W-LVQ神经网络分类在意念控制的轮椅系统中的应用研究申报材料.docx

此文档收集于网络，如有侵权，请联系网站删除编号：_2015年桂林电子科技大学第十四届“挑战杯”全国大学生课外学术科技作品竞赛校内重点项目立项申报材料 项目名称：W-LVQ神经网络分类在意念控制 的轮椅系统中的应用研究申报学院：生命与环境科学学院 项目申报成员：李霈雯、李智江、罗博源 赖玲、梅惠、刘蓉、李吉平二一四年十一月桂林电子科技大学第十四届“挑战杯”大学生课外学术科技作品竞赛重点项目申报书、申报者认真阅读此说明各项内容后按要求详细填写。、申报者必须填写申报者情况表和作品情况表。、申报者在填写申报作品情况时只须根据作品类别（自然科学类学术论文、社会科学类社会调查报告和学术论文、科技发明制作）分别填写。、表内项目一律用钢笔（或签字笔）填写或打印，字迹要端正、清楚，此申报书可复制。、序号、编码由“挑战杯”大学生课外学术作品竞赛审查组填写。、作品申报书字体统一使用宋体小四，标题加粗；作品说明书、学术论文、社会调查报告及所附的有关材料必须是中文，请根据模板统一字体格式（包括一级标题、二级标题、正文、图标、参考文献等）。、作品申报书须按要求由各参赛者认真填写。、有关参赛事宜请向承办单位咨询。、该申请书打印稿交与组委会，另需向承办单位指定邮箱发送一份电子档。A、申报者情况申 报 者 情 况姓名李霈雯性别男出生年月1993年3月现学历 A A大学本科 B硕士研究生申报单位生命与环境科学学院专业生物医学工程学号1201430117学制4 年作品全称W-LVQ神经网络分类在意念控制的轮椅系统中的应用研究合 作 者 情 况姓名性别学号电话所在单位备注赖玲女120143020215577360323生命与环境科学学院有无合作者请在此说明：R 有 无刘蓉女120143020413558039051生命与环境科学学院罗博源 男130143012015607836197生命与环境科学学院李智江男 120143011815577393759生命与环境科学学院 梅惠女120143020513077660534生命与环境科学学院 李吉平 男 140143011818777351595生命与环境科学学院说明：1、必须有申报者本人按要求填写，申报者情况栏内必须填写个人作品的第一作者（承担申报作品60%以上的工作者）或集体作品填写一文学历最高的代表。2、本部分中的各学院签章视为对申报者情况的确认。B、科技发明制作 申报作品情况作品全称W-LVQ神经网络分类在意念控制的轮椅系统中的应用研究作品分类（在选项上画）A. 信息技术(包括计算机.电信.通信.电子等)RB. 机械与控制(包括机械、仪器仪表、自动化控制、工程、交通、建筑等)C.数理(包括数学、物理、地球与空间科学等)D生命科学(包括生物、食品等)E.能源化工(包括能源、材料、生态、环保等)F.外观设计(包括电脑艺术设计、机械CAD等)作品设计、发明的目的和基本思路、创新点、技术关键和主要技术指标1、 作品目的：智能轮椅是一种服务性装置，作为一种代步工具，可以帮助残疾人士自由的移动。最早的轮椅装置是手动控制的，随后出现了电动轮椅，但是手动或者电动轮椅，也只是使用于下肢残疾或者行动不便者。而对于残疾程度比较严重或者上肢无法活动的人士来说，更加智能化的人机接口设计能够为他们的生活提供极大的便利。意念控制的智能轮椅的出现将提高智能轮椅的通用性，并且让残疾人的生活更加的丰富多彩，让他们在生活中体会到更大的乐趣。2、 基本思路：在对意念控制的轮椅系统中，对脑电的信号处理一直是一项难以突破的难题。研究表明：当人进行想象单侧肢体运动时，大脑对侧的运动感觉区的mu节律和beta节律能量减少，而同侧的运动感觉区的mu节律和beta节律能量增大。