基于腦-機(jī)接口的無(wú)線智能機(jī)器人控制系統(tǒng)

摘　要： 提出一種基于思維腦電的無(wú)線智能機(jī)器人控制系統(tǒng)設(shè)計(jì)方案。該系統(tǒng)采用想象左右手運(yùn)動(dòng)時(shí)產(chǎn)生的腦電信號(hào)作為智能服務(wù)機(jī)器人運(yùn)動(dòng)的控制信號(hào),實(shí)現(xiàn)對(duì)服務(wù)機(jī)器人的控制，改善癱瘓患者生活自理能力。采用基于小波包分解的方法提取特征向量，利用基于歐式距離的方法進(jìn)行模式識(shí)別，進(jìn)而產(chǎn)生機(jī)器人運(yùn)動(dòng)控制信號(hào),并通過(guò)LabVIEW串口發(fā)給單片機(jī)，單片機(jī)對(duì)該信號(hào)進(jìn)行紅外編碼后發(fā)給智能機(jī)器人，用以控制其運(yùn)動(dòng)方向。實(shí)驗(yàn)結(jié)果證明，該設(shè)計(jì)方案有利于提高腦-機(jī)接口的實(shí)用性。
關(guān)鍵詞： 思維腦電； 小波分解； 腦-機(jī)接口； 虛擬儀器； 無(wú)線； 智能機(jī)器人

腦-機(jī)接口BCI（Brain-Computer Interface）是在人(或動(dòng)物)與外部設(shè)備間建立的直接連接通道。它通過(guò)采集、分析人的腦電信號(hào)，在人腦與計(jì)算機(jī)或其他電子設(shè)備之間建立直接交流和控制通道，從而可以不需語(yǔ)言或肢體動(dòng)作,直接通過(guò)控制腦電來(lái)表達(dá)意愿或操作外接設(shè)備[1-2]。隨著科學(xué)技術(shù)的發(fā)展，智能機(jī)器人在醫(yī)療領(lǐng)域的應(yīng)用越來(lái)越廣泛，如監(jiān)護(hù)機(jī)器人、康復(fù)機(jī)器人等。目前康復(fù)機(jī)器人的訓(xùn)練方式對(duì)于患者而言僅僅是被動(dòng)的運(yùn)動(dòng)治療,缺乏對(duì)患者主動(dòng)參與的刺激。根據(jù)腦可塑性理論,腦功能重組的恢復(fù)訓(xùn)練應(yīng)該強(qiáng)調(diào)患者的主動(dòng)參與,按照科學(xué)的運(yùn)動(dòng)學(xué)習(xí)方法對(duì)患者進(jìn)行再教育以恢復(fù)其運(yùn)動(dòng)功能。同時(shí),實(shí)踐結(jié)果表明,患者積極參與到功能恢復(fù)訓(xùn)練中,能夠獲得更好的恢復(fù)效果[3]。本文介紹了一種基于思維腦電的腦-機(jī)接口的無(wú)線智能機(jī)器人控制系統(tǒng)設(shè)計(jì)方案，此方案將服務(wù)機(jī)器人與康復(fù)機(jī)器人相結(jié)合，不僅提供了機(jī)器人為精神損傷的癱瘓患者服務(wù)的功能，更融入了患者的康復(fù)訓(xùn)練?；颊咄ㄟ^(guò)進(jìn)行左右手想象運(yùn)動(dòng)得到相應(yīng)的思維腦電，電信號(hào)經(jīng)過(guò)腦電采集電路進(jìn)入LabVIEW，進(jìn)行特征提取及模式識(shí)別，判斷出使用者的思維模式，然后發(fā)出相應(yīng)的控制命令，通過(guò)串口傳給單片機(jī)。單片機(jī)對(duì)命令進(jìn)行編碼后通過(guò)紅外的形式向外發(fā)射，智能機(jī)器人上的紅外一體化接收管對(duì)接收到的信號(hào)進(jìn)行解碼后作出相應(yīng)的動(dòng)作。
1 系統(tǒng)概況
基于思維腦電的腦-機(jī)接口無(wú)線智能機(jī)器人控制系統(tǒng)主要包括三個(gè)子系統(tǒng):腦電采集電路子系統(tǒng)、基于LabVIEW的上位機(jī)子系統(tǒng)（特征提取、模式識(shí)別及反饋界面的實(shí)現(xiàn)），以及基于PIC單片機(jī)的下位機(jī)控制子系統(tǒng)(紅外的編碼及解碼)。單片機(jī)選用Microchip的PIC18f14k50。系統(tǒng)示意圖如圖1所示。

小波包分解是小波分解的推廣。在小波分析中，原始信號(hào)被分解為逼近部分和細(xì)節(jié)部分。逼近部分再分解為另一層的逼近和細(xì)節(jié)，重復(fù)這樣的過(guò)程，直到分解為設(shè)定的分解層。其中細(xì)節(jié)部分也進(jìn)行相同的分解。小波包分解具有任意多尺度特點(diǎn)，避免了時(shí)頻固定的缺陷，為時(shí)頻分析提供了極大的選擇余地，更能反映信號(hào)的本質(zhì)和特征[5]。
在小波多分辨率分析中，可以將不同的尺度因子j在Hilbert空間按照二進(jìn)制繼續(xù)進(jìn)行頻率細(xì)分。
2.2 基于歐拉距離模式識(shí)別算法的實(shí)現(xiàn)
歐拉距離識(shí)別方法的基本原理為：將已知類別的向量設(shè)為訓(xùn)練向量組，未知類別的向量歸為測(cè)試組[6]。將測(cè)試組中的向量分別與訓(xùn)練向量組中的所有向量進(jìn)行距離比較，記住與其距離最近的那個(gè)訓(xùn)練集向量，則測(cè)試組向量與該訓(xùn)練組向量的類別一樣，至此識(shí)別過(guò)程結(jié)束。
歐拉距離算法的公式為：

圖2、圖3中的橫坐標(biāo)表示特征提取得到7個(gè)頻段的數(shù)據(jù)，縱坐標(biāo)表示140組腦電數(shù)據(jù)。db4中列與列之間的能量差比較大，因此可認(rèn)為它的特征提取結(jié)果較好。由模式識(shí)別驗(yàn)證特征提取的結(jié)果，db4小波包分解經(jīng)過(guò)歐拉距離方法的模式識(shí)別后，得到識(shí)別率為71.43%;sym2小波包分解經(jīng)過(guò)歐拉距離方法的模式識(shí)別后，得到識(shí)別率為68.57%。故取db4小波包分解的方法。
　本文采用4、5、6層小波包分解的方法進(jìn)行特征提取，如圖4、圖5所示分別為4、6層小波包分解的能量分布圖。