基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的飛行器控制系統(tǒng)和飛行控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及了一種飛控系統(tǒng)和飛控方法，尤其是涉及了一種基于穩(wěn)態(tài)視覺(jué)誘發(fā)電 位的飛行器控制系統(tǒng)和飛行控制方法，基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位識(shí)別進(jìn)行飛行器的控制。
【背景技術(shù)】
[0002] 腦-機(jī)接口（Brain-computer interface, BCI)，是一種不依賴于大腦外周神經(jīng) 與肌肉正常輸出通道的通訊控制系統(tǒng)。它通過(guò)采集和分析人腦生物電信號(hào)，在人腦與計(jì) 算機(jī)或其它電子設(shè)備之間建立起直接交流和控制的通道，這樣人就可以通過(guò)大腦來(lái)表達(dá) 意愿或者操縱設(shè)備，而不需要語(yǔ)言或者額外的肢體動(dòng)作。通常BCI系統(tǒng)主要對(duì)P300信 號(hào)、運(yùn)動(dòng)想象（Motor imagery，MI)和穩(wěn)態(tài)視覺(jué)誘發(fā)電位（Steady-state visual evoked potentials, SSVEP)進(jìn)行研宄。
[0003] 穩(wěn)態(tài)視覺(jué)誘發(fā)電位（Steady-state visual evoked potentials, SSVEP)是指，當(dāng) 視覺(jué)的刺激頻率大于6Hz時(shí)，各次刺激引起的瞬態(tài)視覺(jué)誘發(fā)電位在時(shí)間上發(fā)生重疊，人的 大腦的視覺(jué)皮層會(huì)產(chǎn)生一個(gè)連續(xù)與刺激頻率的基頻或者二倍頻有關(guān)的一個(gè)響應(yīng)，這個(gè)響應(yīng) 被稱為穩(wěn)態(tài)視覺(jué)誘發(fā)電位。
[0004] 相比于其他BCI系統(tǒng)，基于SSVEP的BCI系統(tǒng)具有如下優(yōu)點(diǎn)：
[0005] (1)無(wú)需對(duì)被試者進(jìn)行訓(xùn)練，實(shí)驗(yàn)簡(jiǎn)單，適應(yīng)性強(qiáng)，可以針對(duì)不同年齡、性別以及種 族的人群進(jìn)行試用。
[0006] (2)具有明顯的周期性與節(jié)律同化現(xiàn)象。此現(xiàn)象表現(xiàn)為在被試的腦電頻譜分析中， 相應(yīng)的刺激頻率的基頻和倍頻處有很大幅度的峰值。因此SSVEP集中在特定的頻率上，它 的這一特點(diǎn)簡(jiǎn)化了 BCI的特征提取方法。
[0007] (3)具有較高信息的傳輸速率，達(dá)到使用目的。
[0008] (4) SSVEP具有較高的信噪比，需要的電極少，具有很強(qiáng)的可操作性。
[0009] 目前，對(duì)于無(wú)人機(jī)的操控一般采用遙控器，該種方式只適用于一般人群，一些殘障 人士很難實(shí)現(xiàn)對(duì)無(wú)人機(jī)的操控，并且這種方式缺少對(duì)飛行器控制的有效補(bǔ)償器，不能充分 發(fā)揮其主動(dòng)性。

【發(fā)明內(nèi)容】