这是由于大脑神经元突出后电位削弱和增强的结果，这种称为ERD/ERS（事件相关同步/事件相关去同步）现象，可作为判断想象运动的依据。利用小波包分析和LVQ（学习向量量化）神经网络相结合对脑电信号进行处理，并将这种算法应用于实际的轮椅控制研究中,具体的系统实现框图如下所示：图1 系统的信号处理框图算法处理主要由计算机完成。其中小波包分析的算法处理主要是针对脑电信号的非平稳性和复杂性所选择的处理算法，它可以在整个时频域内都有较高的时频分辨率和相同的带宽，它是一种更精确的分解方法，不仅对信号的低频部分进行分解，对信号的高频部分也进行分解。它具有良好的时频定位特性以及对信号的自适应能力，能够对各种时变信号进行有效的分解。其分解树如下图2所示.图2小波包分解树 对信号进行小波包分解后得到相应的特征向量（小波包系数和能量），再对信号进行分类研究，利用LVQ神经网络对特征向量进行分析。LVQ神经网络与竞争网络的特性几乎相同。然而，对于竞争网络，有非零输入的神经元表示输入向量属于那个类。而对于LVQ神经网络，竞争获胜的神经元表示的是一个子类而非一个类。一个类可能有几个不同的神经元（子类）组成。图3 学习向量量化（LVQ）神经网络图3 给出一个学习向量量化神经网络，该网络在输入层和竞争层间为完全连接，而在竞争层与输出层间为部分连接，每个输出神经元与竞争神经元的不同组连接。竞争层和输出层间的连接权值固定位1。输入层和竞争层间的连接权值建立参考向量的分量（对每个竞争神经元指定一个参考向量）。在网络的训练过程中，这些权值被修改。竞争神经元（又称隐含神经元）和输出神经元都具有二进制输出值。当某个输入输入模式被送至网络时，参考向量最接近输入模式的竞争神经网络因获得激发而赢得竞争，因而允许它产生一个“1”。而其他竞争神经元都被迫产生“0”。与包含获胜神经元的竞争神经元组成想连接的输出神经元也发发出“1”，而其他输出神经元均发出“0”。产生“1”输出神经元给出输入模式的类，每个输出神经元被表示为不同的类。最终将分类结果转换为不同的控制信号，从而达到意念控制轮椅的目的。3、 创新点：将小波包分解算法与LVQ神经网络结合对脑电信号进行处理，同时将输出的控制信号采用无线的方式传送到轮椅控制系统。达到控制的目的同时简化了线路的复杂性。实现脑电信号便捷控制电动轮椅的目的，为高度残疾人士提供了一个自由控制的平台。4、 技术关键：（1）脑电信号的滤波和特征提取以及信号的转换算法研究；（2）各部分信号之间采用UDP传输协议保证信号的传输质量；（3）控制信号的无线传输的实现；5、技术指标：信号分类的正确率及控制程度。作品的科学性先进性(必须说明与现有技术相比.该作品是否有突出的实质性技术特点和显著进步。请提供技术性说明和参考文献资料)意念控制系统是人与外部设备间所创建的直接连通通道，是生物科学与计算机结合的新型研究领域，计算机可直接接受脑部传来的命令。金海龙等人在运动现象脑电的研究中，应用HHT和BP神经网络对脑电信号进行识别，识别率可达到87.14%。证明了HHT对想象数据EEG数据的可行性和有效性。HHT只是在时间和频率上达到很高的精度，适用于研究突变的信号，而我们所研究的脑电信号突变性很小。而传统的时频组合的方法仍然是一种传统的分析平稳信号的方法，而EEG是一种典型的非平稳信号，识别率不高。所以众多学者采用了小波变换的方法对脑电信号进行分析，小波变换具有时频特性的可以对非平稳信号进行分析，是通过小波函数系数去表示或者逼近信号，但是它对频带的划分不是均匀划分的，具有高频频带宽，低频频带窄的特点，导致可能对某些有用信号的检测精度降低。而小波包分解能够为信号提供一种更精细的分析方法，它不仅将频带进行多层次划分，而且对小波分析没有细分的高频部分进行了分解。具有更好的时频特性，可以提高脑电信号分析的精度。而对信号进行模式识别的研究中，BP神经网络、聚类分析和SVM算法都被应用于识别的研究中，但也只是处于理论的研究阶段。