基于TGAM模块和脑电波对音响音量的控制

脑电波信号现今已被研究作为一个生物信号输入用于人机交互。它可以用来开发用于提升注意力的游戏,也可以被应用在残疾人治疗上。TGAM模块利用一个干式电极就可以从人脑中检测到微弱的脑电信号。该文对TGAM模块的研究和实验,控制专注度和放松度等数值。基于MDT开发包进行软件开发,研究脑电波信号的统一性与特殊性,将TGAM模块应用于播放器,通过应用程序接口,建立通讯,进行数据分析处理,实现了比较好的调控效果。

基于TGAM模块的便携式脑力疲劳检测系统

目的现代社会中脑力劳动者脑力疲劳容易引发事故和心理疾病,设计一种便携式脑力疲劳检测系统及时检测脑力疲劳并提醒劳动者休息具有重要的现实意义。方法在Android系统平台进行脑力疲劳检测系统的设计,主要包括脑电采集端、Android移动端、服务器端3个模块。检测系统首先通过脑电采集端进行听觉诱发EEG信号的采集,再将EEG信号通过Android移动端传输至服务器端,利用多种解析算法提取P300中P3b成分的幅值进行分析,最后将分析结果返回Android移动端。结果脑电采集端可实现对EEG进行采集、放大、滤波及传输,并通过蓝牙模块传输至服务器端进行解析和疲劳评判。通过Android端可查看原始脑波、P300波形、疲劳评判结果以及历史数据,也可登录服务器端查看原始脑电数据和数据处理结果。结论所构建的系统可以实时采集用户的脑电数据并进行P300波形分析,方便快捷地得到用户的脑力疲劳状态。未来将进一步优化算法模型,减轻个体差异性对准确度的影响。

一种脑电远程控制的仿生机械手臂

该款仿生机械手臂利用安装在头部的TGAM模块和安装在人手臂部的加速度传感器采集运动信号,通过无线传输远距离制定仿生机械手臂,实现机械臂与人脑意识和人臂的同步运动。机械手臂可实现五个自由度的运动,可靠的闭环控制系统可实现准确定位,准确抓取,来完成各种预期的作业任务,在构造和性能上兼有人和机器各自的优点,体现了人的智能和适应性。脑电远程控制是该款仿生机械手臂的显著特点。

脑波控制的智能医疗轮椅系统

设计一款采用脑电波技术进行脑机交互的轮椅系统,用于方便残疾人的日常出行和腿伤患者的治疗康复。通过使用美国NeuroSky神念科技有限公司的TGAM模块传感器,对模块佩戴者额叶脑波信号进行实时检测,通过算法分析得到脑波α波、β波、θ波、δ波的能量值,并根据RawData原始数据计算得出眼动次数。程序将眼动次数处理为具体的数字信号,从而控制轮椅,实现轮椅的前进、停止、转向功能。该系统可广泛运用于游戏、虚拟现实、儿童多动症诊断辅助治疗等领域。

意念控制无人机的相关研究

意念控制无人机是基于脑-机接口(Brain-Computer Interface,BCI)系统来实现的。使用NeuroSky的脑波传感器ThinkGear AM(TGAM)模块提取脑电信号,对TGAM模块的配套开发包进行软件编译和开发,将提取到的脑电信号中的专注度和眨眼强度以数值的形式显示出来,并设置阈值定义不同的飞行模式,在PC端设计出一个意念控制显示平台,可以直接观察佩戴者的意念状态和无人机的飞行状态。另一方面,PC端由串口将处理后的脑电信号传输给信号发射器,信号发射器根据实时采集的脑电信号输出对应的指令,从而操控STC15系列四旋翼直升机的起飞、下降、飞行方向和前进速度。

基于单通道脑电信号的疲劳检测系统

针对目前高强度劳动人群频繁猝死的情况,文中设计了一套基于单通道脑电信号(Electroencephalography,EEG)的疲劳检测系统,以实现对该类人群疲劳程度的准确判定,起到预警效果。系统利用TGAM(ThinkGearm AM)脑电模块采集原始EEG数据,通过蓝牙方式将数据传送至上位机,在上位机中提取EEG的4个基本节律成分(δ,θ,α,β),以节律信号的相对频带能量作为表征疲劳状态的脑电特征,并利用Fisher判别分析(Fisher Discriminant Analysis,FDA)和概率神经网络(Probabilistic Neural Network,PNN)两种方法对脑电特征进行分类,给出评估结果。实验结果表明,所设计的基于单通道EEG的疲劳检测系统能够实现准确率较高的疲劳状态检测。

齿轮-连杆组合机构多足机器人的设计与控制研究

基于蜘蛛、螃蟹节肢动物的爬行方式,采用作图法设计一种满足预定轨迹要求的齿轮-连杆组合机构:多足机器人。利用Solid Works软件对该机器人零件进行装配,并采用其中的Motion模块添加马达进行运动仿真分析,得出爪端速度曲线,验证了该机构的可行性。另外,该机器人搭载了TGAM脑电模块采集脑电数据,通过蓝牙串口发送给PC机进行数据处理,最后将数据发送给Arduino平台控制多足机器人以不同速度前进,实现脑波控制机器人的目的。

基于脑波检测的沉浸式游戏开发

基于TGAM脑电模块利用Unity引擎设计了一款脑机接口游戏。通过TGAM脑电模块对脑电波进行特征提取,对所提取的特征进行处理后获得用户的专注度和眨眼信号;Unity引擎根据从脑电波中提取的专注度数据和眨眼信号来控制小球的速度变化和跳跃行为。此种控制方法能够大大提升用户玩游戏时的沉浸感和新鲜感,还能训练玩家的专注度,是将脑机接口技术应用于游戏领域的一次成功探索。

基于STM32F103的脑控小车设计

对于以往TGAM脑电传感器的应用场景较少的现象,本文基于STM32F103智能小车开发板、TGAM脑电传感器、蓝牙传输模块和超声波模块等主要部件设计并实现了一款脑控小车,对以往的TGAM应用方案进行了创新和优化,大大增加了脑电的传输距离,提高了脑电提取的效率,使小车的控制方式更加丰富,为智能交通、医疗器械等领域提供了一种新的方案。

脑电波传感器研究及应用

为了实现通过"意念"来进行音乐的播放、暂停、换歌、音量调节、疲劳提醒,智能关闭等功能,在收集脑电波信号时采用蓝牙脑电波传感器Think Gear AM(TGAM),并且使用TGAM模块配套的软件开发工具包,设计并了操作思路,建立TGAM模块与手机的信息交互,对脑电波信号进行识别和分析处理,改进算法,提高数据的准确度,将分析获得的数据与平均值对比,进而对音乐播放器进行控制,实现了较好的提示、调控效果、创新型播放效果。