腦-機接口(BCI)系統是通過腦電(EEG)信號實現人和計算機等設備之間的交流和控制的系統。本文闡述了基于BCI技術的無線智能家居系統的工作原理,利用單片機、LED燈組成視覺刺激器誘發得到穩態視覺誘發電位(SSVEP),再利用在LabVIEW平臺上的功率譜變換方法實時處理不同頻率刺激下產生的EEG信號,將其轉化為不同的指令,由無線射頻設備收發控制命令,實現家居設備的實時智能控制。實驗結果表明,10名受試者的正確率均達到100%,單個設備的平均控制時間為4 s,實現了家居設備的智能控制。
引用本文： 趙麗, 邢瀟, 郭旭宏, 劉澤華, 何洋. 基于穩態視覺誘發電位的腦-機接口無線智能家居系統研究. 生物醫學工程學雜志, 2014, 31(5): 967-970. doi: 10.7507/1001-5515.201400182 復制
版權信息： ?四川大學華西醫院華西期刊社《生物醫學工程學雜志》版權所有，未經授權不得轉載、改編
引言
腦-機接口(brain-computer interface,BCI)是通過腦電(electroencephalogram，EEG)信號實現人與計算機或是其他設備之間通信和交流的控制的系統，在殘疾人康復領域有著十分重要的作用和研究意義。BCI的一項重要作用就是使思維正常但是行動有障礙的人擺脫用肢體動作與外部環境進行交流和控制的方法。這種為人們提供的無需用肢體動作實現人與外部環境的交互模式，非常適合特殊環境作業和殘疾人輔助生活[1-2]。智能家居是近年來新興發展的領域，對于人們生活智能化提供了大大的幫助，但是面向殘疾人的智能家居確是少之又少，滿足殘疾人生活的需要、提高其生活質量、共享科技進步帶來的便捷，是BCI技術的重要應用方向之一[3-4]。所以，研究基于EEG信號的智能家居對殘疾人有著十分重要的意義，而且隨著BCI技術的成熟，它將廣泛用于人的無需肢體動作控制電器設備領域。
1 基于SSVEP的無線智能家居系統的簡介
穩態視覺誘發電位(steady state visual evoked potential,SSVEP)是視覺系統對外部視覺刺激的響應，對于視覺和認知能力正常的人，眼睛經過視覺刺激后會在枕區位置產生特定的電位信號。在BCI中SSVEP具有高信息傳輸率、較短訓練時間和特征易于提取等優點，且僅需要位于枕葉皮層位置的少數幾個電極的信號就可提取。因此，SSVEP常作為人機交互系統的輸入信號。基于SSVEP的BCI無線智能家居系統，主要包括視覺刺激器模塊、EEG信號采集與處理模塊以及無線設備控制模塊，系統結構如圖 1所示。
圖1
系統流程圖
Figure1.
Flowchart of the system
視覺刺激器由MSP430系列單片機控制驅動的8個LED燈組成，設定好后無需研究人員控制。單片機控制定時器輸出8路方波，使每個燈以不同的頻率閃爍，從13.0~16.5 Hz以每0.5 Hz為間隔單位依次穩定閃爍，用以誘發產生不同的EEG信號。每個刺激燈代表不同的指令，在系統的軟件平臺上設定。
EEG信號采集主要利用中科新拓NT9200腦電放大器，采集到的EEG信號經過放大和預處理由USB發給上位機。
系統的軟件部分在LabVIEW平臺上實現，實現EEG信號的存儲以及實時處理，轉化為控制命令，由串口傳送到無線設備控制模塊。
無線設備控制模塊由單片機和無線收發模塊組成，包括一個主機、三塊從機兩大部分。主機負責從串口接收到指令后將控制命令通過無線模塊發送出去，從機無線模塊收到指令后轉給單片機，依據不同的指令，單片機分別控制不同的家用電器。
2 基于SSVEP的無線智能家居系統信號采集與處理
EEG信號作為一種生物電信號是不能直接用于控制電子設備的，所以將生物電信號轉化為控制指令是利用EEG信號的關鍵環節。BCI控制信號的采集過程包含了信號的提取、放大、濾波等的實現。然后要對信號在LabVIEW軟件平臺上進行特征提取，特征提取可有多種不同的算法實現[5]。在特征提取完成后，又要對信號進行識別分類，最終轉化為不同的控制指令，由串口傳送給無線模塊。
2.1 EEG采集
