CN109460147B - 一种意念控制运动***及其方法 - Google Patents
一种意念控制运动***及其方法 Download PDFInfo
- Publication number
- CN109460147B CN109460147B CN201811243178.3A CN201811243178A CN109460147B CN 109460147 B CN109460147 B CN 109460147B CN 201811243178 A CN201811243178 A CN 201811243178A CN 109460147 B CN109460147 B CN 109460147B
- Authority
- CN
- China
- Prior art keywords
- signal
- brain wave
- idea
- shell
- brain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Neurosurgery (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Health & Medical Sciences (AREA)
- Dermatology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及人工智能电子技术领域,具体地公开了一种意念控制运动***,包括意念采集装置、意念处理模块、运动模块,所述意念采集装置包括壳体,所述壳体左端连接两个信号采集左杆,两个信号采集杆上一侧均设置有一个脑电波传感器,所述壳体右端连接一信号采集右杆,信号采集右杆上一侧设有一脑电波传感器,所述壳体上设有一脑电波传感器,所述壳体下端连接一后板,所述后板内侧设有一脑电波传感器,所述壳体内设有两个参比传感器,五个脑电波传感器和两个参比传感器均与设置在壳体内的采集控制器线路连接。五个传感器的采集模块收集脑电波信号,通过硬件滤波剔除杂波的方式,将原始脑电波信号线性模拟后放大处理,处理后的信号会变得更加精确。
Description
技术领域
本发明涉及人工智能电子技术领域,特别是涉及一种意念控制运动***及其方法。
背景技术
社会的发展和人类文明程度的提高,行为受限的人士越来越渴求运用现代高新技术来改善生活质量和生活自由度。人们的控制方式已经由传统的人机交互控制方式,如按键控制等,发展为更加智能化,便捷化的装置。近年来,随着脑电信号(EEG)与意识间的关系研究取得较大进展,人们开始注意如何根据不同的思维任务对脑电信号进行快速、准确的分类,实现人体与周围环境的信息交流。
现今有很多高位截瘫病人或其他重症残疾人丧失了行为能力,如何利用高科技技术改善他们的生活质量,让他们重获自理能力是科学研究服务于社会的一个重要方向。肢体功能不健全的人的思维与正常人基本上没有差别,操作者本身具有的脑电生理信号可以用来控制小车,通过意念控制小车的运动来帮助高龄、行动不便的人群移动,帮助满足他们的基本日常生活的移动需求。
发明内容
本发明要解决的技术问题是克服现有技术存在的不足,提供一种意念控制运动***及其方法。
为了解决上述技术问题,本发明采用以下技术方案:
本发明的目的之一在于提供一种意念控制运动***,包括意念采集装置、意念处理模块、运动模块,所述意念采集装置包括壳体,所述壳体左端连接两个信号采集左杆,两个信号采集杆上一侧均设置有一个脑电波传感器,所述壳体右端连接一信号采集右杆,所述信号采集右杆上一侧设有一脑电波传感器,所述壳体上设有一脑电波传感器,所述壳体下端连接一后板,所述后板内侧设有一脑电波传感器,所述壳体内设有两个参比传感器,五个脑电波传感器和两个参比传感器均与设置在壳体内的采集控制器线路连接,采集控制器通过蓝牙传输单元将五个脑电波传感器和两个参比传感器传输的信号传输至意念处理模块,所述意念处理模块包括用于接收来自蓝牙传输单眼传输信号的蓝牙接收单元、A/D转换单元、滤波单元、控制器,所述蓝牙接收单元与所述A/D转换单元线路连接,所述A/D转换单元与所述滤波单元线路连接,所述滤波单元与所述控制器线路连接,所述运动模块为一运动载体,所述意念处理模块设置于所述运动载体,所述运动载体由所述控制器控制。
作为优选,所述运动载体为电动小车、电动小型飞机、轮船中的一种。
本发明的目的之二在于提供一种意念控制运动方法,包括以下步骤:
步骤1:对使用者进行意念训练;
