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。而目前市場上的大部分代步工具都需要用戶對控制桿或者按鍵進行操作，怎樣為這類人群提供一個可靠的代步工具，使他們重獲自由，是如今急需解決的難題之一。而隨著對腦電波的不斷研究深入，許多專家提出了利用腦電波信號來實現(xiàn)對輪椅的控制，即依靠患者的意念來控制輪椅的運動。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)與外界的互動交流。文獻[1]采用改進的滑動窗口算法以及K-近鄰算法對腦電波信號數(shù)據(jù)流進行數(shù)字濾噪、特征提取、模式識別等處理后，實現(xiàn)了對輪椅運動軌跡的控制。文獻[2]利用BCI2000開源軟件結(jié)合MFC程序，將腦電波信號的采集、識別、分類和傳輸合成一個平臺，簡化了硬件電路，實現(xiàn)了腦電波信號控制輪椅的目標(biāo)。但是同時又出現(xiàn)了一個新的問題，那就是現(xiàn)有的實驗研究都需要頻繁地利用腦電波控制，這對于本身就容易產(chǎn)生疲勞的重度肢體功能不健全的患者來說，無疑會造成極大的精神負(fù)擔(dān)。

基于此，本文研究一種結(jié)合腦電波控制與自動導(dǎo)航的新型輪椅系統(tǒng)，這種輪椅可以依靠自動導(dǎo)航系統(tǒng)到達所選目的地，無需用戶頻繁地發(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。實驗表明，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、聽音樂等一系列活動中時，人腦中的神經(jīng)細(xì)胞也在活動著，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)的對應(yīng)關(guān)系如表1所示。

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

由表1可見，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 腦電波信號處理

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

2.1 腦電波信號消噪

2.1.1 腦電波信號消噪的傳統(tǒng)算法

通常，一個含噪聲的一維腦電波信號模型可以表示：

s(k)=f(k)+εe(k)k=0,1,…,n-1 (1)

式中：s(k)為含噪聲信號；f(k)為原始腦電波信號；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；

(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。

2.1.2 腦電波信號消噪的改進算法

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

圖1 信號分解重構(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；cj(n)表示分解第j級得到的尺度系數(shù)；d1,j(n)，d2,j(n)分別表示分解第j級所得到的第1、2個小波系數(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)分別代表兩個小波函數(shù)。最后要實現(xiàn)重構(gòu)，還需滿足下式的要求：

(4)

改進的小波變換具體步驟：

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

(2) 對系數(shù)進行閾值收縮處理；

(3) 對各尺度系數(shù)進行重構(gòu)；

(4) 得到去噪后的腦電波信號。

實驗選取2 s時間內(nèi)的原始腦電波信號波形進行去噪處理，如圖2所示，縱坐標(biāo)為腦電波信號的幅值(微伏)。

圖2 原始腦電波信號波形圖

經(jīng)過改進的小波變換法去噪處理后的波形圖如圖3所示。

圖3 改進小波變換去噪后腦電波信號波形圖

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

2.2 腦電波信號特征提取

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

(1) 分別計算兩類腦電波信號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對角線上所有元素之和，m和l表示兩類試驗的試驗次數(shù)。

(2) 構(gòu)造白化矩陣P并對其特征值Sm,Sl進行分解：

(8)

(9)

(10)

式中：∑表示特征值對角矩陣；Ub是特征向量矩陣。

(3) 選取其中幾個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)

則兩類原始腦電波信號經(jīng)過空間濾波器濾波后得到的源信號：

Sm=FmX

(13)

Sl=FlX

(14)

最后可得兩個類別的特征：

(15)

(16)

將二分類CSP算法用到本文四個類別分類時，可以首先進行兩兩配對，共得到6對，再對每一對形成的特征進行統(tǒng)計。

2.3 腦電波信號模式識別

腦電波信號的識別選擇模糊支持向量機(以下簡稱FSVM)，該算法能克服支持向量機抗噪性差的缺點，基本思想是對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的干擾作用，從而提升系統(tǒng)分類的準(zhǔn)確性。

首先，F(xiàn)SVM相比于傳統(tǒng)支持向量機的訓(xùn)練樣本，增加了一項隸屬度mi，并稱訓(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)分類面問題：

(18)

式中：εi是分類誤差項。引入拉格朗日乘子αi(i=1,…,n)，將式(18)轉(zhuǎn)化為一個優(yōu)化問題：

(19)

最后可得到?jīng)Q策函數(shù)：

(20)

試驗所用到的腦電波數(shù)據(jù)集來自于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，隨機選取90組作為測試樣本，另外90組作為訓(xùn)練樣本，進行特征提取以及模式識別后得到的分類結(jié)果如表2所示。