而真正用于实践研究的的算法很少。在此，我们综合各种处理算法的有效性，并且针对信号传输的低损耗性，采用小波包分解与LVQ神经网络相结合的算法对脑电信号进行处理，并且采用模块式的同步处理机制，保证系统的现实应用性能，各处理模块间采用基于TCP/IP的通信协议可以传输运行所需的所有信息，并要保证以最大限度降低对模块间的耦合度。这样系统之间的通信协议将不受信号的通道数、信号处理的复杂度、运行实拍以及控制外部设备的信号个数等因素的限制。可以将算法应用到实际的研究中，以控制的程度作为算法的研究指标，此外，利用小波包分解将脑电信号进行3层分解，得到所需频段的特征，利用此算法预期得到的分类正确率能达到89%。控制轮椅的适用速度范围为100m/min，并且能够保证准确的避开障碍物。适用的环境温度为常温。采用直流有刷电机，且电动机的功率为：600W，适合残疾病人室内的活动，这将进一步增强脑机接口技术的实用性。参考文献:1 金海龙,张志惠.基于希尔伯特-黄变换和BP神经网络的运动想象脑电研究J.生物医学工程学杂志,2013,30(2):249-2562 谢松云,张振中,扬金孝等.脑电信号的若干处理方法研究与评价J.计算机仿真,2007,24(2):326-3293 G. Zhu, Y. Li, P.P. Wen, Epileptic seizure detection in EEGs signals using a fast weighted horizontal visibility algorithm, Computer Methods and Programs in Biomedicine (2014), /10.1016/j.cmpb.2014.04.0014 颜世玉,刘冲,赵海滨,等.基于小波包分解的意识脑电特征提取J.仪器仪表学报.2012,8(33):174817515 吴婷,颜国正,杨帮华.基于小波包分解的脑电信号特征提取J.仪器仪表学报.2007,28(12):223022346 施丽娟,王晓飞.结合小波包和ICA技术的脑电特征提取研究J.现代电子技术,2013,36(4):96-987 曾宪伟,赵卫明,盛菊琴.小波包分解树结点与信号子空间频带的对应关系及其应用J.地震学报.2008,30(1):90968 毛峡,孟庆宇.基于小波变换和神经网络的脑电信号分类方法J.北京航空航天大学学报,2005,31(10):11401144作品所处阶段RA实验阶段 B 中试阶段 C 生产阶段 D_(自填) 作品所展示的形式 实物 产品 模型图纸 磁盘现场R 演示图片 样品R 录像 使用说明及该作品的技术特点和优势,提供该产品的适应范围及推广前景的技术性说明及市场分析和经济效益预测1、 使用说明：使用者是根据自己的想象来控制轮椅的运动，使用之前需根据系统的提示进行想象运动的训练，根据系统的提示进行相应的运动想象任务，系统提示界面图如图4所示。当系统对其想象运动的识别率达到设定的值时即可对轮椅进行控制。整个系统的运行机理如图5所示。图4 系统提示界面图5 系统的运行机理2、 技术特点和优势：（1）技术特点：实现轮椅的意念控制，并且把信号的处理由理论研究转换到实际的应用阶段，使意念转换到控制信号所需的时间减少的同时，增强了系统的实时性，提高了信息传输率，降低了误动作率，并且采用模块式的信号同步处理机制，保证系统的现实应用性能。（2）优势：传统的轮椅控制系统大部分采用的是摇杆控制，近些年研究较多的语音控制对于没有语言能力的人也是无能而立。所以脑电控制的轮椅更具有普遍适用性，并且适用人群更广。使轮椅的控制更加智能和便利，能够使高位瘫痪的患者行动更加灵活。3、技术说明及市场分析和经济效益预测：联合国发表的报告指出：21世纪全球人口增加0.6倍，而老年人口将增加2.3倍，全世界人口老龄化进程正在加快。