CHUONGS5 MÔ HÌNH BCI ONLINE
5.2 THỨ NGHIEM DIEU KHIỂN XE BANG CAC CU DONG MAT VA HOAT DONG CO TREN GUONG MAT
Thông thường các nghiên cứu về BCI sẽ được chia làm 3 loại. Loại thứ nhất là
nhận dạng tri thức của con người, tức các hoạt động suy nghĩ, tưởng tượng...
Loại thứ hai là nhận dạng các cảm xúc của con người như vui, buôn, hứng khởi,
khó chịu, nóng giận... Loại thứ ba sẽ nghiên cứu các ảnh hưởng của các hoạt
động cơ mặt tác động lên các thành phân sóng não, hay còn gọi là nhiễu cơ. Ứng dụng của các nghiên cứu về BCI thường phục vụ lĩnh vực chế tạo các thiết
bị hỗ trợ người tàn tật. Hai loại nghiên cứu tri thức và cảm xúc thường được ứng dụng khá nhiều trong lĩnh vực này, loại nghiên cứu thứ ba thông thường chỉ được sử dụng với mục đích bồ trợ hai loại nghiên cứu trên (nhận diện các đặc tính nhiễu cơ) ở khâu loại các nhiễu cơ tác động lên sóng não. Tuy nhiên cũng
có một vài ứng dụng người ta sử dụng trực tiêp các nhiêu cơ này như là một
Trang 64
C5: MÔ HÌNH BCI ONLINE HVTH: Phạm Bá Toàn
nguồn tín hiệu chính dé điều khiến thiết bị... Ví dụ, trong thời gian gần đây có nhiều nghiên cứu chế tạo xe lăn điện phục vụ cho người khuyết chi sử dụng các hoạt động của mắt, cơ mặt, cơ cô dé điều khiến.
Tại phần này của dé tài, tác giả sẽ trình bày về các ảnh hưởng co của gương mặt, của các hoạt động mắt tác động đến sóng não. Song song với đó, tác giả cũng sẽ ứng dụng các tín hiệu cử động mắt vào mô hình phân cứng được xây dựng ở mục 5.1 dé điều khiến xe mô hình.
5.2.1 Sự anh hưởng của cử động mắt và gương mặt tới tín hiệu sóng não Thông thường các hoạt động của mắt và gương mặt sẽ ảnh hưởng mạnh nhất đến tín hiệu sóng não tại vi trí các điện cực được đặt ở phan vung nua đầu trước gần mắt, cu thé với cách bố trí điện cực của bộ EPOC các kênh AF3, AF4, F7, F8. Trong đó đặc biệt là hai kênh F7, F8 là thấy rõ nhất. Hoạt động chớp mắt: với các hoạt động chớp mắt, hai kênh F7 và F8 sẽ tăng biên độ một cách đột ngột và khá lớn. Chớp mắt trái ảnh hưởng đến F8, chớp mắt phải ảnh hưởng đến F7.
Data Time
Emotiv Raw Data (19440
\f Index F3 f FŒ
P7
Tô [R Stop F8 ^1V]
4262
2
Amplitude=s
6000-" ẽ
26153 26653
Sample
Hinh 5.6. Chop mat trai
Trang 65
C5: MO HINH BCI ONLINE HVTH: Pham Ba Toan
Data Time
Ũ 181412
Emotiv Raw Data
Index F3 ( FCG =
P7
T8
omg 5 *St
ew
T7
3 P8š
3 AFA
4 HẸ
AF3 02
6000- 1
38137 38637
Sample
Hinh 5.7. Chép mat phai
Hoạt động liếc mắt: với hoạt động liéc mat trái, kênh F7 sẽ bị trôi lên với một khoảng biên độ nhỏ trong khi kênh F8 sẽ bị trôi xuống với một
khoảng biên độ nhỏ tương ứng với F7.
DLL Path
4. D:\Emotiv\Emotiv.dl &
Vate Time
Emotiv Raw Data 781412
Index 4262
3 Stop
Amplitude
Fc, Nek Bg
1
79835 80335
Sample
Hinh 5.8. Liéc mat sang trai
Trang 66
C5: MO HINH BCI ONLINE HVTH: Pham Ba Toan
Với hoạt động liếc mắt sang phải thì ngược lại. Kênh F7 sẽ bị trôi lên với một khoảng biên độ nhỏ trong khi kênh F8 sẽ bị trôi xuống với một
khoảng biên độ nhỏ tương ứng với F7.
