基于眼电的轮椅控制系统
21 Oct 2017 | BME
摘要
本项目设计并实现了一个基于眼电的轮椅控制系统。通过 OpenBCI 采集并处理信号,将信号通过 RFD22301 蓝牙传送到上位机,由 OpenVibe 进行信号处理与显示,采用支持向量机(Support Vector Machine,SVM)算法进行眼动特征的识别与分类,并通过蓝牙将相应指令传送到下位机,实现对轮椅的控制。
眼电产生原理
眼电信号由眼球的运动而产生,是一种皮肤表面生物电信号。由于眼球 前端的角膜电势相对于眼球后端的视网膜要高,那么可以将眼球视为一个双极性球体。带正电荷的角膜对应电池的正极,带负电荷的视网膜对应负极。当眼球在眼眶里上下左右的运动时,必然会引起眼周皮肤的电势也相应地变化。如果用一对体表电极记录眼球两侧皮肤电位差的变化,得到的电压信号即为眼电信号。
导联方式
生物电放大器一般采用差分运算放大器,放大器的两个输入端与电极连接方式构成导联方式,无关电极与活动电极配对的导联方式称为单极导联方式,使用两个活动电极 配对的导联方式称为双极导联方式。 单极导联方式的优点是可以记录活动电极位置处的电势变化,且相较于双极导联方式更加方便。经测试,单极导联可以获得和双极导联相差不大的比较好的信号。所以这里我们采用单极导联。
其中，1,2,3,4分别为4个通道的眼电信号，参考电极接右耳。
系统方案
本系统基于 OpenBCI 开源平台,通过 ADS1299 模拟前端采集并处理信号,由 RFD22301 蓝牙发送数据到上位机,使用 OpenViBE 进行信号处理与分析,采用 SVM 算法提取眼动的特征并分类,通过蓝牙发送与不同的眼动信号对应的指令到下位机,进行轮椅控制。由于条件限制,项目暂用小车代替轮椅进行模拟。
系统软件设计
本系统基于 OpenVIBE 实验平台进行设计。先采集大量信号,对获取的信号进行预处理,将滤波和平均后的信号训练 SVM 分类器。进而识别出上、下、左、右、眨眼、平静六种状态下的眼电信号,并向下位机发送相应指令以控制小车。
OpenVibe 设计方案如下:
首先从 OpenBCI 接收信号,先进行 50Hz 陷波,去除工频干扰。再进行一个 0.02~10Hz 的带通滤波,获取眼电的主要成分。接着人为对六种不同状态的眼电信号进行标记,截取其中有代表性的一段信号进行线性变换和平均。提取信号的特征值,作为 SVM 分类器的训练数据。
SVM 分类器训练完成后,我们用该分类器对新采集的眼电信号进行识别和分类。对新采集的眼电信号同样进行上述预处理,提取特征向量。用 SVM 分类器来识别眼球的上、下、左、右、平静和眨眼。最后将分类得出的标签传入python脚本，每接收到一次计数加一，当接收到三次时则判定为一次眼动。根据不同的眼动状态由蓝牙向下位机发送相应的指令。根据识别结果向下位机发送相应的指令。
参考文献：
[1] 黄佳妹. 眼动信号的提取及眼跳信号的分析研究[D]. 南京:南京航天航空 大学, 2015. 29-39
[2] 赵进创, 马超, 潘屏萍, 傅文利. 基于单通道脑机接口的小车系统设计[D]. 广西:广西大学, 2014. 22-24
[3] 彭毅. 眼动信号的提取与分类识别研究[D]. 上海:上海师范大学, 2016. 44-50
[4] Soumya, Sen, Fupta. Detecting Eye Movements in EEG for Controlling Devices [C]. India:CDAC, 2012. 69-73
[5] 周婷婷. 基于有意识眼动控制电动轮椅的研究[D]. 杭州:杭州电子科技大 学, 1014. 2-10
[6] 夏哈雷, 夏斌, 杨文璐. 基于 OpenViBE 的运动想象脑-机接口研究[J]. 计算机技术与应用进展, 2010, 5(11): 411-415
[7] D Garrett, D A Peteson, C W Anderson. Comparison of linear, nonlinear, and feature selection methods for EEG signal classification[J]. IEEE Transaction on Neural Systems and Rehabilitation Engineering, 2003, 11(2):141-144.
[8] 伏云发, 郭衍龙, 李, 松, 熊, 馨, 李, 勃, 余正涛. 基于 SSVEP 直接脑 控机器人方向和速度研究[J]. 自动化学报, 2016, 42(11): 1632-1638
[9] 王超. 基于 OpenVIBE 的高性能运动想象在线脑-机接口系统研究[D]. 广州: 华南理工大学, 2016.