基於意識任（rèn）務（wù）的機器人腦控係（xì）統-刀具網-數控機床市場網

您現在的位置：數控係統網> 技術（shù）前沿>基於意識任務的機器人腦控係統

基於意識任（rèn）務的機器人腦控係統

2017-8-2 來源（yuán）：西北工業大學（xué）作者：謝鬆雲，段緒，馮懷北（běi），孟雅，陳剛

摘要: 目前機器人（rén）的控製係統基（jī）本需要雙手遙控，對（duì）殘疾人等無法提供便（biàn）利，提出了一種全新的（de）腦電信號( electroencephalography，EEG) 控製機器人（rén）方法。采用無需外（wài）界刺激（jī）的意識任務誘發特征EEG，通（tōng）過便攜式腦電設備采集 EEG，經過特征提取與指令（lìng）分類，實現對機器人的控製。針對意識任務需要被試（shì）進行大量的訓練，設計了離線訓練係統。針對 EEG 信噪比較低的問題，研（yán）究了意識任務下（xià）EEG 處理方（fāng）法。最後設計了在線機器人（rén）腦控係統，利用想象（xiàng）左手運（yùn）動、想象右手運動、想象單詞（cí）生成分別控製機器人左轉、右轉與前進，利用眨眼信號控製機（jī）器人停止。實驗結果表明，從準確率、舒適度兩方麵（miàn）來看，基於意識任務的機器人腦控（kòng）係統有效實現了機器人的控製。

關鍵詞: 腦控係統; 機器人控製; Emotiv Epoc; 意識任務; LTCFB-CSP 算（suàn）法

腦控係統的核（hé）心是腦機（jī）接口( brain computer in-terface，BCI) 技術（shù），是（shì）測量（liàng）中樞神經係統的活動並（bìng）將它（tā）轉換成用來代替和增強中樞神經係統輸出的人工輸出係統。基於 EEG 的 BCI 技術應用（yòng）最為廣（guǎng）泛。BCI 分為主動式 BCI 與被動式 BCI。被動式 BCI 通過（guò）收集大腦以及其他生理信號來解析認知與心（xīn）理精神狀態，通常運用在（zài）高危以（yǐ）及需（xū）要注意力（lì）長（zhǎng）時間集中（zhōng）的地方。主動（dòng）式 BCI 通過安裝（zhuāng）在頭皮（pí）固定位置處的電極，檢測到相應的神經元活動彌散到頭皮上的（de）電勢（shì）分布，然後解讀電勢（shì）信號（hào）的分布，解碼一些（xiē）運動意圖信息，將這些運動意圖信息相應編碼，就可以控製外部的（de）設備，為人們提供一種全新的與外界交互的能力。主動式 BCI 最常用於殘疾人輔助設（shè）備，如腦控輪（lún）椅、腦控（kòng）義肢、通過 EEG 控製經顱磁刺激對受損的肌肉進行康（kāng）複治療與殘疾人（rén）輔助機器人等。目前，讓 BCI 新技術走出實驗室，服務廣大有需求的患者（zhě）和特殊的人群（qún）成（chéng）為 BCI 研究的（de）新挑戰［1］。

想象運（yùn）動與（yǔ）想象單詞生成都是意識任務的一種。想象（xiàng）運動表示有（yǒu）意識的想象一個運動意圖。可以在（zài）沒有外界刺激的情況下誘發出事件相關同步 /去同步特征波。被試在一段時間內根據提示（shì）的首字母拚寫（xiě）一（yī）連串單詞，拚寫的過程是由幾個不同的腦區同時作（zuò）用的結果。如拚（pīn）寫單詞“top”時，顳葉語言區、額葉中（zhōng）回區和視覺區等大腦相應區域會被激（jī）活，這就是（shì）想象單詞生成所解碼的特征波［2］。根據（jù）以上研究背（bèi）景，本文首先給出腦控係統的總體方（fāng）案，包括（kuò）離線（xiàn）訓練階（jiē）段與（yǔ）在（zài）線係統設計; 利用功（gōng）率譜估計與表麵拉普拉斯拓撲圖證明了（le）意識任務下 EEG 的特征; 再對 EEG 處理方法進行研（yán）究; 最後通（tōng）過在（zài）線實驗評估了係統的性能，使被（bèi）試利用想象運動、想象單詞生成等意識任務（wù）分別（bié）控製機器人的不同動作。