Cười: F7 và F8 cùng đột ngột trôi lên với biên độ lớn
Data Time
Emotiv Raw Data 85
Index
B Stop
Amplitude
_. an potter "`...Ta. xmượơn| ny namaxuwuanAne
6801 7301ơ 1
Sample
Hình 5.9. Hoạt động cười
Nghién răng hàm bên trái và nghién răng hàm bên phải: dang sóng răng
cưa trên toán bộ 4 kênh F7, F8, AF3, AF4.
= Time
Emotiv Raw Data 1942
Index 4262
| Stop
ian4
Amplitude
IIÍÍ ;0/ y| |
Neck 7 Neck2 a]
ơ
I
73535 74035
Sample
Hình 5.10. Nghién răng hàm bên trái
Trang 67
C5: MÔ HÌNH BCI ONLINE HVTH: Phạm Bá Toàn
Data Time
Emotiv Raw Data Jnsd2
Index 4262
: r
: | Stop
a
Amplitude
Neckl IM Neck2 |
Hình 5.11. Nghién răng hàm bên phải Sau khi khảo sát sự tác động của cử động mắt và cơ mặt lên tín hiệu não,
ta nhận thay một điều là các tác nhân trên thường chỉ ảnh hưởng đến các
vị trí điện cực nam gan vùng mặt và tran, đặc tính cua những tac động nay thường làm trôi các tín hiệu sóng não hoặc gây nhiễu với biên độ rất lớn.
Vì vậy để sử dụng chúng như một nguồn tín hiệu dùng điều khiến thiết bị khá là dễ thực hiện với thuật toán ngưỡng đơn thuần.
5.2.2 Dùng thuật toán ngưỡng nhận dạng các hoạt động của mắt Thuật toán ngưỡng: ngưỡng là giá tri để xác định sự có mặt của một thành phan tín hiệu nào đó. Giá trị ngưỡng được xác định dựa trên đặc điểm của tín hiệu và kinh nghiệm khảo sát. Nếu giá trị ngưỡng quá lớn sẽ không phát hiện được, nếu quá nhỏ sẽ phát hiện sai. Dựa vào số ngưỡng
áp dụng cho cùng một tín hiệu, người ta chia ngưỡng thành ngưỡng đơn,
ngưỡng kép hay đa ngưỡng. Còn dựa vào sự biến thiên của giá trị ngưỡng thì chia thành ngưỡng cố định và ngưỡng không cố định. Giá trị ngưỡng được xác định thông qua khảo sát tập dữ liệu bằng phương pháp thống kê.
Trang 68
C5: MÔ HÌNH BCI ONLINE HVTH: Phạm Bá Toàn
Có nhiều phương pháp để xác định ngưỡng như: dựa vào hình dạng biểu
đồ, dựa vào độ lệch chuẩn, ngưỡng cụm... Ngưỡng của tín hiệu dựa theo
độ lệch chuẩn được tính theo công thức (nguồn [9]):
THR=M +a*SD (5.1)
với a là hệ số nhân của độ lệch chuẩn; M là giá tri trung bình của tín hiệu;
SD là độ lệch chuẩn, S là số mẫu của tín hiệu, y(n) là tín hiệu tìm ngưỡng.
M va SD được tính theo công thức (5.2) và (5.3) (nguồn [9]):
> y(n)S
M=— (5.2)
lề |y)— M|5
Sp = Wel 5 (5.3)
Sử dụng thuật toán ngưỡng để nhận diện hoạt động mắt: ở mục này, tác giả sẽ sử dụng thuật toán ngưỡng dé nhận biết các cử động mat thông
qua sóng não. Cu thê sé là chớp mat trái, phải và liéc mat trái, phải.