[0010] 為了解決【背景技術(shù)】中存在的問(wèn)題，本發(fā)明提供了一種基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的飛 行器控制系統(tǒng)和飛行控制方法，具體是采集操作人員注視不同閃爍頻率刺激下的腦電信 號(hào)，通過(guò)分析不同頻率刺激下的腦電信號(hào)的特征，判斷操作人員注視的為哪一個(gè)頻率的閃 爍，對(duì)此控制飛行器的運(yùn)動(dòng)控制，將認(rèn)知神經(jīng)科學(xué)領(lǐng)域和信息技術(shù)領(lǐng)域進(jìn)行結(jié)合，實(shí)現(xiàn)飛行 器的自動(dòng)控制，本發(fā)明方法具有更高的普遍性。
[0011] 本發(fā)明通過(guò)如下的技術(shù)方案實(shí)現(xiàn)：
[0012] 一、一種基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的飛行器控制系統(tǒng)，如圖1所示：
[0013] 本發(fā)明包括依次連接的視覺(jué)刺激顯示屏、便攜式腦電采集設(shè)備、信號(hào)處理模塊、無(wú) 線傳輸模塊和飛行器控制模塊，飛行器控制模塊安裝在飛行器上，視覺(jué)刺激顯示屏、便攜式 腦電采集設(shè)備和信號(hào)處理模塊均安裝在地面，視覺(jué)刺激顯示屏上顯示有六個(gè)閃爍圖塊，六 個(gè)閃爍圖塊的閃爍頻率均不同，便攜式腦電采集設(shè)備被佩戴在操作人員的頭部，用于采集 操作人員注視視覺(jué)刺激顯示屏?xí)r產(chǎn)生的腦電信號(hào)；便攜式腦電采集設(shè)備包含采集模塊、放 大模塊、濾波模塊和模數(shù)轉(zhuǎn)換模塊，采集模塊采集操作人員頭部的腦電信號(hào)后依次經(jīng)放大 模塊、濾波模塊和模數(shù)轉(zhuǎn)換模塊，再經(jīng)無(wú)線傳輸模塊傳送給信號(hào)處理模塊，信號(hào)處理模塊將 腦電信號(hào)分析處理后傳輸?shù)斤w行器控制模塊，飛行器控制模塊發(fā)出飛行控制信號(hào)控制飛行 器的運(yùn)動(dòng)。
[0014] 所述的六個(gè)的閃爍圖塊分別對(duì)應(yīng)于飛行器的向上、向下、向左、向右、向前和向后 六種運(yùn)動(dòng)。
[0015] 所述的信號(hào)處理模塊可采用計(jì)算機(jī)，具體實(shí)施中可采用計(jì)算機(jī)構(gòu)建信號(hào)處理軟件 進(jìn)行處理。
[0016] 所述的便攜式腦電采集設(shè)備具有14導(dǎo)，按照國(guó)際標(biāo)準(zhǔn)導(dǎo)聯(lián)10-20參考系統(tǒng)佩戴。
[0017] 二、一種基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的飛行控制方法：
[0018] 1)采用所述的飛行器控制系統(tǒng)，將便攜式腦電采集設(shè)備佩戴在操作人員的頭部， 操作人員注視視覺(jué)刺激顯示屏上的閃爍圖塊，閃爍圖塊對(duì)應(yīng)于飛行器的六種動(dòng)作控制信 號(hào)；
[0019] 便攜式腦電采集設(shè)備實(shí)時(shí)采集操作人員注視視覺(jué)刺激顯示屏?xí)r的腦電信號(hào)，將采 集到的腦電信號(hào)依次進(jìn)行放大、濾波、模數(shù)轉(zhuǎn)換，然后通過(guò)無(wú)線傳輸模塊傳輸給信號(hào)處理模 塊；
[0020] 2)信號(hào)處理模塊在接收到操作人員的腦電信號(hào)之后，對(duì)腦電信號(hào)依次進(jìn)行預(yù)處 理、AR模型（Auto Regressive Model)譜分析特征提取和分類(lèi)的處理，得到腦電信號(hào)分類(lèi) 結(jié)果，將分類(lèi)結(jié)果通過(guò)無(wú)線傳輸模塊傳輸?shù)斤w行器控制模塊；
