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。患者通過(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。

    根據(jù)小波包分解的原理，分解層數(shù)越多，得到的頻段則越精細(xì)。由圖4、圖5可以看出，6層小波包分解的頻段分得非常細(xì)，而4層小波包分解所得到的頻段相對(duì)稀疏。通常，小波包分解層數(shù)越多，得到的頻段應(yīng)該越精確，識(shí)別結(jié)果勢(shì)必會(huì)越好[6]。但在模式識(shí)別實(shí)驗(yàn)中，4、5、6層小波包分解對(duì)應(yīng)的特征向量所得到的最佳識(shí)別率分別為：84.1%、87.3%、64.27%。這說(shuō)明分解得到越精細(xì)的頻段不一定對(duì)應(yīng)著越好的識(shí)別結(jié)果。因?yàn)?層小波包分解可能加入了更多干擾信號(hào)成分,對(duì)識(shí)別結(jié)果有一定影響。
3.2 基于歐拉距離的模式識(shí)別實(shí)驗(yàn)結(jié)果
    模式識(shí)別是檢驗(yàn)特征提取所得特征向量性質(zhì)的標(biāo)準(zhǔn)。本文分別比較了4、5、6層小波包分解采用歐拉距離模式識(shí)別時(shí)所得結(jié)果。
    4層小波包分解特征提取之后得到大小為140×7的特征向量，經(jīng)歐拉距離模式識(shí)別后識(shí)別率為79.429%。5層小波包分解特征提取之后得到大小為140×11的特征向量，經(jīng)歐拉距離模式識(shí)別后識(shí)別率為85.429%。6層小波包分解特征提取之后得到大小為140×27的特征向量，經(jīng)歐拉距離模式識(shí)別后所得識(shí)別率為64.286%。
    由上述實(shí)驗(yàn)可知，在小波包分解為5層時(shí)識(shí)別效率最高。
3.3 紅外遙感
    紅外通信是利用950 nm近紅外波段的紅外線作為傳遞信息的信道。發(fā)送端將基帶二進(jìn)制信號(hào)調(diào)制為一系列的脈沖串信號(hào)，通過(guò)紅外發(fā)射管發(fā)射紅外信號(hào)。接收端將接收到的光脈轉(zhuǎn)換成電信號(hào)，再經(jīng)過(guò)放大、濾波等處理后送給解調(diào)電路進(jìn)行解調(diào)，還原為二進(jìn)制數(shù)字信號(hào)后輸出。常用的有兩種方法：通過(guò)脈沖寬度實(shí)現(xiàn)信號(hào)調(diào)制的脈寬調(diào)制（PWM）和通過(guò)脈沖串之間的時(shí)間間隔實(shí)現(xiàn)信號(hào)調(diào)制的脈時(shí)調(diào)制（PPM）。
    紅外通信可用于沿海島嶼間的輔助通信、室內(nèi)通信、近距離遙控、飛機(jī)內(nèi)廣播和航天飛機(jī)內(nèi)宇航員間的通信。由于BCI應(yīng)用系統(tǒng)基本用于室內(nèi)控制或近距離控制，所以使用紅外遙控技術(shù)既可以滿足系統(tǒng)的需要,又能最大限度地節(jié)約成本。
    本文采用NEC-E3編碼方式進(jìn)行紅外編碼，實(shí)驗(yàn)結(jié)果如圖6所示。

    由示波器顯示可看出，此實(shí)驗(yàn)成功將腦電識(shí)別結(jié)果進(jìn)行NEC-E3編碼，并發(fā)給智能機(jī)器人接收模塊。
    實(shí)驗(yàn)結(jié)果表明，受試者通過(guò)進(jìn)行想象左右手運(yùn)動(dòng)，能夠發(fā)出有效的思維腦電。通過(guò)LabVIEW進(jìn)行特征提取和模式識(shí)別，基于小波包分解的特征提取和基于歐拉距離的模式識(shí)別算法可以正確識(shí)別思維腦電信號(hào)，分辨出受試者進(jìn)行的思維模式，并將此模式對(duì)應(yīng)的命令無(wú)線發(fā)給智能機(jī)器人，控制智能機(jī)器人的運(yùn)動(dòng)。因此，本文提出的基于BCI的無(wú)線智能機(jī)器人控制系統(tǒng)的方案是可行的，具有較高的應(yīng)用價(jià)值。
參考文獻(xiàn)
[1] 高上凱. 神經(jīng)工程與腦-機(jī)接口[J]. 生命科學(xué), 2009,21(02):177-180.
[2] VAN G M, FARQUHAR J, SCHAEFER R, et al. The  brain-computer interface cycle[J]. J Neural Eng, 2009,6(4):1-10.
[3] 馬贇,王毅軍, 高小榕,等. 基于腦-機(jī)接口技術(shù)的虛擬現(xiàn)實(shí)康復(fù)訓(xùn)練平臺(tái)[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào),2007,26(3):373-378.
[4] 高湘萍，吳小培,沈謙. 基于腦電的意識(shí)活動(dòng)特征提取與識(shí)別[J]. 安徽大學(xué)學(xué)報(bào)(自然科學(xué)版), 2006, 30(2):33-36.
[5] 周湶,盧毅,李劍,等.小波包提取算法和相關(guān)分析用于電纜雙端行波測(cè)距[J]. 高電壓技術(shù), 2011,37(7):1695-1699.
[6] CHOI Y S, KIM L K, OH J T. PE file header analysisbased packed PE file detection technique[C].Proc of Int’l Symp on Computer Science and Its Applications, 2008:28-31.
[7] 湯敏,倪斌. 通過(guò)LabVIEW圖形化開(kāi)發(fā)平臺(tái)有效優(yōu)化多核處理器環(huán)境下的信號(hào)處理性能[J]. 國(guó)外電子測(cè)量技術(shù), 2010,29(2):12-14.