基于脑-机接口的无线智能机器人控制系统

摘　要： 提出一种基于思维脑电的无线智能机器人控制系统设计方案。该系统采用想象左右手运动时产生的脑电信号作为智能服务机器人运动的控制信号,实现对服务机器人的控制，改善瘫痪患者生活自理能力。采用基于小波包分解的方法提取特征向量，利用基于欧式距离的方法进行模式识别，进而产生机器人运动控制信号,并通过LabVIEW串口发给单片机，单片机对该信号进行红外编码后发给智能机器人，用以控制其运动方向。实验结果证明，该设计方案有利于提高脑-机接口的实用性。
关键词： 思维脑电； 小波分解； 脑-机接口； 虚拟仪器； 无线； 智能机器人

脑-机接口BCI（Brain-Computer Interface）是在人(或动物)与外部设备间建立的直接连接通道。它通过采集、分析人的脑电信号，在人脑与计算机或其他电子设备之间建立直接交流和控制通道，从而可以不需语言或肢体动作,直接通过控制脑电来表达意愿或操作外接设备[1-2]。随着科学技术的发展，智能机器人在医疗领域的应用越来越广泛，如监护机器人、康复机器人等。目前康复机器人的训练方式对于患者而言仅仅是被动的运动治疗,缺乏对患者主动参与的刺激。根据脑可塑性理论,脑功能重组的恢复训练应该强调患者的主动参与,按照科学的运动学习方法对患者进行再教育以恢复其运动功能。同时,实践结果表明,患者积极参与到功能恢复训练中,能够获得更好的恢复效果[3]。本文介绍了一种基于思维脑电的脑-机接口的无线智能机器人控制系统设计方案，此方案将服务机器人与康复机器人相结合，不仅提供了机器人为精神损伤的瘫痪患者服务的功能，更融入了患者的康复训练。患者通过进行左右手想象运动得到相应的思维脑电，电信号经过脑电采集电路进入LabVIEW，进行特征提取及模式识别，判断出使用者的思维模式，然后发出相应的控制命令，通过串口传给单片机。单片机对命令进行编码后通过红外的形式向外发射，智能机器人上的红外一体化接收管对接收到的信号进行解码后作出相应的动作。
1 系统概况
基于思维脑电的脑-机接口无线智能机器人控制系统主要包括三个子系统:脑电采集电路子系统、基于LabVIEW的上位机子系统（特征提取、模式识别及反馈界面的实现），以及基于PIC单片机的下位机控制子系统(红外的编码及解码)。单片机选用Microchip的PIC18f14k50。系统示意图如图1所示。

小波包分解是小波分解的推广。在小波分析中，原始信号被分解为逼近部分和细节部分。逼近部分再分解为另一层的逼近和细节，重复这样的过程，直到分解为设定的分解层。其中细节部分也进行相同的分解。小波包分解具有任意多尺度特点，避免了时频固定的缺陷，为时频分析提供了极大的选择余地，更能反映信号的本质和特征[5]。
在小波多分辨率分析中，可以将不同的尺度因子j在Hilbert空间按照二进制继续进行频率细分。
2.2 基于欧拉距离模式识别算法的实现
欧拉距离识别方法的基本原理为：将已知类别的向量设为训练向量组，未知类别的向量归为测试组[6]。将测试组中的向量分别与训练向量组中的所有向量进行距离比较，记住与其距离最近的那个训练集向量，则测试组向量与该训练组向量的类别一样，至此识别过程结束。
欧拉距离算法的公式为：

图2、图3中的横坐标表示特征提取得到7个频段的数据，纵坐标表示140组脑电数据。db4中列与列之间的能量差比较大，因此可认为它的特征提取结果较好。由模式识别验证特征提取的结果，db4小波包分解经过欧拉距离方法的模式识别后，得到识别率为71.43%;sym2小波包分解经过欧拉距离方法的模式识别后，得到识别率为68.57%。故取db4小波包分解的方法。
　本文采用4、5、6层小波包分解的方法进行特征提取，如图4、图5所示分别为4、6层小波包分解的能量分布图。