Tín hiệu F7: F8 Thuật toán Giá trị ngưỡng
đã lọc nhiêu nguong kénh F7, F8
Hình 5.12. Lưu đồ xác định giá trị ngưỡng
Đề tìm ngưỡng, trước tiên chúng ta phải tim giá tri trung bình Mon của tín hiệu EEG ở trạng thái bình thường theo công thức (nguén [9]):
Yoon!S _ne=l
Moen = 5 (5.4)
với S=640 là số mẫu của tín hiệu EEG; Moen là giá tri trung bình của tín
hiệu EEG ở trạng thái bình thường tại kênh ch; Yo.n là tín hiệu EEG được
thu thập ở trạng thái bình thường tại kênh ch đã được lọc nhiễu (ch= F7,
F86).
Trang 69
C5: MÔ HÌNH BCI ONLINE HVTH: Phạm Bá Toàn
Sau khi thu thập và tính toán ta thu được:
M „„„ = 8500,M 5-8 = ỉ700,,„„„ =8900,M ,,-4 = 8000
*Luu ý: day không phải là các giá tri điện áp ma đây la các giá tri đã được
bộ headset chuyên đổi trước khi đưa vào gói dir liệu gởi lên máy tính (data raw). Việc chuyền đổi diễn ra bang cách nhân giá trị điện áp thu được với một hăng số khuếch đại (giống nhau ở tất cả các kênh) sau đó được cộng với một giá trị offset (với mỗi kênh giá trị đều khác nhau). Việc cộng thêm giá tri offset là dé tiện cho việc trình bày các tín hiệu ở cùng một biéu đô. Tiếp theo, ta tính độ lệch chuẩn khi các sự kiện chớp mắt và liéc mắt xảy
ra theo công thức (nguôn [9]):
| Po Yooh (0)— M ch5
SDoch = S xK (5.5)
trong đó K = -1 khi Y Och < Moch va K=1 khi Yoon =M 3-1
Thuật toán tim ngưỡng được tính theo công thức (nguồn [9]):
THR nh = Moch +2 en “SP och (5.6)— kK
với Moen, SDoch được xác đinh từ công thức (5.4) va (5.5) , a¿ là hệ số nhân độ lệch chuẩn tương ứng.
Với ac, = 0.7 sau khi khảo sát và lay trung bình trên 10 đối tượng tham gia ta có các kết quả sau:
e Với hoạt động chớp mắt trái tại kênh F8, với S=250 (số mẫu thu khi sự
kiện xảy ra tương ứng khoảng 2s thời gian thực). Tu công thức (5.5) ta
có SDors trung bình trên 10 đối tượng xấp xi 500. Vậy theo công thức
(5.6), THRpg = 10050.
e Tuong tu với hoạt động chớp mắt phải tại kênh F7, ta tính được SDorg xap xi 450 va THR; = 8815.
e Với hoạt động liếc mắt sang trái, cả 2 kênh F7 va F8 déu bị anh hưởng như phan 5.2.1.1 (ảnh hưởng của các hoạt động mắt) trình bay. Với S=250 (số mẫu thu khi sự kiện xảy ra tương ứng khoảng 2s thời gian
Trang 70
C5: MÔ HÌNH BCI ONLINE HVTH: Pham Bá Toàn
thực), SDor7 = 150, trong khi đó SDops = -214, suy ra THRpg = 9550, THRg¢, = 8600.
e Tương tu, ta cũng tinh được với hoạt động liéc mắt sang phải thì
THReg = 9800, THR;z; = 8200.
Với kết quả tính toán trên, ta xây dựng thuật toán nhận diện các hoạt động của mắt như sau:
e Nếu Yors >10050 thì nhận biết đó là tín hiệu chớp mắt trái.
e = Nếu Yor7 >8815 thì nhận biết đó là tín hiệu chớp mắt phải.
e Nếu Yor; >8600 và Yors<9550 thì nhận biết đó là tín hiệu liếc mat
sang trái.
© Nếu Yor;<8200 và Yors>9800 thì nhận biết đó là tín hiệu liéc mắt sang
phải.
5.2.3 Xây dựng chương trình điều khiến xe từ xa bằng các hoạt động mắt Lưu đồ thuật toán: từ các kết quả khảo sát của mục 5.2.2, tác giả tiến hành xây dựng một chương trình điều khiển xe từ xa bang các hoạt động của mắt. Cụ thể sẽ sử dụng tín hiệu chớp mắt trái làm chỉ lệnh chạy lùi của
mô hình xe, chớp mắt phải làm chỉ lệnh chạy tới, liếc mắt sang trái làm chỉ lệnh quẹo trái, liếc mắt sang phải làm chỉ lệnh quẹo phải.