今后50年内，60岁以上人口比例将会翻一番，而由于各种灾难和疾病造成的残障人士也在逐年增加，他们存在不同程度的能力丧失，如行动、视力、动手及语言等。根据调查数据推算，全国各类残疾人的总数为8296万人。这一特殊群体的医疗和护理将成为经济和社会发展的巨大压力。随着现代社会对高度残疾人士的关注以及残疾人士对生活质量要求的提高，开发一种意念控制的轮椅是一种改变其生活现状的一种趋势，可以使只具备思维的人能够自由移动。目前美国、德国、日本、加拿大及中国等多个国家都开始了对智能轮椅的研究，伴随着微电子技术、脑科学和模式识别等高科技的发展，轮椅的功能将发生根本性的变革。随着现在疾病和灾难对人类的危害，植物人越来越多，这将具有很高的市场应用价值。专利申报情况提出专利申报申报号_ 申报日期： 年 月 日 已获专利权批准批准号_批准日期： 年 月 日 未提出专利申请说明: 1、必须由申报者本人填写；2、本表可以附有研究报告,并提供图表、曲线、实验数据、原理结构图、外观图(照片),也可以附鉴定证书和应用证书；3、作品分类请按照作品发明或创新点所在类别填表。2015年桂林电子科技大学第十四届“挑战杯”全国大学生课外学术科技作品竞赛校内重点项目立项作品说明书目 录第1章 概述111.1研究背景111.2国内外研究现状121.3研究意义12第2章 设计方案132.1软件设计142.2硬件设计15第3章 信号处理173.1信号分析173.2特征提取及分类研究19第4章 使用说明20第5章 总结23参考文献24此文档仅供学习与交流第1章 概述1.1研究背景近些年来，患有神经症状及神经退行性疾病人数逐年增加，肌萎缩性脊髓侧索硬化症（ALS，也称葛雷克氏症）、脊髓损伤、中风等。这些疾病扰乱了大脑至脊髓及其最终目的即肌肉的正常信息交流，进而影响人的行动意图。这使患者失去了所有与外界进行沟通的途径，成为了一个自我封闭的个体。这类患者虽然有活跃的思维，但是自主的肌肉控制功能确完全的丧失了，甚至不能说话，不能进行眼睛的转动，甚至不能进行吞咽的动作，现代的医疗手段可以维持他们的生命，却不能给他们提供好的生活质量。随着社会文明程度的发展，提高残疾人士的生活质量，使他们能够更好的融入社会，已经成为全社会关注的重要问题之一。在2014年由美国开始发起的一起关注“渐冻人”的冰桶挑战也由美国逐渐发展到全球，使人们对这些神经性疾病更加的了解和关注，同时也使国际的医疗组织能够筹集更多的钱财和人力去研究和帮助这些患者。所以，在为这些患者寻求医药等的解决办法的同时，现在如何改善他们的生活质量，也是我们要研究和关注的内容。霍金是我们众所周知的一位“渐冻人”患者，他的全身肌肉已经萎缩，身体四肢的神经都不能接受大脑的控制。但是我们可以知道，他的思维甚至是智力并没有受到疾病的影响，甚至他的思维都可以超越我们正常人的认知能力。他现在所拥有的一部智能轮椅，能够帮助他实现自由行走的目的，甚至可以辅助他与外界的交流，这就及其方便的改善了他的生活质量，也是我们以后将要研究和发展的一个医疗辅助方向。智能轮椅是一种服务性装置，作为一种代步工具，可以帮助残疾人士自由的移动。最早的轮椅装置是手动控制的，随后出现了电动轮椅，但是手动或者电动轮椅，也只是使用于下肢残疾或者行动不便者。而对于残疾程度比较严重或者上肢无法活动的人士来说，更加智能化的人机接口设计能够为他们的生活提供极大的便利。意念控制的智能轮椅的出现将提高智能轮椅的通用性，并且让残疾人的生活更加的丰富多彩，让他们在生活中体会到更大的乐趣。1.2国内外研究现状在美国、欧洲、日本和中国等，脑机接口的研究一直处于迅速发展的状态，其研究小组从1995年的不到6个，一直发展到现在的成百上千个。全世界的研究所和研究者都在关注脑电信号的处理技术和处理方法。