腦-機接口BCI（Brain-Computer Interface）是在人(或動物)與外部設(shè)備間建立的直接連接通道。它通過采集、分析人的腦電信號，在人腦與計算機或其他電子設(shè)備之間建立直接交流和控制通道，從而可以不需語言或肢體動作,直接通過控制腦電來表達意愿或操作外接設(shè)備[1-2]。隨著科學技術(shù)的發(fā)展，智能機器人在醫(yī)療領(lǐng)域的應用越來越廣泛，如監(jiān)護機器人、康復機器人等。目前康復機器人的訓練方式對于患者而言僅僅是被動的運動治療,缺乏對患者主動參與的刺激。根據(jù)腦可塑性理論,腦功能重組的恢復訓練應該強調(diào)患者的主動參與,按照科學的運動學習方法對患者進行再教育以恢復其運動功能。同時,實踐結(jié)果表明,患者積極參與到功能恢復訓練中,能夠獲得更好的恢復效果[3]。本文介紹了一種基于思維腦電的腦-機接口的無線智能機器人控制系統(tǒng)設(shè)計方案，此方案將服務(wù)機器人與康復機器人相結(jié)合，不僅提供了機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訓練?；颊咄ㄟ^進行左右手想象運動得到相應的思維腦電，電信號經(jīng)過腦電采集電路進入LabVIEW，進行特征提取及模式識別，判斷出使用者的思維模式，然后發(fā)出相應的控制命令，通過串口傳給單片機。單片機對命令進行編碼后通過紅外的形式向外發(fā)射，智能機器人上的紅外一體化接收管對接收到的信號進行解碼后作出相應的動作。

1 系統(tǒng)概況
    基于思維腦電的腦-機接口無線智能機器人控制系統(tǒng)主要包括三個子系統(tǒng):腦電采集電路子系統(tǒng)、基于LabVIEW的上位機子系統(tǒng)（特征提取、模式識別及反饋界面的實現(xiàn)），以及基于PIC單片機的下位機控制子系統(tǒng)(紅外的編碼及解碼)。單片機選用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，原始信號被分解為逼近部分和細節(jié)部分。逼近部分再分解為另一層的逼近和細節(jié)，重復這樣的過程，直到分解為設(shè)定的分解層。其中細節(jié)部分也進行相同的分解。小波包分解具有任意多尺度特點，避免了時頻固定的缺陷，為時頻分析提供了極大的選擇余地，更能反映信號的本質(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空間按照二進制繼續(xù)進行頻率細分。
2.2 基于歐拉距離模式識別算法的實現(xiàn)
      歐拉距離識別方法的基本原理為：將已知類別的向量設(shè)為訓練向量組，未知類別的向量歸為測試組[6]。將測試組中的向量分別與訓練向量組中的所有向量進行距離比較，記住與其距離最近的那個訓練集向量，則測試組向量與該訓練組向量的類別一樣，至此識別過程結(jié)束。
    歐拉距離算法的公式為：
    
    圖2、圖3中的橫坐標表示特征提取得到7個頻段的數(shù)據(jù)，縱坐標表示140組腦電數(shù)據(jù)。db4中列與列之間的能量差比較大，因此可認為它的特征提取結(jié)果較好。由模式識別驗證特征提取的結(jié)果，db4小波包分解經(jīng)過歐拉距離方法的模式識別后，得到識別率為71.43%;sym2小波包分解經(jīng)過歐拉距離方法的模式識別后，得到識別率為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。由圖4、圖5可以看出，6層小波包分解的頻段分得非常細，而4層小波包分解所得到的頻段相對稀疏。通常，小波包分解層數(shù)越多，得到的頻段應該越精確，識別結(jié)果勢必會越好[6]。但在模式識別實驗中，4、5、6層小波包分解對應的特征向量所得到的最佳識別率分別為：84.1%、87.3%、64.27%。這說明分解得到越精細的頻段不一定對應著越好的識別結(jié)果。因為6層小波包分解可能加入了更多干擾信號成分,對識別結(jié)果有一定影響。
3.2 基于歐拉距離的模式識別實驗結(jié)果
    模式識別是檢驗特征提取所得特征向量性質(zhì)的標準。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別時所得結(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)歐拉距離模式識別后識別率為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)歐拉距離模式識別后識別率為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)歐拉距離模式識別后所得識別率為64.286%。
    由上述實驗可知，在小波包分解為5層時識別效率最高。
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)送端將基帶二進制信號調(diào)制為一系列的脈沖串信號，通過紅外發(fā)射管發(fā)射紅外信號。接收端將接收到的光脈轉(zhuǎn)換成電信號，再經(jīng)過放大、濾波等處理后送給解調(diào)電路進行解調(diào)，還原為二進制數(shù)字信號后輸出。常用的有兩種方法：通過脈沖寬度實現(xiàn)信號調(diào)制的脈寬調(diào)制（PWM）和通過脈沖串之間的時間間隔實現(xiàn)信號調(diào)制的脈時調(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、飛機內(nèi)廣播和航天飛機內(nèi)宇航員間的通信。由于BCI應用系統(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編碼方式進行紅外編碼，實驗結(jié)果如圖6所示。

    由示波器顯示可看出，此實驗成功將腦電識別結(jié)果進行NEC-E3編碼，并發(fā)給智能機器人接收模塊。
    實驗結(jié)果表明，受試者通過進行想象左右手運動，能夠發(fā)出有效的思維腦電。通過LabVIEW進行特征提取和模式識別，基于小波包分解的特征提取和基于歐拉距離的模式識別算法可以正確識別思維腦電信號，分辨出受試者進行的思維模式，并將此模式對應的命令無線發(fā)給智能機器人，控制智能機器人的運動。因此，本文提出的基于BCI的無線智能機器人控制系統(tǒng)的方案是可行的，具有較高的應用價值。
參考文獻
[1] 高上凱. 神經(jīng)工程與腦-機接口[J]. 生命科學, 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-機接口技術(shù)的虛擬現(xiàn)實康復訓練平臺[J].中國生物醫(yī)學工程學報,2007,26(3):373-378.
[4] 高湘萍，吳小培,沈謙. 基于腦電的意識活動特征提取與識別[J]. 安徽大學學報(自然科學版), 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LabVIEW圖形化開發(fā)平臺有效優(yōu)化多核處理器環(huán)境下的信號處理性能[J]. 國外電子測量技術(shù), 2010,29(2):12-14.