步骤2:通过如权利要求1所述的意念采集装置采集使用者的脑电波信号;
步骤3:对步骤2采集到的脑电波信号进行A/D转换、滤波及放大处理;
步骤4:对步骤3处理后的信号进行识别,根据信号振幅判断该信号为平静脑信号或动作脑信号,根据信号电位将脑电波信号定义为“0”或“1”,最后将平静脑信号与动作脑信号相减取绝对值获得该信号的输出值;
步骤5:根据输出值来控制运动载体的运动。
作为优选,所述步骤1中意念训练包括以下步骤:
首先判断是否已经训练过,若已经训练过则直接佩戴意念采集装置进行步骤2的内容,若未训练过,则进行大脑训练;
所述大脑训练包括平静、运动、兴奋、生气状态下的脑电波信号采集和保存;
对保存的脑电波信号进行信息识别与执行;
根据执行准确判断是否需要进行重新训练,若执行准确则不需要进行重新训练;若执行不准确则需要进行重新训练,清除模型存储,重新初始化进行大脑训练。
作为优选,所述步骤2中由5个脑电波传感器采集到5个脑电波信号。
作为优选,所述步骤5中,将5个脑电波传感器获得的脑电波信号处理后的输出值分别设为一维信号S1、二维信号S2、三维信号S3、四维信号S4、五维信号S5,根据以下模型控制运动载体运动:
启动:S1=S2=S3=S4=S5=0;
停止:S1=S2=S3=S4=S5=1;
前进:S1=S3=S4=1、S2=S5=0;
后退:S1=S3=1、S2=S4=S5=0;
左转:S1=S3=S5=0、S2=S4=1;
右转:S1=S3=S4=S5=1、S2=0;
漂移:S1=S2=S3=0、S4=S5=1。
有益效果在于:五个传感器的采集模块收集脑电波信号,通过硬件滤波剔除杂波的方式,将原始脑电波信号线性模拟后放大处理,处理后的信号会变得更加精确。采集到的数据最后会经过模型转为数据,最后,由蓝牙模块传送给单片机对***进行控制,从而通过该模块再加相应的外部电路来构成通过意念控制小车的目的。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明的***结构框图;
图2为本发明的意念采集装置结构图;
图3为本发明的意念训练过程图;
图4为本发明的由放松状态到注意力逐渐集中状态的脑电波信号对比图;
图5为本发明的注意力逐渐集中状态的脑电波信号对比图;
图6为本发明的读书状态下的脑电波信号图;
图7为本发明的运动状态下的脑电波信号图;
图8为本发明的平静时采集的脑电波信号图;
图9为本发明的眨眼时采集的脑电波信号图;
图10为本发明的智能化模型图;
具体实施方式
现在结合说明书附图对本发明做进一步的说明。
实施例1:
一种意念控制运动***,包括意念采集装置、意念处理模块、运动模块,如图2所示,所述意念采集装置包括壳体1,所述壳体1左端连接两个信号采集左杆2,两个信号采集杆2上一侧均设置有一个脑电波传感器4,所述壳体1右端连接一信号采集右杆3,所述信号采集右杆3上一侧设有一脑电波传感器,所述壳体1上设有一脑电波传感器,所述壳体1下端连接一后板5,所述后板5内侧设有一脑电波传感器,所述壳体1内设有两个参比传感器,如图1所示的,五个脑电波传感器和两个参比传感器均与设置在壳体内的采集控制器线路连接,采集控制器通过蓝牙传输单元将五个脑电波传感器和两个参比传感器传输的信号传输至意念处理模块,所述意念处理模块包括用于接收来自蓝牙传输单眼传输信号的蓝牙接收单元、A/D转换单元、滤波单元、控制器,所述蓝牙接收单元与所述A/D转换单元线路连接,所述A/D转换单元与所述滤波单元线路连接,所述滤波单元与所述控制器线路连接,所述运动模块为一运动载体,所述意念处理模块设置于所述运动载体,所述运动载体由所述控制器控制;对放大后的信号进行特征值提取后转换为单片机可识别信号,最后由单片机(控制器)整合信号控制小车的运行。图1中分别显示了意念采集装置的实物图和运动载体电动小车的实物。
实施例2:
实现意念控制运动的方法包括以下步骤:
首先,意念训练,由于不同人的产生不同的脑电波信号,因此在使用意念采集装置之前,意念采集装置会收集并训练佩戴者的平静时或运动时或兴奋时的脑电信号,从而增加后序实验的精准度和灵敏度。之后将实验收集的信号与初始信号作比较,这样就可以完成意念控制小车的操作。整个过程如下图3所示。首先判断是否已经训练过,若已经训练过则直接佩戴意念采集装置进行后续步骤,若未训练过,则进行大脑训练;所述大脑训练包括平静、运动、兴奋、生气状态下的脑电波信号采集和保存;对保存的脑电波信号进行信息识别与执行;根据执行准确判断是否需要进行重新训练,若执行准确则不需要进行重新训练;若执行不准确则需要进行重新训练,清除模型存储,重新初始化进行大脑训练。