国外学者对智能轮椅的研究先于国内，英国是第一个研制成功智能轮椅的国家，相继又有很多的国家投入了这项技术的研究。例如美国麻省理工学院进行的wheelchair项目、德国乌尔姆大学的maid项目、希腊Foundation for research&Technology Hellas开发的商业智能轮椅系统。最近几年，网络受关注比较高的就是日本理化学研究所与丰田公司发明的脑电波控制的轮椅，通过人的头部电信号的变化，转换为轮椅的控制信号，达到控制轮椅的目的。同时，随着生物医学的发展，科学家对人头部的了解也越来越深入，随着电子技术与医疗行业的相互融合，大量的电子科学技术别应用于疾病的治疗和康复当中。脑机接口技术就是在此形式下发展起来的一门科学技术，他借助于电子科学手段，不依赖于人的神经系统，来实验人类只有通过神经系统才能完成的动作和任务。在此基础上，国内科学家开始研究更加智能的非肌肉性质的控制研究，就比如脑神经科学与电子科学相结合的脑电控制系统，清华大学的医学院的神经工程研究所的高上凯研究小组，一直致力于研究基于BCI技术的应用研究。通过对SSVEP的长期研究及探索，研制出了一套高传输效率的SSVEP-BCI系统，并于2006年展示了利用想象脑电信号控制机器狗踢球的国际领先水平的BCI系统。1.3研究意义伴随着微电子技术、脑科学和模式识别等高科技的发展，智能轮椅的功能将发生根本性的变革。随着现在疾病和灾难对人类的危害，植物人越来越多，这将具有很高的市场应用价值。传统的轮椅控制系统大部分采用的是摇杆控制，近些年研究较多的语音控制对于没有语言能力的人也是无能为立。所以脑电控制的轮椅更具有普遍适用性，并且适用人群更广。本作品综合各种处理算法的有效性，并且针对信号传输的低损耗性，采用小波包分解与LVQ神经网络相结合的算法对脑电信号进行处理，并且采用模块式的同步处理机制，保证系统的现实应用性能，各处理模块间采用基于TCP/IP的通信协议可以传输运行所需的所有信息，并要保证以最大限度降低对模块间的耦合度。使轮椅的控制更加智能和便利，能够使高位瘫痪的患者行动更加灵活。实现轮椅的意念控制，并且把信号的处理由理论研究转换到实际的应用阶段，使意念转换到控制信号所需的时间减少的同时，增强了系统的实时性，提高了信息传输率，降低了误动作率，并且采用模块式的信号同步处理机制，保证系统的现实应用性能。这样系统之间的通信协议将不受信号的通道数、信号处理的复杂度、运行实拍以及控制外部设备的信号个数等因素的限制。第2章 设计方案该控制系统主要由Emotiv脑电采集装置，一台笔记本电脑，一个单片机控制器组成。利用提示被试者想象左右手运动的脑电信号特征，来实现轮椅的左转和右转的控制，对今后进一步研究轮椅的精确控制系统具有重要的指导意义。整体的设计方案如下图1所示，为控制系统的基本功能结构图。每次数据获取模块获得一组脑电数据后，就发送给信号处理模块，在此对脑电数据进行信号的特征提取和模式分类，并将分类的结果转化为控制命令发送给用户应用模块。并且，用户应用模块可以将时间标记结果反馈给源模块并与原始信号一起存储到磁盘上，这样文件内容就可以在离线方式下进行试验过程的重构。各个模块所传递的信息（如信号、变量）都已被高度标准化来降低模块间的耦合度。每个模块的各自实现自己的功能，它们之间的通信协议不受信号的通道数和采样率、信号处理的复杂度和所需要控制的外部设备等因素的限制。图1 轮椅控制系统结构图2.1软件设计数据之间采用UDP传输方式，其中上位机设计如图2 所示。BCI2000的外部程序接口(AppConnector)提供了BCI2000与运行在同一计算机或局域网内其他不同计算机上的外部程序进行双向数据交换的通道。通过外部程序接口，外部应用程序可以读/写BCI2000的状态向量和控制信息。