朱嘉祺

（北方工業(yè)大學 電子信息工程學院，北京 100144）

0 引言

腦電信號（Electroencephalogram），是一種使用電生理指標記錄大腦活動的方法。腦電采集系統(tǒng)通過微電流傳感器捕捉大腦活動時產(chǎn)生的微電流變化和大腦電流的磁場變化[1]，再經(jīng)過專業(yè)的分析算法，將腦電波劃分為δ 波（0.1Hz ～4Hz）、θ 波（4Hz ～8Hz）、α 波（8Hz ～13Hz）、β 波（14Hz ～30Hz）等4 種電波[2]，最后通過對各種波形的分析，可以直觀反映大腦當前的活躍狀態(tài)、健康程度等多項指標。

現(xiàn)今，如何提高學習能力，及時掌握學生的學習效率，維持良好的大腦學習狀態(tài)成為很多學校、家長和學生關心的問題。然而，大多數(shù)學校和家長只能通過老師對孩子的日常觀察和學生考試成績這兩種方式來了解學生的學習狀態(tài)。由于這兩種方法存在主觀性強，影響因素過多，不能及時反饋等問題，因而通過腦電技術對學生學習狀態(tài)的研究與訓練是幫助提高學生學習能力與學習效率的最佳輔助手段。目前腦電采集還處在一對一的形式，且設備繁瑣不易攜帶，并不適用于學生課堂多人同時采集的情景，而本文所研究的分布式腦電采集系統(tǒng)可以同時采集多人腦電信號，并且通過無線方式匯總，很好地解決了這些問題。本系統(tǒng)還擁有同步儲存功能，可以允許用戶在采集過程之后再對腦電進行整合與分析，更加方便老師對整體學生學習狀態(tài)的分析，能夠精確地對每個學生進行高效客觀的評價。

表1 單極32極分類準確度比較Table 1 Comparison of single pole 32 pole classification accuracy

圖1 硬件系統(tǒng)模型Fig.1 Hardware system model

1 腦電信號采集設備

目前，專業(yè)領域研究腦電信號都是采用多極腦電設備，一般為40 通道。但是這種設備佩戴極其不便，使用環(huán)境苛刻，受電磁干擾嚴重，最重要的是戴上設備后會影響到學生的學習。然而，單極設備小巧輕便，抗干擾能力強，且對學生學習影響很小[3]。本文所采用的單極腦機接口設備，由TGAM 芯片、額頭貼片電極、耳夾電極以及電源管理系統(tǒng)組成。TGAM 芯片可以分析電極采集的腦電信號，得到專注度、放松度以及8 個腦波的能量，分別是Delta、Theta、LowAlpha、HighAlpha、LowBeta、HighBeta、LowGamma 和MidGamma。

為驗證單極采集腦電信號的有效性，本文使用了DEAP 數(shù)據(jù)庫進行了對比研究。DEAP 數(shù)據(jù)庫是一組公開的通過腦電信號進行情感分析研究的數(shù)據(jù)集，因此利用其數(shù)據(jù)進行單極和32 極分類準確度比較。結果見表1，可見準確度相差很小，從而證明了使用單極設備采集腦電信號是一種很有效的方式。

2 硬件系統(tǒng)設計

2.1 系統(tǒng)總體架構

腦電采集設備本身是使用藍牙進行通信的，考慮到多人同時采集會出現(xiàn)藍牙干擾問題。因此，擬采用通過Wi-Fi 傳輸信號。但是，由于Wi-Fi 模塊距離人腦太近會有輻射問題，所以本系統(tǒng)采用了藍牙轉Wi-Fi 的模式進行通信傳輸，由藍牙模塊接收腦電設備信號，再將信號傳給Wi-Fi 模塊，由Wi-Fi 模塊使用UDP 通信協(xié)議將信號發(fā)送至路由器，最終發(fā)送到PC 端。搭建模型如圖1 所示。

為使藍牙模塊和Wi-Fi 模塊能進行通信，本文設計了一個連接器，連接器電路原理圖如圖2 所示。連接器將藍牙模塊的TX 接口與Wi-Fi 模塊的RX 接口相連，并提供5V 和3.3V 電源給這兩個模塊。

2.2 固件程序設計

圖2 連接器電路原理圖Fig.2 Connector circuit schematic

系統(tǒng)固件程序流程如下：設備初始化之后，藍牙模塊首先進入配對流程，Wi-Fi 模塊進入連接流程。藍牙模塊擁有自動回連功能，因此配對方式在首次上電之后可不用再設置。在藍牙模塊接受到信息之后，將數(shù)據(jù)發(fā)送至Wi-Fi 模塊，Wi-Fi 模塊將數(shù)據(jù)發(fā)送至UDP 網(wǎng)絡。最后，將Wi-Fi 模塊配置成開機透傳模式，即可實現(xiàn)硬件系統(tǒng)上電后直接向PC 發(fā)送數(shù)據(jù)。