信號采集系統由記錄電極、信號隔離放大器、濾波器和模擬數字轉換器等部分組成。其作用是采集來自大腦的頭皮信號或皮層神經元信號等，并轉換成數字信號作為計算機的輸入控制信號。EEG信號的采集采用單極導聯法,通過枕部的O1電極采集EEG信號,分別以A1和A2通道的耳電極作為參考電極(根據國際標準10-20系統)。將提取出的電信號送入EEG信號采集放大器，完成信號的放大、濾波，并轉換為數字信號由USB數據線傳給LabVIEW軟件平臺，等待下一步的特征提取和命令轉化處理。
2.2 特征提取與命令轉化
功率譜表示單位頻帶內信號功率隨頻率的變化情況，反映了信號功率在頻域的分布狀況。計算采集到EEG信號的功率譜，提取出最大功率對應的頻率值作為特征值，利用模板匹配的方法轉將其換成控制信號，如13.0 Hz的刺激信號經過算法處理后輸出控制指令1，13.5 Hz則輸出指令2，以0.5 Hz作為頻率間隔，依次類推，直到16.5 Hz刺激信號的輸出指令為8。指令1~8分別代表臺燈、電扇、窗簾、電腦的開關動作。
功率譜估計的具體算法為：把信號x(n)的N個觀測數據視為能量有限的序列，直接計算x(n)的快速傅里葉變換(fast Fourier transform,FFT) x(k)，然后再取其幅值的平方，并除以N，作為序列x(n)真實功率譜的估計[6-7]。具體公式如下：
| $s\left( k \right)=\frac{1}{N}{{\left| FFT\left[ x\left( n \right) \right] \right|}^{2}}$ |
2.3 在LabVIEW中的實現
在LabVIEW中可調用互聯接口工具包中的執行系統命令VI實現腦電采集器的開啟，信號處理工具包中的自功率譜VI實現對信號的功率譜估計，數據通信工具包中的串口VI實現將控制命令通過串口傳給單片機模塊，具體程序如圖 2所示。
圖2
信號采集與處理程序
Figure2.
Signal acquisition and processing program
3 無線控制模塊
本系統建立了由AT89S52單片機、無線NRF24L01模塊和繼電器模塊組成的無線收發裝置，52單片機通過串口收到控制命令后，無線模塊將指令傳給從機，從機與家用電器相連，由繼電器控制家用電器的開關，一旦從機的無線模塊收到主機的指令，就會立即判斷控制繼電器的開合，從而完成EEG信號對指定家用電器的智能控制[8-9]。
4 基于SSVEP的無線智能家居系統的實驗結果與分析
4.1 實驗方法
10名受試者年齡為23~30歲，身體健康，其中7名男性，3名女性，均受過簡單的集中雙眼注意力的訓練。實驗過程中受試者以放松的姿態端坐在刺激器前，電極安放位置采用國際標準。受試者雙眼平行注視視覺刺激器，由腦電放大器采集產生的EEG信號，轉化為數字信號傳遞給上位機LabVIEW軟件處理平臺。在處理平臺上經過特征提取識別出受試者注視的刺激燈，觸發對應的指令，從而控制下位機臺燈、電扇、窗簾、電腦等家居設備的開關動作。
4.2 實驗過程
如圖 3、4所示，將臺燈、電扇等不同的家用電器分別放置在實驗室的不同位置，模擬家居環境，受試者分別坐在刺激器前，連接好信號采集設備，觀察視覺刺激器，每兩個刺激器控制一臺家用電器的開關，每個刺激器產生的信號和控制指令不同，單片機識別不同的控制指令產生不同的控制動作，繼而控制家用電器的開關。
圖3
基于SSVEP控制家電實驗
Figure3.
Experiment of control appliance based on SSVEP
圖4
智能家居控制界面
Figure4.
The controlling interface of smart home system
4.3 實驗結果與分析
本實驗在10名受試者之間進行，每人實驗1 min，分別觀察不同的刺激器，測試其能否發出指令和指令發出后家用電器設備動作以及接到指令后家用設備動作時間。實驗記錄了單位時間內發出的命令總數和正確觸發家用電器的次數(見表 1)。
表1
基于功率譜估計特征提取的智能家居控制系統的實驗結果
Table1.