1.基於意識任（rèn）務的機器人腦控係統的總體方案

基於意識任（rèn）務的機器人腦（nǎo）控係統分為離線訓練階段與在線機器人控（kòng）製階（jiē）段。利用想象左手運動、想象（xiàng）右手運動、想象單詞生成等分別（bié）控製（zhì）機器人左轉、右轉與前（qián）進。在訓練階段通過特定的實驗範式與結果反饋使被試誘發出的（de）意識任務特征 EEG 更加穩定與準確，訓練完成後對離線數（shù）據進行（háng）處理，計算出每個被試特（tè）定的空間濾波器投影矩陣與分類（lèi）器模型。在線實驗階段，在 BCI2000 平台（tái）的基礎上配置各個模塊，設計實驗並完成（chéng）對（duì）機器人的控製。係（xì）統的總體方（fāng）案示意流程如圖 1 所示。

圖（tú） 1 基（jī）於意識任務的機器人腦控係統

1．1 離線訓練（liàn）階段

實驗範（fàn）式如圖 2 所示［3］，被試聽（tīng）到（dào）“beep”提示音後，提示一（yī）個（gè）實（shí）驗試次的開始（shǐ），過 2 s 會聽到隨機出（chū）現的“lefthand”來提示被試想象左手運（yùn）動、“right-hand”來提（tí）示想象右手（shǒu）運動，或提示要拚寫單詞的（de）首字母的聲（shēng）音，這時被試開始執行（háng）意識任務，任務持續時間為 4 s，緊接（jiē）著為 4 s 試（shì）次間（jiān）休息。需要注意的是，當被試聽到“beep”提示音後（hòu）須集中注意（yì）力（lì），身體各部分不能動，當任務提示聲響起時被試不能眨眼。實驗共包含 60 個試次，每種任務出現（xiàn） 20 次。每次任務結束時屏幕上會出現（xiàn）“YES”或“NO”的反饋，“YES”代表想象正確，“NO”代表想（xiǎng）象（xiàng）錯誤。當被試的訓練正確率達到（dào） 70%以上時，訓練結束，帶事件標簽的 EEG 數據被保存在計算機中。接著用離線數據中執行任務的部（bù）分做離（lí）線分析。首先分析意識任務下 EEG 的特征。在初級感覺運動皮（pí）層（céng）不（bú）處理感覺信息或運動輸出時，會表現出一種大（dà）約 8～12 Hz 頻率與 18～25 Hz 頻率的（de）節律性運動，這種（zhǒng）運動被稱為 μ 節律（lǜ）與（yǔ） β 節律。當單邊

圖 2 訓練階段的實驗範式

肢體運動或想象運動時，對側初級（jí）感覺運動皮層區域活躍起來，μ 與 β 頻率的節律性活動表現為幅度的降低，稱為（wéi）事件相關去同步（bù）( event-related desyn-chronization，EＲD) ; 反之，其同側皮（pí）層（céng）區域受到（dào）抑製，μ 與 β 頻率的（de）節律性活動表現為幅度（dù）升高，稱為事（shì）件相關同步( event-related synchronization，EＲS) 。想象運動因為其較明顯（xiǎn）的 EＲD/EＲS 現象被用（yòng）在BCI 技術中。想象單詞生成時，不同腦區的激活在特征上表（biǎo）現為相應腦區 α 頻段的升高［4］。

圖 3 3 種任務下 2 個導聯處（chù） EEG 的功率譜密度

利用離線數據計算 3 類意識任務的功率譜估（gū）計，如圖 3 所示，被試在單詞意識任務（wù）下 α 節律的功率遠高於其他 2 種任務。在大腦左半球 F3 導聯處，被試想象左手運動（dòng）時 μ 節律與 β 節律的功率都略高於想象右手運動。在大腦右半（bàn）球 F4 導聯處，μ 節律與 β 節律的功率表現兩者正好相（xiàng）反。圖 4 為（wéi）被試想象運動時（shí）的表麵拉普拉斯 EＲD 拓撲圖，每個圖（tú）代表4 s 腦電（diàn）信號的平均值，當進行一側手部想象運動時，對側初級感覺運（yùn）動區域出現 EＲD 現象。以（yǐ）上分析證明（míng）了本文采用的 Emotiv Epoc 作為便攜式采集設（shè）備的可行性。