BCI2000从ConnectorInputAddress参数指定的本地IP socket上读取AppConnector信息，并把信息写进ConnectorOutputAddress参数指定的socket上，socket由一个地址/端口组合来指定，地址和端口之间用冒号来指定，实验设定为localhost：20230。利用AppConnector接口来控制外部设备意味着外部设备必须在BCI2000之外完成，相应的参数不随数据文件一起存储，我们建立外部应用程序，此程序基于MFC创建，首先创建一个UDP socket，通过读取ResultCode状态来获取分类结果，我们通过设置端口，来监听所设置的UDP端口的信息，读取由SignalProcessing计算得到的控制信号。所以我们创建基于MFC的UDP监听程序时，把监听到的控制信息，利用com类转换为USB输出。转换程序如下：void CIPDlg:OnSend() / TODO: Add your control notification handler code here if(!m_bOpenPort) return; /检查串口是否打开，如果没打开，退出 m_Port.WriteToPort(LPCTSTR)getbate);/发送数据在此，USB输出接蓝牙通信模块，把控制信息以蓝牙的形式输出到轮椅电机的控制模块处。当我们把基于蓝牙传输的USB口插进电脑时，我们所创建的wheelchair control interface软件会自动识别串口，联通传输信号。此时，我们只需把电脑放在轮椅附近处，就可以让使用者在不携带电脑的情况下，达到控制轮椅运动的目的。图2 监听-转换上位机2.2硬件设计控制信号经过蓝牙传输模块给控制板，控制板接收到控制信号，继而驱动电机控制模块，控制电机转动，从而实现控制轮椅的运动。考虑对芯片性能的要求和实际的接口应用，选择STM32F103单片机作为主控芯片。STM32F103有专门为电机控制而设定的高级定时器，带有6个死区时间可编程的PWM输出通道，同时其带有的紧急制动可以在异常情况出现时，强迫PWM信号输出保持在一个预定好的安全状态，在具备高性能表现的同时保持了低功耗特性。控制器电路图如图3所示。模块由MCU(STM32F103)、蓝牙接收模块、LED显示三大部分组成，主要工作原理为：蓝牙模块接收电脑USB输出的脑电信号，传至MCU进行信号的识别，进而控制电机的运转，达到控制轮椅方向的目的。LCD显示电动轮椅的运行状态和时间显示。由于电动轮椅使用蓄电池供电，实验中利用蓄电池给控制板供电，电源转换电路如图4所示。图3 控制器电路图图4 电源电路第3章 信号处理3.1信号分析Mu/Beta节律变化都与人类正常的运动/感觉功能相关，人们不参与实际运动就可以改变这些节律的变化，所以他们可以作为BCI通信的良好的信号特征。运动想象会使Mu（8Hz-12Hz）或Beta（18Hz-25Hz）频带产生变化10。对采集数据进行小波包分解，分解到第三层如图5和图6 所示小波包分解重构信号图。想象左右手运动时，采集通道C3/C4两者的各个频带归一化能量分布如下图7图8所示：由图可知，利用小波包分解得到的能量特征很好的反应了左右手运动想象两种意识任务的差距，具有很好的分离性，有利于BCI系统对不同运动想象任务进行分类是可行的。图5 想象左手运动时C3通道小波分级各层重构信号图6 想象左手运动时C4通道小波分级各层重构信号图7想象左手运动时C3通道小波包的能量谱图图8 想象左手运动时C4通道小波包的能量谱图3.2特征提取及分类研究首先提取想象阶段的数据，即3-8s时间段的数据，将提取数据进行小波包分解。将分解后的信号进行小波系数提取后将小波系数进行重构，提取出各个频带的小波包重构系数矩阵。这分别包含着8个频带的信号特征信息。为了降低分析向量的维数，选取想象信号所在的频带即8-16HZ和16-24HZ的频段作为分析目标。