Experimental results of smart home system based on the feature extraction of power spectrum estimation
通過實驗驗證，本套基于SSVEP的無線智能家居系統正確率高達100%，發送單條指令的時間平均5 s以內，最遠傳輸控制距離可達50 m左右，且受試者幾乎全部都能在規定時間內完成全套設備的觸發開關動作，證明本文的SSVEP的無線智能家居系統是可行的，實現了無需肢體動作僅用EEG信號實時控制家用電器的目的。本系統表明了基于BCI的智能家居系統的可行性和實用性，實時性和識別率良好，能夠準確判斷人的意圖，具有較好的使用價值，為下一步設計更加復雜、功能更加完備的智能系統做了嘗試。
5 結論
BCI技術作為近年來發展起來的新的領域不斷地帶給人們驚喜，為人們生活中許多難以解決的問題提出了新的解決辦法，已經成為人類科學不能缺少的重要學科。智能家居已廣泛應用于人們的生活中，為人們帶來了很多的便捷。基于BCI的智能家居更是具有實用價值的領域。但是作為新興學科，BCI技術還是存在許多問題，例如：如何加快信號的提取速度，提取出的信號的穩定性，以及信號識別的正確率等問題。所以SSVEP的研究還有待于進一步提高，但是相對于其他EEG信號，SSVEP以易識別和訓練時間短而廣泛應用，伴隨著技術的進一步精確,相信SSVEP會有更廣泛的用途，更多的EEG產品會相繼問世，進入人們的生活。
引言
腦-機接口(brain-computer interface,BCI)是通過腦電(electroencephalogram，EEG)信號實現人與計算機或是其他設備之間通信和交流的控制的系統，在殘疾人康復領域有著十分重要的作用和研究意義。BCI的一項重要作用就是使思維正常但是行動有障礙的人擺脫用肢體動作與外部環境進行交流和控制的方法。這種為人們提供的無需用肢體動作實現人與外部環境的交互模式，非常適合特殊環境作業和殘疾人輔助生活[1-2]。智能家居是近年來新興發展的領域，對于人們生活智能化提供了大大的幫助，但是面向殘疾人的智能家居確是少之又少，滿足殘疾人生活的需要、提高其生活質量、共享科技進步帶來的便捷，是BCI技術的重要應用方向之一[3-4]。所以，研究基于EEG信號的智能家居對殘疾人有著十分重要的意義，而且隨著BCI技術的成熟，它將廣泛用于人的無需肢體動作控制電器設備領域。
1 基于SSVEP的無線智能家居系統的簡介
穩態視覺誘發電位(steady state visual evoked potential,SSVEP)是視覺系統對外部視覺刺激的響應，對于視覺和認知能力正常的人，眼睛經過視覺刺激后會在枕區位置產生特定的電位信號。在BCI中SSVEP具有高信息傳輸率、較短訓練時間和特征易于提取等優點，且僅需要位于枕葉皮層位置的少數幾個電極的信號就可提取。因此，SSVEP常作為人機交互系統的輸入信號。基于SSVEP的BCI無線智能家居系統，主要包括視覺刺激器模塊、EEG信號采集與處理模塊以及無線設備控制模塊，系統結構如圖 1所示。
圖1
系統流程圖
Figure1.
Flowchart of the system
視覺刺激器由MSP430系列單片機控制驅動的8個LED燈組成，設定好后無需研究人員控制。單片機控制定時器輸出8路方波，使每個燈以不同的頻率閃爍，從13.0~16.5 Hz以每0.5 Hz為間隔單位依次穩定閃爍，用以誘發產生不同的EEG信號。每個刺激燈代表不同的指令，在系統的軟件平臺上設定。
EEG信號采集主要利用中科新拓NT9200腦電放大器，采集到的EEG信號經過放大和預處理由USB發給上位機。
系統的軟件部分在LabVIEW平臺上實現，實現EEG信號的存儲以及實時處理，轉化為控制命令，由串口傳送到無線設備控制模塊。
無線設備控制模塊由單片機和無線收發模塊組成，包括一個主機、三塊從機兩大部分。主機負責從串口接收到指令后將控制命令通過無線模塊發送出去，從機無線模塊收到指令后轉給單片機，依據不同的指令，單片機分別控制不同的家用電器。
2 基于SSVEP的無線智能家居系統信號采集與處理
EEG信號作為一種生物電信號是不能直接用于控制電子設備的，所以將生物電信號轉化為控制指令是利用EEG信號的關鍵環節。BCI控制信號的采集過程包含了信號的提取、放大、濾波等的實現。然后要對信號在LabVIEW軟件平臺上進行特征提取，特征提取可有多種不同的算法實現[5]。在特征提取完成后，又要對信號進行識別分類，最終轉化為不同的控制指令，由串口傳送給無線模塊。
2.1 EEG采集
信號采集系統由記錄電極、信號隔離放大器、濾波器和模擬數字轉換器等部分組成。其作用是采集來自大腦的頭皮信號或皮層神經元信號等，并轉換成數字信號作為計算機的輸入控制信號。EEG信號的采集采用單極導聯法,通過枕部的O1電極采集EEG信號,分別以A1和A2通道的耳電極作為參考電極(根據國際標準10-20系統)。將提取出的電信號送入EEG信號采集放大器，完成信號的放大、濾波，并轉換為數字信號由USB數據線傳給LabVIEW軟件平臺，等待下一步的特征提取和命令轉化處理。
2.2 特征提取與命令轉化
功率譜表示單位頻帶內信號功率隨頻率的變化情況，反映了信號功率在頻域的分布狀況。計算采集到EEG信號的功率譜，提取出最大功率對應的頻率值作為特征值，利用模板匹配的方法轉將其換成控制信號，如13.0 Hz的刺激信號經過算法處理后輸出控制指令1，13.5 Hz則輸出指令2，以0.5 Hz作為頻率間隔，依次類推，直到16.5 Hz刺激信號的輸出指令為8。指令1~8分別代表臺燈、電扇、窗簾、電腦的開關動作。
功率譜估計的具體算法為：把信號x(n)的N個觀測數據視為能量有限的序列，直接計算x(n)的快速傅里葉變換(fast Fourier transform,FFT) x(k)，然后再取其幅值的平方，并除以N，作為序列x(n)真實功率譜的估計[6-7]。具體公式如下：
| $s\left( k \right)=\frac{1}{N}{{\left| FFT\left[ x\left( n \right) \right] \right|}^{2}}$ |
2.3 在LabVIEW中的實現
在LabVIEW中可調用互聯接口工具包中的執行系統命令VI實現腦電采集器的開啟，信號處理工具包中的自功率譜VI實現對信號的功率譜估計，數據通信工具包中的串口VI實現將控制命令通過串口傳給單片機模塊，具體程序如圖 2所示。
圖2
信號采集與處理程序
Figure2.