圖（tú） 4 左手想象運動（dòng）( 左) 與右手（shǒu）想象運（yùn）動（dòng）( 右) 的 EＲD 拓撲圖

1．2 在線機器人腦控係統設計

如圖 1 中在線階段所示，係統中（zhōng）硬件（jiàn）包括腦電（diàn）采（cǎi）集設備 Emotiv Epoc，一台筆記本電腦，以及一個樂高（gāo）機器人。軟（ruǎn）件包括 BCI2000 與 MATLAB。整個係統由腦電設備采集信號，筆記本電腦處（chù）理信號並輸出指令控製機器人運動。由 BCI2000 平台完成信（xìn）號接收、信號處理和（hé）應用驅動之間的通信。BCI2000包括以下 3 個模塊。

1) 數據采集模塊: 將 Emotiv Epoc 記錄的信號經過預處理後打包傳遞給信號處理模塊。信號的導聯數目為 14，每次發（fā）送的數據包長度設置為 3 s。每段數據都經過 1～70 Hz 帶通濾波器與 50 Hz 陷波濾波器去除工頻幹擾。

2) 數據處理模塊: 此模塊通過調用（yòng） MATLAB 腳本來執行。將訓練階段訓練好的投影矩陣 W 與分類器模型傳遞給在線處理過程。在線（xiàn）腦電數據首先經過帶（dài）通濾波（bō）器組，再通過空間濾波器 W，對濾波後數據按維度求方差，最後通過分（fèn）類器模型進行在線分類（lèi），處理（lǐ）過程運算（suàn）時間約 1．5 s，完全可以在下一個數據包到（dào）來之前完成運算（suàn）。

3) 機器人模塊: 將數（shù）據處理模塊輸出的（de）指令通過機器人（rén） MATLAB 工具包編程轉換，轉換後（hòu）的指令通過 WIFI 傳遞給機器人，控製機器人進行動作。預設機器人直線行走速度為 0．2 m/s，並（bìng）預設路線。包含 8 個左轉彎、8 個右（yòu）轉彎、3 次（cì）停止與 3 次直線（xiàn）行走。

2.基於意識任務（wù）的腦電信號處理方法

的研究與實（shí）現意識任務下（xià）特征 EEG 的特征提取與模式識（shí）別算法的優劣直接影響了機器人腦（nǎo）控係統的（de）性能。算法部分采用離線訓練所得數據進行研究，並將算法運用於在線腦控係統（tǒng）中，每個被試都需要（yào）用離（lí）線（xiàn）數據計算（suàn）出（chū）特定的算法參數。意識（shí）任務下特征 EEG 的特征提取方法有Pwelch 功率譜估計分類方法、空間濾波器方法、交叉相關（guān）方法等。共空間模式 (common spatialpattern，CSP ) 是（shì）一種空間濾波器，用 CSP 方法可以從多導聯腦電信號中計算出頭（tóu）皮（pí）的特定激活區（qū）［5］。它被證明在（zài）分類想象運動（dòng）時有很好的分類效（xiào）果（guǒ）。本文將基（jī）於局部時間相關的濾波器組共空間模式算法( local temporal correlation based filter bank commonspatial pattern，LTCFB-CSP ) 運用在 3 種任務的特征提取中。方案流程圖如圖（tú） 5 所示，具（jù）體步驟如下:

圖 5 意識任務下特征 EEG 的信號處理方法

第 1 步預處理。使（shǐ）用 EEGLAB 工具包對數據（jù）進行預處理（lǐ），包括（kuò）壞導聯去（qù）除（chú）與去偽跡兩步，設計9 個切比雪夫Ⅱ型濾波器將整段數據濾（lǜ）波後得到 9段子信號，濾（lǜ）波器參數（shù）為最優（yōu）化參數，對每個子信號的 2～12 個采樣點（diǎn）內腦電數據求相（xiàng）關。

第 2 步特征提取。打亂試（shì）次間順序，70%作為訓練集，30%作為測試集; 采用成對組合方法將（jiāng）三分類問題轉化為二分類問題後通過（guò）共空間模式方法求出投影矩陣，將腦電信號投影到維數（shù）為 6 的（de）空間中（zhōng），並構造出特征（zhēng）矩陣。

