专注度触发假肢运动的新方法

摘要： 目的：由于脑电信号的复杂性，假肢控制系统对其难以识别，本文提出用人体精神专注度触发假肢运动的脑电控制新方法。方法：首先通过脑电信号采集装置从人脑中检测到脑电信号，解析出人体精神专注度数值；然后通过实验测定触发假肢运动和停止的阈值，受试者通过调节注意力，当专注程度达到运动或停止的阈值时，即可触发或停止假肢运动；最后，借助LabVIEW软件对专注度触发假肢运动和停止的过程进行模拟。结果：能够实现通过人体精神专注度来触发和停止假肢运动的目的。结论：以人体精神专注度作为假肢运动的触发源，可以为脑电控制假肢这一研究提供一种新的思路。

Abstract： Objective： Aiming at the problem that the brain electrical signal is not easy to be identified in the prosthetic control pattern， a new distinguishing method for the brain electrical signal， which is based on the human mental concentration， is proposed to realize the control of the artificial limb. Methods： First， the EEG signal is got from the brain electrical signal acquisition device， and the mental concentration data are resolved from EEG signal. Then the mental concentration's starting and stopping thresholds of the artificial limb movement are set by experiments. When these values are achieved by adjusting the human mental concentration， the artificial limbs work. Finally， the processing above is simulated with LabVIEW. Result： Achieve the purpose of triggering the movement of artificial limb through the human mental concentration. Conclusion： Choosing the human mental concentration as the trigger source of artificial limb movement can provide a new way for the research of brain electrical signal controlling artificial limb.

关键词： 脑电信号；专注度；阈值测定；LabVIEW软件模拟；假肢控制

Key words： EEG；attention；determination of threshold；simulation with labVIEW software；prosthesis control

中图分类号：R496 文献标识码：A 文章编号：1006-4311（2015）35-0127-04

0 引言

假肢的控制是近年来研究的热点之一，它具有代偿残疾人士或行动不便者部分生理活动的功能。采取何种合适的信号来有效地实现对假肢的控制是研究该问题的关键。

国内外许多科研人员对假肢控制进行了研究，并取得一定的成果。2004年Pons[1]等基于肌电信号，实现了假手柱状抓握、钩状抓握、对指和侧捏4种抓取模式。2005年陈海荣[2]利用肌电信号研制了可感受周围刺激的假手。随着肌电假肢的发展，美国芝加哥康复研究所和西北大学发明了TMR技术，此技术能够重建因截肢所失去的周围神经效应器[3-7]。2006年宋超等[8]利用语音识别和无线传输技术实现了对假手的语音远程控制。2009年Cipriani等[9]通过采集运动神经信号，实现了多功能假肢手的自身神经系统控制。二十一世纪初，美国杜克大学的研究者通过电极植入法，实现了大脑信号同步控制机械手臂[10]。2011年O’Doherty[11]等通过脑机接口，实现了让猴子用意念移动虚拟手掌。2012年Hochberg等[12]利用大脑思维，实现了机械手臂的抓和取2种动作模式。上述方法在一定程度上实现了对假肢的控制，但有些对适用人群存在局限性，有些受环境因素影响大，有些需配合有创手术且研究中受到伦理上的限制，都存在一定不足。

2013年北京邮电大学的闫俊涛等[13]人以从获取的脑电波信号中提取的人体精神专注度数据为研究对象，设计和开发了用脑电波控制彩灯颜色变化的意念控制检测设备。2015年东南大学的肖迪等[14]人通过对人体精神专注度的研究，实现了脑电波对音响音量的控制。然而，利用从脑电信号中提取出的专注度作为触发假肢运动的信号，这一控制模式目前在国内外未见报道。通过佩戴式耳夹，进行人体精神专注度的测量，可以大大降低脑电采集的复杂程度，并提高触发假肢运动的精确度。这种无创易携带的脑电控制方法，能够有效降低假肢控制的成本，提高其实用性。

1 系统组成与实验方法

1.1 系统组成

专注度触发假肢运动系统由脑电信号采集和模拟假肢控制两部分组成（系统框图如图1所示）。脑电信号采集部分由电源模块、信号采集模块、信号处理模块和信号传输模块构成。信号采集模块由干电极、耳夹构成，对脑电信号进行采集。信号处理模块由TGAM芯片[15]构成，对采集到的脑电信号进行分析和专注度的提取。信号传输模块由CSR BC417 HC05串口/UART转蓝牙芯片构成，将提取出的专注度在电脑软件中显示出来。电源模块由两节干电池构成，对整个采集部分进行供电。模拟假肢控制部分则通过LabVIEW软件加以实现。利用LabVIEW平台，进行软件编程，实时地接收脑电信号采集系统传输过来的专注度数值，与设计好的模拟假肢进行数据匹配，在满足条件的情况下实现对模拟假肢的控制。