[0021] 3)飛行器控制模塊將分類(lèi)結(jié)果轉(zhuǎn)換為閃爍圖塊對(duì)應(yīng)的動(dòng)作控制信號(hào)發(fā)送到飛行 器控制進(jìn)行相應(yīng)的各個(gè)動(dòng)作，當(dāng)飛行器控制模塊未接收到分類(lèi)結(jié)果時(shí)，發(fā)出懸?？刂菩盘?hào) 到飛行器控制進(jìn)行懸停。
[0022] 動(dòng)作包括向上、向下、向左、向右、向前和向后的六種動(dòng)作。
[0023] 所述步驟2)信號(hào)處理模塊對(duì)腦電信號(hào)的處理具體包括：
[0024] 2. 1)預(yù)處理：先通過(guò)小波變換中的Mallat方法對(duì)腦電信號(hào)進(jìn)行有限層分解，將分 解得到最高頻和最低頻的小波系數(shù)置零，然后再進(jìn)行相同層數(shù)的小波重構(gòu)；其中分解的層 數(shù)與采樣頻率有關(guān)，將分解到的高頻段和低頻段的系數(shù)置零；
[0025] 2. 2)AR模型譜分析：對(duì)步驟2. 1)得到的腦電信號(hào)進(jìn)行AR模型譜分析，分析頻域 上的峰值，得到腦電信號(hào)中SSVEP信號(hào)的刺激頻率；處理后的信號(hào)是時(shí)域上的隨機(jī)信號(hào)，因 此可通過(guò)AR模型譜分析在這些隨機(jī)信號(hào)的頻與內(nèi)提取SSVEP信號(hào)；若基頻和其二倍頻有明 顯的波峰出現(xiàn)，則該基頻為SSVEP信號(hào)的刺激頻率。
[0026] 2. 3)信號(hào)的分類(lèi)：
[0027] 將SSVEP信號(hào)的六個(gè)刺激頻率與視覺(jué)刺激顯示屏閃爍圖塊各自對(duì)應(yīng)的閃爍頻率 進(jìn)行比對(duì)，若其中一個(gè)比對(duì)差值在頻率差值閾值范圍內(nèi)，則操作人員注視的是該比對(duì)差值 下對(duì)應(yīng)閃爍頻率的閃爍圖塊，作為分類(lèi)結(jié)果；若所有比對(duì)差值均不在頻率差值閾值范圍內(nèi)， 則沒(méi)有分類(lèi)結(jié)果。
[0028] 所述步驟2. 1)的預(yù)處理過(guò)程如下：
[0029] 2. I. 1)采用以下公式的Mallat方法對(duì)腦電信號(hào)進(jìn)行有限層分解：
[0030]
[0031] 式中，L為分解層數(shù)的總數(shù)，\為低通逼近分量，D ^為尺度細(xì)節(jié)分量，j為分解層數(shù) 的序數(shù)；
[0032] 2. 1. 2)信號(hào)X(η)的采樣頻率為fs，上述腦電信號(hào)中m……D1各個(gè)分量所 對(duì)應(yīng)的頻率分別為丨
[0033] 2. 1. 3)將步驟2. 1. 2)得到的最低頻段和最高頻段的分量置零，再進(jìn)行小波有限 層重構(gòu)去除最低頻段和最高頻段所對(duì)應(yīng)的腦電信號(hào)，小波有限層重構(gòu)的層數(shù)與步驟2. I. 1) 中分解層數(shù)相同，得到了中間頻段的腦電信號(hào)。
[0034] 所述的步驟2. 2)具體包括：
[0035] 2. 2. 1)采用以下公式表示的譜密度\與p階AR模型系數(shù)的關(guān)系計(jì)算得到譜密度 Sy:
[0036]
[0037] 式中，σν2為白噪聲序列的方差，ak是AR模型系數(shù)，p為AR模型的階數(shù)，i是虛數(shù) 單位，w是頻率，V (η)表示獨(dú)立于過(guò)去樣本的誤差項(xiàng)，k是階數(shù)的序數(shù)，k = 1，2,……，p ; 上述AR模型系數(shù)ak、AR模型階數(shù)p，定義于以下公式表示的AR模型：
[0038]