提取这个频段的归一化能量作为特征,部分数据如下表所示：表1 生成的特征向量表格特征1特征2特征3特征4类别0.07420.09880.33790.188510.10800.15430.52100.488720.07220.09160.49460.357820.13790.14170.24700.495220.06120.12880.23820.542720.12390.18410.66410.558610.12210.15390.66390.355410.14380.16530.37040.543820.07440.09250.33170.426220.11740.23440.64260.375410.10250.13580.56070.388510.18200.17450.30130.452920.16340.17870.55650.34551我们采用实验组给出标记的100组实验作为训练，同时采用剩余的40组数据作为验证。将利用小波包分析提取的特征向量作为神经网络的输入，在Matlab中创建LVQ神经网络模型，进行相关参数的设计，利用训练数据训练LVQ神经网络。利用特定小波频带能量作为特征向量输入的LVQ神经网络分类对测试数据的分类结果如下表2所示表2 LVQ神经网络分类结果类别1类别2实际数目 2020判断结果1815正确率90%75%总正确率82.50%同样的条件下，我们利用特定小波频带能量作为特征向量，采用BP神经网络进行分类，针对同样的数据，我们得到的分类结果如下表3所示：表3 BP神经网络的分类结果类别1类别2实际数目 1921判断结果910正确率47.37%47.62%总正确率47.50%第4章 使用说明使用者是根据自己的想象来控制轮椅的运动，使用之前需根据系统的提示进行想象运动的训练，根据系统的提示进行相应的运动想象任务。当系统对其想象运动的识别率达到设定的值时即可对轮椅进行控制。意念控制轮椅的使用步骤如下所示：1）正确佩戴头部脑电采集装置。图9 为采集脑电国际标准电极安防位置示意图，图10为脑电采集装置Emotiv装置。按照电极的安放标准需要将Emotiv装置安放在头部正确的位置。图9 国际标准电极安防位置 图10 Emotiv脑电采集装置佩戴好后，打开蓝牙传输装置。头部后面蓝色发光装置，发出亮光后，可以正常传输信号。如图11 所示。此时，电脑端开始正常采集数据，佩戴正确后，采集的正常数据如图12 所示图11 佩戴示意图图12 采集正常数据的图示2）开启轮椅驱动装置。轮椅采用STM32单片机作为主控芯片，使用充电电池作为电源供电，在脑电设备开始正常运行以后，打开轮椅的开关控制端，同时打开了控制器连接的蓝牙接收装置。整个轮椅控制板如下图13 所示图13 轮椅驱动头装置3）按照提示，使用者进行相应的运动想象。提示符如下图14所示，当屏幕出现图示提示符时使用者进项相应的想象动作。通过转换将相应的想象行为转换为控制信号输出。输出形式为蓝牙输出，蓝牙模块如图15所示。图16为实际使用的图示。图14 命令提示符 图14 提示符 图15 蓝牙发送装置图16 实际控制运动第5章 总结本作品的优势是：说用小波包分解得到的能量特征很好的反应了左右手运动想象两种意识任务的差距，具有很好的分离性，保留了信号的时域和频域信息。采用特定子带的小波包系数能量组成的特征矢量作为神经网络分类器的输入。利用LVQ神经网络对运动想象数据进行了分类研究。实现轮椅的意念控制，并且把信号的处理由理论研究转换到实际的应用阶段，使意念转换到控制信号所需的时间减少的同时，增强了系统的实时性，提高了信息传输率，降低了误动作率，并且采用模块式的信号同步处理机制，保证系统的现实应用性能。参考文献i. Vaughan T M,Heetderks W J,Treji L J,et al.Guest