Lưu đồ thuật toán của chương trình sẽ được trình bày tại hình 5.13. Trong
đó:
e Sau khi thu thập tín hiệu thô, tín hiệu của các kênh F7 và F8 sẽ được
đem so sánh với các mức ngưỡng để từ đó được chuyền thành các tín hiệu điều khiến tới, lui, trái, phải. Các tín hiệu này sẽ ton tại ở dạng mức (nếu tín hiệu thỏa điều kiện ngưỡng thì tín hiệu điều khiến sẽ ở
mức “1”, ngược lai sẽ là mức “0”).
e Sau đó các tín hiệu điều khiến này sẽ được đưa vào một bộ phận “bat cạnh lên” dé từ đó dua ra những chỉ lệnh tới, lui, trái, phải. Các chỉ lệnh một khi đã được ra thì nó sẽ giữ vững mức trạng thái cho đến khi
có lệnh ngược lại thay thế. Ví dụ, một khi có chỉ lệnh tới được đưa ra
Trang 71
C5: MÔ HÌNH BCI ONLINE HVTH: Phạm Bá Toàn
Tới =0
(tức là người dùng chỉ cần chớp mắt phải một lần) xe sẽ đi tới và chỉ dừng lại khi có chỉ lệnh đi lùi (người dùng chớp mắt trái).
Các chỉ lệnh sau khi đã được đưa ra sẽ được đưa đến một khối để chuyển đổi thành các tín hiệu điều khiển xe và đưa xuống card giao tiếp máy tính, thông qua đó sẽ đi đến bộ điều khiến của xe.
Thu thập dữ liệu thô
N œ› >8600 va
Y
Lui=1 Trai = 1 Phải = 1
Bộ bắt xung tín hiệu: “tới, lui, trái, phải” và chuyên đôi thành chỉ lệnh
Vv
Chuyên đôi chi lệnh thành tin hiệu điều khién
Ỳ
Gởi tín hiệu điều khiên xuống card giao tiếp máy tính
End
Hình 5.13. Lưu đồ thuật toán điều khiến xe từ xa bằng các hoạt động mắt
C5: MÔ HÌNH BCI ONLINE Trang 72 HVTH: Phạm Bá Toàn
Chương trình điều khiến xe từ xa bằng các hoạt động mắt: chương trình sẽ được xây dựng trên phan mềm LabVIEW như sau:
ali==
ee Fake Wiế: "È/
— xt Ce ò = a
oF | —
š| sối[ t= |Eù| |l|
“ Fl dl
i+
yo 8 +.|
Hình 5.14. Chương trình điều khiến
L Biểu đỏ Data ) Bang điều khiến an, hiện các kênh |
Emotiv Raw Data ae
Hình 5.15. Giao diện chương trình điều khiến xe
Trang 73
C5: MÔ HÌNH BCI ONLINE HVTH: Phạm Bá Toàn
Kết quả thử nghiệm: Sau khi xây dựng thành công chương trình, mô hình được thử nghiệm với 5 đối tượng thực hiện 20 lần cho mỗi loại lệnh. Bang 5.2. Kết qua thứ nghiệm điều khiến xe bang hoạt động mắt
Đối tượng Độ chính xác
thí nghiệm | Đitới | Đi lui Ré trái Rẽ phải
ẽ 100% | 100% 85% 85%
2 100% | 95% 90% 85%
3 95% | 95% 80% 75%
4 95% | 100% 90% 90%
5 90% | 90% 75% 70%
Trung bình | 96% | 96% 84% 81%
Kết quả đạt được: lệnh chạy tới và chạy lui đạt độ chính xác cao 96%,
lệnh rẽ trái đạt 84% và lệnh rẽ phải đạt 81% (vì 2 lệnh này sử dụng hoạt
động liếc để điều khiển nên nếu số lần thử nghiệm nhiều dẫn đến tình trạng mỏi mắt gây sai lệch).