表2 腦電波信號識別分類結(jié)果

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

3 輪椅路徑研究

當(dāng)用戶通過腦機接口選擇了目的地后，為了使輪椅能夠利用自動導(dǎo)航系統(tǒng)到達目的地，必須要對輪椅進行室內(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、自組織的算法，通過正反饋、分布式協(xié)作來尋找最優(yōu)路徑，能夠更加快速、更加合理地找到優(yōu)化的答案[8]，所以本文對基于蟻群算法的路徑規(guī)劃進行研究。

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) 在起點放置m只螞蟻，并在當(dāng)前禁忌表tabu中存入起點；

(4) 每只螞蟻按照狀態(tài)轉(zhuǎn)移的概率進行下一個節(jié)點的選擇，同時修改禁忌表，更新螞蟻的狀態(tài)，直到所有螞蟻均到達目的地；

(5) 得到本次的最優(yōu)路徑后對原信息素進行動態(tài)更新；

(6) 判斷迭代次數(shù)是否達到設(shè)定的最大值，若未達到，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：起點為左上柵格，終點為右下柵格，空間中設(shè)有9個障礙物，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順利地達到目的地。

圖5 基于蟻群算法的運動軌跡

4 系統(tǒng)的硬件設(shè)計

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并進行放大濾波，通過藍(lán)牙發(fā)送數(shù)據(jù)到PC端，在PC端上安裝Processing軟件用來顯示腦電波數(shù)據(jù)及波形圖，然后通過PC端的藍(lán)牙串口連接核心控制板上相同型號的藍(lán)牙模塊，控制板根據(jù)得到的腦電波數(shù)據(jù)，經(jīng)過對數(shù)據(jù)去噪、特征提取識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，智能輪椅能夠無碰撞且準(zhǔn)確地到達目的地。

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，閃存存儲器容量為512 KB，具有功耗低、性能高、計算性能強以及中斷系統(tǒng)響應(yīng)先進等特點[9]，廣泛應(yīng)用于電力電子系統(tǒng)、應(yīng)用控制、醫(yī)療、編程控制器等多個方面。

4.2.2 直流電機模塊智能輪椅系統(tǒng)能夠平穩(wěn)安全地載用戶到達目的地，不僅對其核心控制器的選擇具有很高的要求，而且，電機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)實際需求，選擇了維護方便、結(jié)構(gòu)簡單的無刷直流伺服電動機，它具有傳統(tǒng)直流電動機調(diào)速范圍廣、運行效率高等優(yōu)點，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、自動化控制等。

4.2.3 腦電波傳感器模塊

本文選用美國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都可被檢測到，直接與干電極相連，可采樣512 Hz的原始腦電波信號[11]，具有UART接口，無奇偶校驗，擁有先進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為高電平時進入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等多個接口，模塊內(nèi)置8 Mbit Flash，功能強大，不僅成本低、外觀精美，而且還具有低功耗、高性能等特點。它的工作模式有兩種：其一為自動連接模式，當(dāng)模塊處于該模式時，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)動模塊

本文的驅(qū)動模塊選擇由STMicroelectronics制造商生產(chǎn)的L298N模塊，它是一種雙H橋電機驅(qū)動芯片，兩個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。起動性能良好，對電機的控制十分方便，廣泛應(yīng)用于機器人以及智能小車的設(shè)計中。

4.2.6 超聲波模塊

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

5 系統(tǒng)的軟件設(shè)計

系統(tǒng)軟件部分可分4個步驟：首先對系統(tǒng)進行初始化，然后采集腦電波數(shù)據(jù)，并對數(shù)據(jù)進行分析處理，最后通過轉(zhuǎn)換后的控制參數(shù)對輪椅的運動加以操控。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)過藍(lán)牙發(fā)送到核心控制板STM32F103ZET6并解析，可得到用戶的專注程度以及信號的質(zhì)量等[14]。不同的專注度對應(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，用戶通過一定的訓(xùn)練后即可控制專注度的高低。

圖6 系統(tǒng)的程序流程圖

專注度范圍發(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

本文將采集的腦電波信號經(jīng)藍(lán)牙傳輸?shù)胶诵目刂瓢澹⒗酶倪M小波變換法、共空間模式法以及模糊支持向量機對信號數(shù)據(jù)處理后，轉(zhuǎn)換成控制信號，實現(xiàn)了對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法手動操作的難題，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集中注意力，在輪椅運動過程中，避免了用戶因長時間不間斷地依靠腦力控制發(fā)送指示信號而引起的身體不適，對以后更加深入地研究腦電波控制技術(shù)具有一定的參考價值。