如图4所示的为放松状态的脑电波信号图,图5为注意力集中状态的脑电波信号图,从图中可观察到放松状态时的脑电信号为零,随着注意力的集中,脑电信号逐渐加强,并根据大脑的活跃程度用亮暗度来显示脑电波的信号强弱。
从图6中可以看出,在读书状态下,兴趣值和参与度值较高,大脑处于一个相对放松状态。
如图7所示,在运动状态时,脑电信号值有大幅度的增值,尤其是兴趣值和兴奋值明显比压力值、专注度,参与度和放松值高很多,反映出了大脑此刻处于一种极度活跃的状态。
对采集到的脑电波信号进行A/D转换、滤波及放大处理后可获得脑电波信号,如图8和图9为本实施例采集到的脑电波信号图;从图中我们可以看出意念机的五个端口对应着五条曲线,这表明五个端口采集的脑电信息是不同的。对比图8和图9,我们发现在眨眼的时候,最上面和最下面的曲线有较大的波动(对应端口为AF3和AF4)。
因此,本发明进行了智能化数学建模,模型原理如图10所示。首先采集大脑平静时的电位,根据电位高低将五个端口的电位定义为“0”和“1”。接下来采集大脑动作电位,跟平静电位一样,将五个端口采集的脑电信号用“0”和“1”表示。最后将大脑动作电位与大脑平静电位相减,获得五个端口的输出电位。
我们将不同的输出电位定义小车不同的运动状态,如下表所示。
即将5个脑电波传感器获得的脑电波信号处理后的输出值分别设为一维信号S1、二维信号S2、三维信号S3、四维信号S4、五维信号S5,根据以下模型控制运动载体运动:
启动:S1=S2=S3=S4=S5=0;
停止:S1=S2=S3=S4=S5=1;
前进:S1=S3=S4=1、S2=S5=0;
后退:S1=S3=1、S2=S4=S5=0;
左转:S1=S3=S5=1、S2=S4=0;
右转:S1=S3=S4=S5=1、S2=0;
漂移:S1=S2=S3=0、S4=S5=1。
以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (2)
1.一种意念控制运动方法,其特征在于:基于一种意念控制运动***,所述意念控制运动***包括意念采集装置、意念处理模块、运动模块,所述意念采集装置包括壳体,所述壳体左端连接两个信号采集左杆,两个信号采集杆上一侧均设置有一个脑电波传感器,所述壳体右端连接一信号采集右杆,所述信号采集右杆上一侧设有一脑电波传感器,所述壳体上设有一脑电波传感器,所述壳体下端连接一后板,所述后板内侧设有一脑电波传感器,所述壳体内设有两个参比传感器,五个脑电波传感器和两个参比传感器均与设置在壳体内的采集控制器线路连接,采集控制器通过蓝牙传输单元将五个脑电波传感器和两个参比传感器传输的信号传输至意念处理模块,所述意念处理模块包括用于接收来自蓝牙传输单眼传输信号的蓝牙接收单元、A/D转换单元、滤波单元、控制器,所述蓝牙接收单元与所述A/D转换单元线路连接,所述A/D转换单元与所述滤波单元线路连接,所述滤波单元与所述控制器线路连接,所述运动模块为一运动载体,所述意念处理模块设置于所述运动载体,所述运动载体由所述控制器控制;
包括以下步骤:
步骤1:对使用者进行意念训练;
步骤2:通过所述意念采集装置采集使用者的脑电波信号;
步骤3:对步骤2采集到的脑电波信号进行A/D转换、滤波及放大处理;
步骤4:对步骤3处理后的信号进行识别,根据信号振幅判断该信号为平静脑信号或动作脑信号,根据信号电位将脑电波信号定义为“0”或“1”,最后将平静脑信号与动作脑信号相减取绝对值获得该信号的输出值;
步骤5:根据输出值来控制运动载体的运动;
所述步骤5中,将5个脑电波传感器获得的脑电波信号处理后的输出值分别设为一维信号S1、二维信号S2、三维信号S3、四维信号S4、五维信号S5,根据以下模型控制运动载体运动:
启动:S1=S2=S3=S4=S5=0;
停止:S1=S2=S3=S4=S5=1;
前进:S1=S3=S4=1、S2=S5=0;
后退:S1=S3=1、S2=S4=S5=0;
左转:S1=S3=S5=0、S2=S4=1;
右转:S1=S3=S4=S5=1、S2=0;
漂移:S1=S2=S3=0、S4=S5=1;
所述步骤1中意念训练包括以下步骤:
首先判断是否已经训练过,若已经训练过则直接佩戴意念采集装置进行步骤2的内容,若未训练过,则进行大脑训练;
所述大脑训练包括平静、运动、兴奋、生气状态下的脑电波信号采集和保存;
对保存的脑电波信号进行信息识别与执行;