第 3 步指令分類。采用支（zhī）持向量機作為分類器，核函數選擇線性核函數。對線性核函（hán）數中的懲罰因子 c 參數進行優化。如表 1 所示，最終（zhōng）的分（fèn）類結果經過 10 次隨機交叉驗證得出。

表 1 3 類（lèi）意（yì）識任務（wù）的最終分類準確率 /%

將 LTCFB-CSP 算法與其他 3 種 CSP 改（gǎi）進算法（fǎ）FBCSP 、LTCCSP 、ＲCSP-A 比較，結果如圖 6 所示，可見就分類準確（què）率而言，LTCFB-CSP 算法有更優越的（de）性能［5-6］。

圖 6 不同算法對意識任務下特征 EEG 的分類結果

3.機器人腦控係統（tǒng）實現與在線實驗結果

如圖 7 所示，實驗場所為室（shì）內 3 m×4 m 空地中，實驗選擇晚上相對安靜的環境。實驗前給被試（shì）佩戴 Emotiv Epoc 腦電（diàn）帽，信號采樣率設（shè）為 128 Hz，參考（kǎo）電極（jí）為左側乳突。讓被試舒適（shì）地坐在椅子上，要求被試熟悉機器人的行（háng）走路線（xiàn）並記住指令的順序。選擇經過訓練後的一名被試進行在線實驗（yàn），被試性別男，年齡 24 歲，視力通過佩戴（dài）眼鏡矯正至正常視力。啟動（dòng） BCI2000 平台，配置好相關參（cān）數後開始實驗。實驗過程中（zhōng），被試通過意識任務（wù）與眨眼肌電信號控製機器人繞過障礙物，走完預定路線（xiàn）。根據 4 次實驗測試（shì）驗（yàn）證，本係統基本能（néng）有效地控製（zhì）機器人完成預設的路線。

圖 7 基於腦機接口的機器人係統實驗實例

1) 準（zhǔn）確率。Kappa = ( acc－1 / N) / ( 1 － 1 / N) 。acc代表指令執行的正確率，N 表示要分類的（de）特征腦電（diàn）類別數（shù）。如表 2 所示，實（shí）驗一共進（jìn）行了 8 次。其中“左轉”指令一共執行了（le） 64 次，正確 46 次; “右轉”指令一共執行了（le） 64 次，正確 48 次，“直走”指令執行了 24 次，正確 18 次（cì）; “停止”指令執（zhí）行了 24 次，正確 22 次。每（měi）種指令的正確（què）率分別為 71．8%、75%、75%、91． 7%。4 個（gè）指令的平均（jun1）準確率為 78． 3%，Kappa = 0．71。3 類意識任務控製（zhì）指令的平均準確率為 73．9%。

表 2 在（zài）線實驗中每個指令的分類結果

2) 舒適度。實驗結束後，根據被試的實驗反饋，表示訓練階段時間適中，無需視（shì）覺刺（cì）激; 在線實驗階段腦電帽較舒適，意識任務（wù）與機器人的真（zhēn）實運動較類似，容易（yì）想象。因此（cǐ）本論文搭建的腦機（jī）接口係統舒適度高。

4.結論

針對腦機（jī）接口中腦電設備的便攜問題與（yǔ）腦機接口（kǒu）係統的（de）實用性問題，證明了意識任務下 EEG 具有較明顯的特（tè）征，研究了特征 EEG 處理（lǐ）方法並將該方法運用於在線機器人（rén）腦控係統（tǒng）中（zhōng），設計了基於意識任務的（de）便攜式（shì）機器人腦控係統，最後搭建在線係統的各個模塊，設計並完成實驗。機器人腦控係統準確率達到了 78．3%，響應時間控製在 3 s，被試通過（guò）意（yì）識任務繞過障礙物，完成預設的路線。

投稿箱：
如果您有機（jī）床（chuáng）行業、企業相關新聞稿件發表，或進行資訊合作，歡迎聯係本網編輯部，郵箱：skjcsc@vip.sina.com

更多相（xiàng）關信息

名企推薦

業界視點

| 更多

行業數據

| 更多（duō）

博文選萃

| 更多

數控（kòng）機床