1.2 实验方法

1.2.1 阈值的测定

只有当专注度数值达到一定临界点时，才可开启模拟假肢的运动，阈值即为开启该运动的临界点。为测定阈值，我们进行了相关实验。受试者先佩戴上脑电采集耳机，再将EEG电极紧贴在前额，此时，采集到的脑电信号就会被送入TGAM芯片中进行处理和分析，然后将分析好的结果通过CSR BC417 HC05串口/UART转蓝牙模块以9600波特率的串行数据发送到电脑上，由LabVIEW软件接收数据，当捕捉到有效数据时，系统开始控制模拟假肢运动。为了测定静止时触发假肢运动的阈值，本文对受试者在静止状态下进行24小时的专注度监测实验，每小时采集一次，采集时间为5分钟。为了测定运动时触发假肢停止运动的阈值，对受试者在运动状态下进行阈值监测实验和数据统计。为了观察阈值在不同天数内是否有差异，连续七天在10：00时刻对受试者进行阈值监测和数据统计。

复杂的脑电波经脑电信号采集部分处理后，在电脑端可以接收到转化后的专注度数值，其范围在1～100区间内，人体的专注程度与此数值大小成正比。在东南大学肖迪[9]等人分析专注度数据的基础上，为了减少触发假肢运动的误操作，进行了改进以适应本文研究的对象，即将每次的数据降序排列，取前40%数据中最小值作为该时段的阈值（肖迪等人的方法为取前60%），并进行统计。

1.2.2 LabVIEW软件设计

3D模拟假肢运动程序由串口设定部分、读取串口数据部分、获取专注度值并判断开启条件部分、获取专注度值并判断停止条件部分、正常步态模拟分段函数部分以及三维模型动态显示部分组成，程序框图如图2所示。为了保持数据采样的完整性，将串口设定与脑电采集模块发送速率一致。然后读取串口数据进行处理，提取出专注度数值并判断是否满足开启假肢运动条件，当满足条件时开启假肢运动。在假肢运动的同时，串口继续读取脑电采集模块发送来的数据，并提取专注度数值判断是否满足停止假肢运动条件，若满足条件则停止假肢运动。本系统设计了三维模型显示部分，加载了stl格式的三维腿部骨骼模型，通过正常步态模拟分段函数模拟人体正常步态并显示。本系统所设计的软件程序较为直观，分模块的编程方法方便系统程序维护和升级。

1.2.3 专注度数据的读取

串口读取的数据，是通过单极导联法获得的脑电压信号经由TGAM脑电处理模块后得到的一系列十六进制数据。TGAM大约每秒钟发送513个包，发送的包有小包和大包两种。专注度的获取在第513个这个大包内，这个大包的格式是固定的，专注度数值在最后几个字节内：04 （代表专注度Attention） xx Attention的值（0到100之间） 05 （代表放松度Meditation） xx Meditation的值（0到100之间）。通过上述数据的说明，我们在LabVIEW软件中，设计程序让串口读取04 xx 05 xx格式的数据，当捕捉到04后的数值满足一定阈值条件后，便可运行控制程序，控制3D模拟假肢运动。

1.2.4 LabVIEW控制3D模拟假肢

当脑电采集装置正常运行，成功读取到有效专注度数值之后，就会驱动程序触发模拟假肢运动。如图3所示，专注度读取窗口用来显示当前受试者的精神专注度数值，运动显示窗口显示模拟假肢的步态，模拟假肢的运动幅度由髋关节、膝关节、踝关节三个部分的角度来控制，具体通过关节波形显示窗口显示。

2 结果与讨论

2.1 阈值测定实验结果

本文对两名受试者进行阈值测定实验。两名受试者触发假肢运动的阈值在6：00至17：00时段内，都稳定在53左右；18：00至23：00，分别提高到61和60左右；0：00至5：00稳定在55和57左右，如图4（a）所示。两名受试者触发假肢停止运动的阈值在9：00至16：00时段内，都保持在61左右；17：00至0：00时段内，都保持在67左右，如图4（b）所示，同时，为了观察阈值在不同天数内是否有差异，我们连续七天在10：00时刻对受试者进行阈值监测和数据统计。从图4（c）可以得出结论，不同天数同一时刻的阈值无明显差异。

在测试的过程中发现，当人受到刺激时，专注度有大幅度提高。为了防止静止状态因外部刺激而产生触发假肢运动的误操作，我们对受试者给予不定时的刺激（刺激1为突然拍打，刺激2为语音刺激），记录专注度数值的变化。当人体受到外来刺激时，专注度会突变到80以上，如图4（d）所示。

由于阈值在不同时间和状态下存在一定差异，需根据其特征对阈值进行不同的设定。以受试者1为例，根据上述试验方法，在6：00至17：00时段，设置触发假肢运动的阈值为53，触发假肢停止的阈值为61；在18：00至5：00时段，设置触发假肢运动的阈值为61，触发假肢停止的阈值为67。当处于静止状态时，若专注度数值高于80，将不会触发假肢运动，避免因外界刺激而产生误操作。