3 上位機軟件系統(tǒng)設計

上位機軟件系統(tǒng)負責將接收到的原始信號進行拆包，提取需要的數(shù)據(jù)，并通過用戶界面顯示結果以及進行數(shù)據(jù)保存[4,5]。

3.1 用戶軟件主程序設計

本軟件系統(tǒng)采用C#語言編寫，采用多頁面跳轉邏輯方式，調用多個經(jīng)典visualstudio 控件。用戶軟件主程序流程圖如圖3 所示。其中，program.cs 為軟件的主流程，控制整個軟件運行。Form1.cs 為第1 張頁面的代碼塊，其中包含了UDP 連接與IP 地址選擇。Form2.cs 為主要顯示界面，其中包含了解碼、顯示、保存等重要模塊的代碼。Windows form control library.usercontrol.cs 為顯示模塊的控件庫代碼。

圖3 主程序流程圖Fig.3 Main program flow chart

具體工作原理為：程序打開時，系統(tǒng)會自動加載與編譯庫文件。程序首先打開用戶設置界面，使用戶選擇設備數(shù)與對應IP 地址。當系統(tǒng)確認用戶輸入無誤后，系統(tǒng)會查詢本機的IP 地址并建立UDP 連接，隨之關閉設置界面，打開顯示界面，進入顯示階段。在此階段，每當UDP 接受到信息之后，系統(tǒng)則會調取接收線程，接收信息并更新顯示頁面，直至用戶關閉軟件。整個系統(tǒng)采用多線程運行方式，這使得系統(tǒng)可以非堵塞式接受信息，減少由于網(wǎng)絡擁擠而導致丟包的現(xiàn)象，提升傳輸?shù)目煽啃浴?/p>

3.2 解碼模塊設計

為了保證信號在傳輸時的可靠性與有效性，系統(tǒng)采集模塊將采集到的腦電信號將信息，按照一定規(guī)律進行編碼變成數(shù)據(jù)流。分布式腦電信號解碼模塊的作用則是將這些被數(shù)據(jù)流進行拆分解碼，解碼模塊被包含在FORM2 的類定義之中。采集模塊大約每秒鐘發(fā)送513 個包，發(fā)送的包有小包和大包兩種：小包的格式AA AA 04 80 02 xxHigh xxLow xxCheckSum 前面的AAAA80 02 04 02 是不變的，后3 個字節(jié)是一直變化的，xxHigh 和xxLow 組成了原始數(shù)據(jù)rawdata，xxCheckSum 就是校驗和。一個小包就是一個原始數(shù)據(jù)，大約每秒鐘會有512 個原始數(shù)據(jù)。在大包中包含了專注度、放松度、信號強度以及8 個腦波能量，這幾個數(shù)據(jù)就是本系統(tǒng)所需要提取的有用數(shù)據(jù)。本系統(tǒng)解碼模塊具體流程如圖4 所示。

圖4 解碼模塊流程圖Fig.4 Decoding module flow chart

3.3 用戶軟件界面設計

軟件系統(tǒng)為了可以更好地服務于用戶，必須包含一套邏輯鮮明的界面設計。本系統(tǒng)主要包含兩個界面，第1 個界面如圖5 所示。功能包括設備數(shù)量選擇，設備默認IP 地址選擇兩個部分。在IP 地址選擇時，本系統(tǒng)給出了大多數(shù)可能使用到的地址，方便用戶直接選擇，同時為了滿足個別用戶的個性化需求，本系統(tǒng)還添加了自定義IP 地址欄，完善了不同的用戶需求。在用戶輸入完成時，程序會自動檢查用戶設置的參數(shù)。

第二個界面為主要顯示界面，顯示界面采用了標簽頁的設計方式，使用戶可以在多個設備之間來回自由跳轉，同時為了滿足用戶同一時間觀察多個設備，本系統(tǒng)還增加了綜合頁面，將多個設備的主要信息同時顯示在一個頁面上。綜合頁面示意圖如圖6 所示。

圖5 用戶軟件選擇界面Fig.5 User software selection interface

圖6 用戶軟件顯示界面-綜合界面Fig.6 User software display interface-integrated interface

圖7 系統(tǒng)測試結果截圖Fig.7 Screenshot of system test results

表2 腦電信號分析結果Table 2 EEG signal analysis results

4 測試與結果

4.1 系統(tǒng)整體測試

選取4 名同學進行系統(tǒng)測試，4 名被試同學按要求戴上腦電儀，然后進行小組討論。采集進行5min 左右，觀察系統(tǒng)是否能采集到腦電信號以及正確顯示每名同學的專注度、放松度，并將每名同學的數(shù)據(jù)保存下來，以便進行學習狀態(tài)分析。測試結果如圖7 所示。

4.2 結果分析

將保存得到的數(shù)據(jù)加以分析，最終通過計算4 名同學的專注度、興趣度，得出每名同學在分組討論中的學習狀態(tài)，結果見表2。可以看出，本分布式腦電采集系統(tǒng)，很好地實現(xiàn)了分布式采集的功能，填補目前多人腦電信號采集的空白。