. 北京：北京航空航大學出版社，2009.

YIU J ，SONG Yan translated.Cortex-3 ARM authoritative guide［M］Beijing，Beijing University of Aeronautics and Astronautics Press，2009.

［5］ 李春艷，陳敬軒 .CAN通訊中的一種動態(tài)自同步方法設(shè)計［J］.新型工業(yè)化，2015，5（4）：55-60.

LI Chunyan，CHEN Jingxuan.A Design of a Dynamic Synchronized Method in CAN［J］，The Journal of New Industrialization，2015，5（4）：55-60.

［6］ 余飛，莊奕琪. 藍牙數(shù)據(jù)傳輸增強技術(shù)研究及其基帶芯片設(shè)計實現(xiàn)［D］.西安，西安科技大學，2013.

YU Fei，ZHUANG Yi-qi.Research on Enhancing the Transmission Performance of Bluetooth and baseband IC design［D］.Xi’an，Xi`an University of Science and Technology，2013.

［7］ 郇小寧，黃新林.微弱腦信號專注度特征提取與識別［J］.科學技術(shù)與工程，2015（05）：1671-1815 .

XUN Xiao-ning ，HUANG Xin-lin .The feature extraction and recognition of the concentration degree of weak brain signal［J］.Science Technology and Engineering ，2015（05）：1671—1815.

［8］ 魯在清.腦電圖的判讀與描述及其他［J］. 現(xiàn)代電生理學雜志，2011.

LU Zai-qing .The interpretation and description of EEG and other［J］. The Journal of Modern Electrophysiology，2011.

［9］ 魯在清.腦電圖的檢測結(jié)果及評價［J］.現(xiàn)代電生理學雜志，2010.

LU Zai-qing.The detection results of EEG and evaluation［J］.The Journal of Modern Electrophysiology，2010 .

［10］ 王靜茜，莫榮，蔡曉東. 基于NeuroSky TGAM腦機接口的EEG識別［J］.讀寫算（教研版），2014（13）.

WANG Jing-qian，MO Rong，CAI Xiao-dong.EEG recognition based on TGAM NeuroSky brain computer interface［J］..Read Write and Count，2014（13）.

［11］ 劉迪，陸檑，朱曉非，等.基于 MSP430 控制的智能小車設(shè)計 ［J］.新型工業(yè)化，2014，4（3）：70-73.

LIU Di，LU Lei，ZHU Xiao-fei，et al. The design of intelligent vehicle based on MSP430 control［J］，The Journal of New Industrialization，2014，4（3）：70-73.

Fatigue Driving Monitoring System based on Think Gear ASIC Module

DU Guan-hong1， LI Qing-zhi2， DONG Zheng-xin3

（1.School of Automation， Nanjing Institute of Technology， Nanjing 211167， China； 2.Kangni College， Nanjing Institute of Technology，Nanjing 211167， China； 3.School of Automation， Nanjing Institute of Technology， Nanjing 211167， China）

In recent years， as the development of biology， medicine， control science in the field of development， bioelectricity research has gradually become a new frontier in the field， this article is based on this background， based on the absolute being to read company developed the tgam EEG acquisition module for driver fatigue monitoring model is used. The application can not only collect and analyze the EEG data in real time， but also distinguish the bad mental state of the user， and send out the alarm to the driving computer. The device has the characteristics of low price， accurate measurement， strong anti-interference ability and convenient carrying， and can be applied to daily life with good application prospect.

Application of automation technology；EEG monitoring；Wearable devices；Think Gear ASIC Module

10.19335/j.cnki.2095-6649.2016.08.004

DU Guan-hong， LI Qing-zhi ， DONG Zheng-xin. Fatigue Driving Monitoring System based on Think Gear ASIC Module［J］. The Journal of New Industrialization，2016，6（8）: 22-30.

南京工程學院大學生科技創(chuàng)新基金 項目編號TB20160503

杜冠宏（1995-），男，本科在讀，研究方向為檢測技術(shù)與自動化裝置；李慶之（1994-），男，本科在讀，研究方向為檢測技術(shù)與自動化裝置；董正心（1996-），女，本科在讀，研究方向為檢測技術(shù)與自動化裝置

本文引用格式：杜冠宏，李慶之，董正心.基于TGAM模塊的疲勞駕駛監(jiān)測系統(tǒng)［J］. 新型工業(yè)化，2016，6（8）：22-30.