根据执行准确判断是否需要进行重新训练,若执行准确则不需要进行重新训练;若执行不准确则需要进行重新训练,清除模型存储,重新初始化进行大脑训练。
2.根据权利要求1所述的一种意念控制运动方法,其特征在于:所述运动载体为电动小车、电动小型飞机、轮船中的一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811243178.3A CN109460147B (zh) | 2018-10-24 | 2018-10-24 | 一种意念控制运动***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811243178.3A CN109460147B (zh) | 2018-10-24 | 2018-10-24 | 一种意念控制运动***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109460147A CN109460147A (zh) | 2019-03-12 |
CN109460147B true CN109460147B (zh) | 2022-02-01 |
Family
ID=65608167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811243178.3A Active CN109460147B (zh) | 2018-10-24 | 2018-10-24 | 一种意念控制运动***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109460147B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162182B (zh) * | 2019-05-28 | 2022-09-06 | 深圳市宏智力科技有限公司 | 脑电控制模块装置及其控制受控设备的方法 |
CN111420215A (zh) * | 2020-04-22 | 2020-07-17 | 厦门萤火相连教育科技有限公司 | 一种通过脑波采集设备锻炼个人专注能力的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203874051U (zh) * | 2014-01-08 | 2014-10-15 | 张博雅 | 一种脑电波控制残疾人康复*** |
CN205516494U (zh) * | 2016-04-28 | 2016-08-31 | 华南理工大学广州学院 | 一种使用脑电波控制的遥控小车 |
CN105943207A (zh) * | 2016-06-24 | 2016-09-21 | 吉林大学 | 一种基于意念控制的智能假肢运动***及其控制方法 |
CN106933247A (zh) * | 2017-03-30 | 2017-07-07 | 歌尔科技有限公司 | 无人机的控制方法、装置及*** |
CN107049308A (zh) * | 2017-06-05 | 2017-08-18 | 湖北民族学院 | 一种基于深度神经网络的意念控制*** |
CN107065850A (zh) * | 2016-12-12 | 2017-08-18 | 东南大学 | 一种脑电波控制的四轮独立驱动智能小车***及其控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101668249B1 (ko) * | 2010-08-24 | 2016-10-21 | 엘지전자 주식회사 | 휴대 단말기 및 그 동작 제어방법 |
-
2018
- 2018-10-24 CN CN201811243178.3A patent/CN109460147B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203874051U (zh) * | 2014-01-08 | 2014-10-15 | 张博雅 | 一种脑电波控制残疾人康复*** |
CN205516494U (zh) * | 2016-04-28 | 2016-08-31 | 华南理工大学广州学院 | 一种使用脑电波控制的遥控小车 |
CN105943207A (zh) * | 2016-06-24 | 2016-09-21 | 吉林大学 | 一种基于意念控制的智能假肢运动***及其控制方法 |