Signal acquisition and processing program
3 無線控制模塊
本系統建立了由AT89S52單片機、無線NRF24L01模塊和繼電器模塊組成的無線收發裝置，52單片機通過串口收到控制命令后，無線模塊將指令傳給從機，從機與家用電器相連，由繼電器控制家用電器的開關，一旦從機的無線模塊收到主機的指令，就會立即判斷控制繼電器的開合，從而完成EEG信號對指定家用電器的智能控制[8-9]。
4 基于SSVEP的無線智能家居系統的實驗結果與分析
4.1 實驗方法
10名受試者年齡為23~30歲，身體健康，其中7名男性，3名女性，均受過簡單的集中雙眼注意力的訓練。實驗過程中受試者以放松的姿態端坐在刺激器前，電極安放位置采用國際標準。受試者雙眼平行注視視覺刺激器，由腦電放大器采集產生的EEG信號，轉化為數字信號傳遞給上位機LabVIEW軟件處理平臺。在處理平臺上經過特征提取識別出受試者注視的刺激燈，觸發對應的指令，從而控制下位機臺燈、電扇、窗簾、電腦等家居設備的開關動作。
4.2 實驗過程
如圖 3、4所示，將臺燈、電扇等不同的家用電器分別放置在實驗室的不同位置，模擬家居環境，受試者分別坐在刺激器前，連接好信號采集設備，觀察視覺刺激器，每兩個刺激器控制一臺家用電器的開關，每個刺激器產生的信號和控制指令不同，單片機識別不同的控制指令產生不同的控制動作，繼而控制家用電器的開關。
圖3
基于SSVEP控制家電實驗
Figure3.
Experiment of control appliance based on SSVEP
圖4
智能家居控制界面
Figure4.
The controlling interface of smart home system
4.3 實驗結果與分析
本實驗在10名受試者之間進行，每人實驗1 min，分別觀察不同的刺激器，測試其能否發出指令和指令發出后家用電器設備動作以及接到指令后家用設備動作時間。實驗記錄了單位時間內發出的命令總數和正確觸發家用電器的次數(見表 1)。
表1
基于功率譜估計特征提取的智能家居控制系統的實驗結果
Table1.
Experimental results of smart home system based on the feature extraction of power spectrum estimation
通過實驗驗證，本套基于SSVEP的無線智能家居系統正確率高達100%，發送單條指令的時間平均5 s以內，最遠傳輸控制距離可達50 m左右，且受試者幾乎全部都能在規定時間內完成全套設備的觸發開關動作，證明本文的SSVEP的無線智能家居系統是可行的，實現了無需肢體動作僅用EEG信號實時控制家用電器的目的。本系統表明了基于BCI的智能家居系統的可行性和實用性，實時性和識別率良好，能夠準確判斷人的意圖，具有較好的使用價值，為下一步設計更加復雜、功能更加完備的智能系統做了嘗試。
5 結論
BCI技術作為近年來發展起來的新的領域不斷地帶給人們驚喜，為人們生活中許多難以解決的問題提出了新的解決辦法，已經成為人類科學不能缺少的重要學科。智能家居已廣泛應用于人們的生活中，為人們帶來了很多的便捷。基于BCI的智能家居更是具有實用價值的領域。但是作為新興學科，BCI技術還是存在許多問題，例如：如何加快信號的提取速度，提取出的信號的穩定性，以及信號識別的正確率等問題。所以SSVEP的研究還有待于進一步提高，但是相對于其他EEG信號，SSVEP以易識別和訓練時間短而廣泛應用，伴隨著技術的進一步精確,相信SSVEP會有更廣泛的用途，更多的EEG產品會相繼問世，進入人們的生活。