2.2 模拟假肢运动实验结果

利用LabVIEW软件实验时，根据阈值测定的结果，设定53为开启运动的阈值，61为停止运动的阈值。当测试者佩戴好脑电采集装置后，保持专注状态，开启专注度窗口便开始显示当前测试者专注度数值，一旦数值大于53，模拟假肢便开始运动（模拟假肢运动后开启专注度窗口停止读数，停止专注度窗口开始读数）。当测试者想要模拟假肢停止运动，则再次保持专注状态，当停止专注度窗口显示的数值大于61时，模拟假肢停止运动。效果如图5所示。

2.3 讨论

本文在不同状态和不同时段均进行了阈值监测实验，对阈值进行了区分，适应了不同状态和时段对阈值的要求。

将脑电信号中提取的专注度与假肢控制系统相结合，这一方法尚未有人尝试。传统测量脑电波的方式是在头上涂满导电胶，装上十几个电极探头进行检测。本文通过佩戴式耳夹进行人体精神专注度测量，省去了以往检测方法复杂繁琐的操作步骤，用一对耳夹和一个EEG电极就能够对脑电信号进行采集。将可定量分析的专注度数值作为触发假肢运动的信号，可以提高假肢控制系统对脑电信号的识别。只要当专注度数值达到阈值时，即可触发或停止假肢运动。

3 总结与展望

本文以脑电波信号中提取出的专注度数值为研究对象，设计了用专注度来控制模拟假肢的方法。借助LabVIEW平台，实现了3D模型的仿真运动。整个系统能够较容易地获取专注度，佩戴者无需做专门的训练，简单轻巧，佩戴方便，又利于携带，对环境要求不高，适合大众消费，具有一定的推广应用价值。

随着对脑电波的深入研究，采集和分析技术将进一步提高。如何从复杂的脑电波中分析和提取出各种更加稳定、具有特征性的信息，为假肢的多种运动模式提供更为有效的控制信号，从而实现将脑电波作为控制假肢运动的直接信号源，这将是未来我们继续研究的方向。

参考文献：

[1]Pons JL， Rocon E，Ceres R，et a1.The Manushand Dextrous Robotics Upper Limb Prosthesis：Mechanical and Manipulation Aspects[J]. Auton Robot，2004， 16（2）： 143-163.

[2]陈海荣，新一代智能假肢[J].上海生物医学工程，2005，26（4）：246-248.

[3]Kuiken TA， Miller LA， Lipschutz RD， et al.Targeted reinnervation for enhanced prosthetic arm function in a woman with a proximal amputation：a case study[J]. Lancet， 2007， 369（9559）： 371-380.

[4]Zhou Ping， Lowery MM， Englehart KB， et al.Decoding a new neural machine interface for control of artificial limbs[J]. J Nuerophysiol， 2007，98（5）： 2974-2982.

[5]Huang He，Zhou Ping，Li Guang-lin，et al.An analysis of EMG electrode configuration for targeted muscle reinnervation based neural machine interface[J]. IEEE Trans Neural Syst Rehabil Eng， 2008， 16（1）： 37-45.

[6]Kuiken TA， Li Guang-lin， Lock BA， et al. Targeted muscle reinnervation for real-time myoelectric control of multifunction artificial arms[J]. JAMA， 2009， 301（6）： 619-628.

[7]Marasco PD， Kuiken TA. Amputation with median nerve redirection （targeted reinnervation） reactivates forepaw barrel subfield in rats[J]. J Neurosci， 2010， 30（47）：16008-16014.

[8]宋超，姜力，赵大威.基于SPCE061A的多自由度假手语音控制系统的研究[J].机械与电子，2006（10）：40-42.

[9]Cipriani C， Controzzi M， Carrozza MC. Objectives， criteria and methods for the design of the SmartHand transradial prosthesis[J].Robotica，2010，28（6）：919-927.

[10]Moxon KA， Morizio J， Chapin JK， et al. Designing a Brain-Machine Interface for Neuroprosthetic Control. in Chapin JK， Moxon KA （eds）.Neural Prosthesis for restoration of sensory and motor function[J]. Boca Raton， FL， CRC Press.2000.

[11]O，Doherty JE， Lebedev MA， Ifft PJ， et al. Active tactile exploration using a brain-machine-brain interface[J]. Nature，2011，479（7372）：228-231.

[12]Hochberg LR， Bacher D， Jarosiewicz B， et a1.Reach and grasp by people with tetraplegia using a neurally controlled robotic arm[J]. Nature，2012，485（7398）：372-375.

[13]闫俊涛，高立，任旭鹏.脑电控制及检测设备的研究与实现[J].数字技术与应用，2013（3）：30-32.

[14]肖迪，章文韬.基于TGAM模块和脑电波对音响音量的控制[J].电脑知识与技术，2015（9）：249-251.

[15]NeuroSkyInc.TGAM Sales Sheet.2011.