[发明专利]基于Alpha波和SSVEP信号控制的实时脑控机器人系统及控制方法

说明书

本发明属于信号处理与脑机接口领域，具体涉及一种基于Alpha波和SSVEP信号控制的实时脑控机器人系统及控制方法。系统在控制者四肢无法动弹且大脑思维正常的情况下，能够解码控制者的脑电波形成控制命令从而控制机器人进行前后左右运动，其中系统包括32位的OpenBCI脑电采集模块、16通道电极帽模块、视觉刺激模块、信号处理模块、单片机控制模块和行走机器人等部分。本发明利用Alpha脑波易自发形成且位于10Hz可有效过滤工频干扰的特性，以及基于SSVEP视觉刺激大脑形成的脑电波所需训练次数少、高速信息传输率的特性，实现了对被试者三种频段脑波信息的解码，从而控制机器人前进、后退、向左转和向右转的运动行为，整个系统实时性强且更加稳定和快速。

技术领域

本发明属于信号处理与脑机接口领域，具体涉及一种基于Alpha波和SSVEP信号控制的实时脑控机器人系统及控制方法。

背景技术

脑机接口(Brain-Computer Interface,BCI)是近几十年发展起来的一种新颖的人机接口方式。它不依赖于脑的正常输出通路(外周神经系统和肌肉系统)，而是通过计算机实现实时获取、分析脑信号并将其转换为输出命令，以实现对外部设备的控制。

目前广泛研究的非入侵式脑机接口具有良好的时间分辨率、易用性、便携性和相对低廉的价格。但是由于颅骨对信号的衰减作用和对神经元发出的电磁波的分散和模糊效应，记录到信号的分辨率并不高。这种信号波仍可被检测到，但存在较低的信噪比和空间分辨率等问题。由于采集设备的硬件升级空间不大，现阶段主流的提升脑电信号分析信噪比的方法多从算法方面入手，目前脑机接口大多依赖于外部刺激，对于感觉系统的复杂信号解码成果不多。基于智能处理方法是目前脑机接口方面较为新颖的研究方向，此类控制方法以现代控制理论为出发点，在人工智能算法的基础上提出优化，比如加入了深度学习等。不足之处在于控制复杂，对芯片处理能力要求较高。

目前国内脑控机器人研究成果较少，大连理工大学申请的专利文献，公开号为CN108415554A，其公开了一种基于P300的脑控机器人系统，但是P300信号的信噪比较低，需要多次叠加才能形成较明显且稳定的波形，极大地限制了脑控系统的传输速率，且P300为诱发电位，具有一定的潜伏期。因此，在实际使用过程中，需要建立一个快速响应、稳定识别特定脑电信号的实时脑控系统。

发明内容

本发明的目的在于提供一种基于Alpha波和SSVEP信号控制的实时脑控机器人系统及控制方法。

实现本发明目的的技术解决方案为：基于Alpha波和SSVEP信号控制的实时脑控机器人系统，包括：

视觉刺激模块：为被试者呈现视觉刺激；

机器人；

采集电极：置于被试者脑部，用于采集Alpha脑电波和视觉刺激诱发的脑电电位；

脑电采集模块：与采集电极连接，用于对采集电极采集的Alpha脑电波和视觉刺激诱发的脑电电位信号进行放大并传输；

信号处理模块：与脑电采集模块连接，用于对脑电采集模块传输过来的的Alpha脑电波和视觉刺激诱发的脑电电位信号进行处理；

单片机控制模块：与信号处理模块连接，用于接收信号处理模块解码的脑电信号对应的控制指令，单片机对相应机器人行动的测试点进行拉低电平从而实现对机器人的控制。

进一步的，所述信号处理模块包括脑电信号预处理子模块与控制指令解码子模块；

所述脑电信号预处理子模块用于将实时时间域脑电信号转换为频域信号及其滤波、去工频噪声、去除眼动噪声以及Alpha脑电信号与由视觉刺激产生的脑电信号频带的定位；

所述控制指令解码子模块用于对于预处理子模块搜寻到的脑电信号频带中峰值的寻找，以及峰值处信噪比的计算，然后根据所寻找到的峰值处的信噪比来进一步定位有效脑电信号所处的子频带位置。