CN107065850A (zh) * | 2016-12-12 | 2017-08-18 | 东南大学 | 一种脑电波控制的四轮独立驱动智能小车***及其控制方法 |
CN106933247A (zh) * | 2017-03-30 | 2017-07-07 | 歌尔科技有限公司 | 无人机的控制方法、装置及*** |
CN107049308A (zh) * | 2017-06-05 | 2017-08-18 | 湖北民族学院 | 一种基于深度神经网络的意念控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN109460147A (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460147B (zh) | 一种意念控制运动***及其方法 | |
CN113951900B (zh) | 一种基于多模态信号的运动想象意图识别方法 | |
CN108478189A (zh) | 一种基于脑电信号的人体外骨骼机械臂控制***及方法 | |
CN110974212A (zh) | 一种融合心电和肌电特征的康复训练运动状态监测方法及*** | |
CN106446762A (zh) | 一种基于稀疏表征分类算法的运动想象脑电分类处理方法 | |
CN110974219A (zh) | 一种基于侵入式bci的人脑意念识别*** | |
CN106648087B (zh) | 一种基于意识任务的特征eeg处理方法 | |
CN108113670A (zh) | 一种多通道式诱发脑电波控制的无人机***及控制方法 | |
CN104133470A (zh) | 多模态脑机接口轮椅控制*** | |
CN114327048A (zh) | 一种基于脑电信号和眼电信号的机械臂控制方法及*** | |
CN114652532A (zh) | 基于ssvep与注意力检测的多功能脑控轮椅*** | |
CN101644952A (zh) | 基于眼电图信号的便携式无线人机交互*** | |
CN111603135B (zh) | 一种基于主从支持向量机的低功耗癫痫检测电路 | |
CN110432899B (zh) | 基于深度堆叠支持矩阵机的脑电信号识别方法 | |
CN114983447B (zh) | 一种基于ai技术的人体动作识别、分析与储存的可穿戴装置 | |
Wang et al. | An adaptive control approach for intelligent wheelchair based on BCI combining with QoO | |
Bhosale et al. | Classification of EMG signals using wavelet transform and hybrid classifier for parkinson’s disease detection | |
CN107643908A (zh) | 语音应用触发控制方法、装置及终端 | |
CN112936259B (zh) | 一种适用于水下机器人的人机协作方法 | |
Abdulghani et al. | Low-Cost Brain-Computer Interface Design Using Deep Learning for Internet of Brain Controlled Things Applications | |
Rashid et al. | Investigating the possibility of brain actuated mobile robot through single-channel EEG headset | |
Hu et al. | Character encoding-based motor imagery EEG classification using CNN | |
Luo et al. | Classification algorithm for motor imagery EEG signals based on parallel DAMSCN-LSTM | |
CN111481197A (zh) | 用于人机自然交互的生机多模态信息采集融合装置 | |
CN206214307U (zh) | 一种轮椅的运动控制*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |