联系我们

南平微特潜能开发中心

联系人:叶老师

电话:0599-8552186

地址:南平市延平区滨江中路337号三联大厦14楼(区实验小学前)


当前位置 : 首页 >新闻资讯 >了解感统
植基於無線腦波儀之心境模式判讀與應用

本論文主要以簡易的單極擷取前額單點之腦波訊號,經過處理之後將β、α、θ以及δ波正規化之後, 彙整成專注力(Attention) 與禪定力(Meditation),再透過藍芽介面傳遞至處理系統。處理系統可依訊號配合模糊理論及神經網路量化以控制相關之電路。在本研究中,主要以禪定儀展現受測主之專心度與禪定度;以專心度控制軌道遊戲汽車。實驗結果證實,本系統提供一個方便且簡易之腦波檢測環境。

關鍵詞:腦波儀、藍芽介面。


Abstract

The purpose of this paper proposed the application in the consumer electronics devices by using of the EEG signals. The EEG signals were extracted by using of a simple wireless one-electrode EEG system. The extracted EEG signals such as β,α, θ and δ were normalized and quantized usedfuzzy algorithm or neural network to combined as two abilities including attention and meditation. These two signals were transmitted to a processing system through the Bluetooth interface to control relative circuits. In this research, the meditation system was proposed to show the abilities of meditation and attention. Additionally, the mind-control track car for game was also proposed to train the kids to upgrade

their attention ability. In the experimental results, our system can support an easier and simpler environment for EEG detection.

1. 前言

史培利((Roger Sperry, 1913-1994)說過「意識形態、哲學、宗教教義、世界模式、價值系統等等的興衰,最後將會根據腦科學研究提供答案。這一切都在腦內匯集」。現代腦電波生理神經心理學的研究指出,腦波活動與特定的情緒狀態相關。因此,腦波研究將是近代研究之重點。國際上對腦電圖有以下幾種分法,本研究採用

頻率分配法裡的Schwab 分類(1951):,如表1說明。

20191008152007.png

腦波研究已數十年歷史[1-10],國內包括勤益科大、成大、長庚、清大、台大、世新、陽明、逢甲等大學,都有研究團隊投入腦波研究,主要是探討「一個人處於某種狀態下,其腦波呈現模式為何」。國立陽明醫學大學以腦波辨識應用於人機介面以建構多功能智慧型看護系統[1];Jones及 Field [2]利用前額腦波側化現象探討按摩與音樂治療對降低憂鬱青少年之研究;日本長期投入機器人科技研究的汽車大廠「本田」,與相關機構合力研發出能以腦波控制機器人行動的「人腦機器介面」(BMI),只要運用想像力命令機器人,機器人就會依令行動。當使用者在腦海中想像如「舉起左手」或「抬起右腳」等動作時,檢測儀器就會將腦部變化的解析結果,傳送給雙足行走型機器人。機器人接獲資訊後,就會隨之做出使用者所想像的動作。

2. 腦電波的產生與量測

圖1為大腦剖面結構圖,由大腦(Cerebrum)、丘腦(Thalamus)、下丘腦(Hypothalamus) 、杏仁核(Amygdala) 、海馬(Hippocampus) 至小腦(Cerebellum),數以幾百億計之腦神經細胞。腦神經細胞結構圖則如圖2所示。

image.png

圖1 大腦剖面結構圖

20191008152141.png

圖2 腦神經細胞結構圖

腦電波(Electroencephalogram, EEG) ,最早於1929年德國人Hans Berger 所發現,主要在於擷取頭皮上電位之變化,以觀察腦部意念之活動行為。

主要應用在於:

1. 臨床疾病之檢測

2. 睡眠程度之判定

3. 精神狀態之判定

4. 心理狀態之檢定

5. 催眠程度之檢測

腦電波之量測主要是利用腦波儀檢測頭皮電位之變化,腦電波之強度通常低於100uV,頻率則介於0.1Hz ~ 40Hz。量測時需考慮之問題有:

1. 量測之準確度

2. 干擾源之阻隔

3. 電極擺設方式

4. 雜訊之濾除

5. 受測者身體差異

取得 EEG 訊號後,可依圖3之電路圖以獨立元素分析法(Independent Component Analysis,ICA)[7]、主要元素分析法(Principle Component Analysis, PCA)、眼電圖校正法(EOG Correction)或是偶極模型化(Dipole Molding)建構β、α、θ 以及δ 波。

20191008152243.png

3. 系統架構

本研究中主要利用美國NeuroSky 公司所推出的腦波意念耳機MindSet 擷取腦電波,以簡易的單極擷取前額單點之腦波訊號,經過處理之後將β、α、θ 以及δ 波正規化之後,彙整成專注力(Attention)與禪定力(Meditation),再透過藍芽介面傳遞至處理系統。處理系統可依訊號配合模糊理論及神經網路量化以控制相關之電路。在本研究中,主要以禪定儀展現受測主之專心度與禪定度;以專心度控制軌道遊戲汽車。實驗結果證實,本系統提供一個方便且簡易之腦波檢測環境。我們透過意念耳機所擷取到的腦波特性,設計了多種應用,本文中以兩種應用做為介紹,分別以禪定力為主的腦波禪定儀及以專注力為主的專注賽車。在我們應用中,如圖4所示,為本文使用之系統架構圖,主要分為EEG 訊號傳送及訊號顯示兩部份,而腦波量測的部份我們利用美國NeuroSky 公司的意念耳機MindSet 擷取腦波訊號,藉由耳機上的感測器讀取腦波之後,再由Bluetooth 無線模組傳送,在接收部份,我們整合RN-41藍芽模組,並以PIC30F13做為Bluetooth訊號接收的MCU,將所接收的電波訊號完整分析出Attention、Meditation 兩種數位訊號,利用UART傳輸至SPCE061A 做為其他的應用。


20191008152402.png

4. 系統處理流程

在 本 論文中, 我們利用倒傳遞(Back Propagation, BP)神經網路做為訓練與分類法,首先將β、α、θ以及δ波作為BP 神經網路之輸入層訓練樣本,並經過三層結構之BP 網路以取得專注力(Attention)以及禪定力(Meditation),神經網路之結構如圖5 所示。本論文中,我們以腦波禪定儀以及專注力控制之玩具軌道車做為範例,說明系統控制之原理。


20191008152642.png

倒傳遞類神經網路基本原理是利用最陡坡降法(Gradient steepest descent method)將誤差函數最小化,亦即將輸出層單元的誤差,逐層向隱藏層及輸入層倒向傳遞以分配給各層單元,從而獲得各層神經元的參考誤差,用以調整相應的連結加權值,使輸入層推論而得到的推論輸出值與目標輸出值之間的誤差達到最小。為了檢驗網路學習成果,

本文利用誤差均方根作為評定倒傳遞網路誤差程度,一組M個樣本的誤差均方根(Root of MeanSquare of Error, RMSE)為:

20191008152732.png

Ti j=第i 個樣本之第j 個目標輸出值

Oi j=第i 個樣本之第j 個推論輸出值

M=樣本數

N=輸出個數

4.1. 腦波禪定儀

我們以簡單的數值量化方式,如LED 或七段顯示器來表示禪定數值的高低,讓使用者能透過簡單的方式,了解修行程度。以凌陽SPCE061A 為MCU 作系統訊號顯示,負責將所接收到的腦波數值做顯示及變化功能,首先將輸出腳位及UART 中斷做初始化,當由Bluetooth 接收到腦波訊號,藉由UART 傳送至SPCE061A 時,中斷訊號將會產生同時去接收接下來的訊號,再將所接收到的訊號依轉換數值範圍顯示,圖6為系統流程圖。真實系統如圖7所示。

4.2. 專注力控制之玩具軌道車

我們利用專注力控制之玩具軌道車配合我們所計設的系統,並以意念耳機所擷取到使用者專注力的腦波來驅動賽車,讓使用者能透過簡單遊戲方式,了解及學習如何專注。系統一樣也以凌陽SPCE061A 為MCU,所接收的部份如同禪定儀,此外,我們以公式(1)之5-點平均移動濾波器,修改為接收5次後平均數值(L=5),再依使用者的專注力來選擇PWM,驅動電源啟動賽車競賽,流程如圖8所示。所開發之專注力控制之玩具軌道車真實系統如圖9所示。

20191008152848.png

20191008152922.png

5. 結論與討論

傳統腦波量測裝置在安裝上或是使用上非常的費時,而此款意念耳機在安裝上或是使用上都非常方便,配合這款耳機所設計的週邊應用,讓使用者了解自我的專注與禪定的狀態,並找出適合自我專心與放鬆的方法,透過此類方法去做學習專注訓練,讓使用者更有效率進入專注或禪定的狀態,此類應用方式非常廣泛,由學齡中的幼童到年邁老人都能非常輕易使用,並且能得到不錯的效果。本研究團隊未來研究,將朝醫療輔具方向前進。

6. 參考文獻

[1] 吳育德,多功能智慧型看護系統之研究-腦波辨識人機介面系統之建立,國立陽明大學生醫影像暨放射科學系,2004,台北。

[2] N. A. Jones 及 T. Field, “Massage and music therapies attenuate frontal EEG asymmetry in depressed,” Adolescence, Vol. 34, pp.529-534, 1999.

[3] . J. Murakami, S.-I. Ito, Y. Mitsukura, J. Cao,and M.Fukumi. “A Design of the EEG feature detection and condition classification,” SICE Annual Conference, pp. 2798-2803, Kagawa University, Japan, Sept.17-20, 2007

[4] N. Güler, E. D. Übeyli, N. F. Güler,“ A Mixture Of Experts Network Structure For EEG Signals Classification,” The 27th Annual Conference on the IEEE Engineering in Medicine and Biology, pp. 2707-2710,Shanghai, China, Sep., 1-4, 2005

[5] X. Zhang, Y. Wang and Z. Cheng, “An EEG Based Approach for Pattern Recognition of Precise Hand Activities with Data Fusion Technology,” The 33rd Annual Conference of the IEEE Industrial Electronics Society (IECON), pp. 2423-2428, Nov. 5-8, 2007,Taipei, Taiwan

[6] R. Ghafar, N. Md. Tahir, A. Hussain, and S. A.Samad, “EEG Analysis of Wake-sleep Data using UMACE filter,” The 5th Student Conference on Research and Development,pp. , Malaysia, 11-12 December 2007

[7] L. Sun, Y. Liu, P. J. Beadle, “Independent Component Analysis of EEG Signals,” IEEE Int. Workshop VLSl Design & Video Tech., pp.219-222, Suzhou, China, May 28-30, 2005.

[8] A. C. Merzagora, S. Bunce, M. Izzetoglu and B. Onaral, “Wavelet analysis for EEG feature extraction in deception detection,” the 28th IEEE EMBS Annual International Conference,pp. 2434-2437, New York City, USA, Aug 30-Sept 3, 2006

[9] Y. YANG, J. ZHOU, “Recognition and Analyses of EEG&ERP Signals Related To Emotion: From the Perspective of Psychology,” First International Conference on Neural Interface and Control, pp. 96-99,

Wuhan, China, 26-28 May, 2005.

[10] J. Li and S. Sun, ” Energy feature extraction of EEG signals and a case study,” IEEE International Joint Conference on Neural Networks, pp. 2366 – 2370, 1-8 June 2008.

20191008153244.png

20191008153309.png


注:本文转载自台湾高雄大学,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如有侵权行为,请联系我们,我们会及时删除。
关于微特 about

企业文化

南平微特(Wit)儿童潜能发展中心致力于感统训练及学习力(注意力)教育在南平的普及和发展。是南平率先进行专业儿童能力训练机构,设有感统训练班、小学学习能力(注意力)训练班、幼小衔接学习能力训练班、333智脑开发班。微特潜能,让孩子更优秀!

教师团队


福建微特潜能开发中心  Copyright ©  备案号: 闽ICP备18008227号-1

地 址:南平市延平区滨江中路337号三联大厦14楼(区实验小学前) 电 话:0599-8552186  Powered by wit