基于稳态视觉诱发电位的飞行器控制系统和飞行控制方法
【技术领域】
[0001] 本发明涉及了一种飞控系统和飞控方法，尤其是涉及了一种基于稳态视觉诱发电 位的飞行器控制系统和飞行控制方法，基于稳态视觉诱发电位识别进行飞行器的控制。
【背景技术】
[0002] 脑-机接口（Brain-computer interface, BCI)，是一种不依赖于大脑外周神经 与肌肉正常输出通道的通讯控制系统。它通过采集和分析人脑生物电信号，在人脑与计 算机或其它电子设备之间建立起直接交流和控制的通道，这样人就可以通过大脑来表达 意愿或者操纵设备，而不需要语言或者额外的肢体动作。通常BCI系统主要对P300信 号、运动想象（Motor imagery，MI)和稳态视觉诱发电位（Steady-state visual evoked potentials, SSVEP)进行研宄。
[0003] 稳态视觉诱发电位（Steady-state visual evoked potentials, SSVEP)是指，当 视觉的刺激频率大于6Hz时，各次刺激引起的瞬态视觉诱发电位在时间上发生重叠，人的 大脑的视觉皮层会产生一个连续与刺激频率的基频或者二倍频有关的一个响应，这个响应 被称为稳态视觉诱发电位。
[0004] 相比于其他BCI系统，基于SSVEP的BCI系统具有如下优点：
[0005] (1)无需对被试者进行训练，实验简单，适应性强，可以针对不同年龄、性别以及种 族的人群进行试用。
[0006] (2)具有明显的周期性与节律同化现象。此现象表现为在被试的脑电频谱分析中， 相应的刺激频率的基频和倍频处有很大幅度的峰值。因此SSVEP集中在特定的频率上，它 的这一特点简化了 BCI的特征提取方法。
[0007] (3)具有较高信息的传输速率，达到使用目的。
[0008] (4) SSVEP具有较高的信噪比，需要的电极少，具有很强的可操作性。
[0009] 目前，对于无人机的操控一般采用遥控器，该种方式只适用于一般人群，一些残障 人士很难实现对无人机的操控，并且这种方式缺少对飞行器控制的有效补偿器，不能充分 发挥其主动性。
【发明内容】
[0010] 为了解决【背景技术】中存在的问题，本发明提供了一种基于稳态视觉诱发电位的飞 行器控制系统和飞行控制方法，具体是采集操作人员注视不同闪烁频率刺激下的脑电信 号，通过分析不同频率刺激下的脑电信号的特征，判断操作人员注视的为哪一个频率的闪 烁，对此控制飞行器的运动控制，将认知神经科学领域和信息技术领域进行结合，实现飞行 器的自动控制，本发明方法具有更高的普遍性。
[0011] 本发明通过如下的技术方案实现：
[0012] 一、一种基于稳态视觉诱发电位的飞行器控制系统，如图1所示：
[0013] 本发明包括依次连接的视觉刺激显示屏、便携式脑电采集设备、信号处理模块、无 线传输模块和飞行器控制模块，飞行器控制模块安装在飞行器上，视觉刺激显示屏、便携式 脑电采集设备和信号处理模块均安装在地面，视觉刺激显示屏上显示有六个闪烁图块，六 个闪烁图块的闪烁频率均不同，便携式脑电采集设备被佩戴在操作人员的头部，用于采集 操作人员注视视觉刺激显示屏时产生的脑电信号；便携式脑电采集设备包含采集模块、放 大模块、滤波模块和模数转换模块，采集模块采集操作人员头部的脑电信号后依次经放大 模块、滤波模块和模数转换模块，再经无线传输模块传送给信号处理模块，信号处理模块将 脑电信号分析处理后传输到飞行器控制模块，飞行器控制模块发出飞行控制信号控制飞行 器的运动。
[0014] 所述的六个的闪烁图块分别对应于飞行器的向上、向下、向左、向右、向前和向后 六种运动。
[0015] 所述的信号处理模块可采用计算机，具体实施中可采用计算机构建信号处理软件 进行处理。
[0016] 所述的便携式脑电采集设备具有14导，按照国际标准导联10-20参考系统佩戴。
[0017] 二、一种基于稳态视觉诱发电位的飞行控制方法：
[0018] 1)采用所述的飞行器控制系统，将便携式脑电采集设备佩戴在操作人员的头部， 操作人员注视视觉刺激显示屏上的闪烁图块，闪烁图块对应于飞行器的六种动作控制信 号；
[0019] 便携式脑电采集设备实时采集操作人员注视视觉刺激显示屏时的脑电信号，将采 集到的脑电信号依次进行放大、滤波、模数转换，然后通过无线传输模块传输给信号处理模 块；
[0020] 2)信号处理模块在接收到操作人员的脑电信号之后，对脑电信号依次进行预处 理、AR模型（Auto Regressive Model)谱分析特征提取和分类的处理，得到脑电信号分类 结果，将分类结果通过无线传输模块传输到飞行器控制模块；
[0021] 3)飞行器控制模块将分类结果转换为闪烁图块对应的动作控制信号发送到飞行 器控制进行相应的各个动作，当飞行器控制模块未接收到分类结果时，发出悬停控制信号 到飞行器控制进行悬停。
[0022] 动作包括向上、向下、向左、向右、向前和向后的六种动作。
[0023] 所述步骤2)信号处理模块对脑电信号的处理具体包括：
[0024] 2. 1)预处理：先通过小波变换中的Mallat方法对脑电信号进行有限层分解，将分 解得到最高频和最低频的小波系数置零，然后再进行相同层数的小波重构；其中分解的层 数与采样频率有关，将分解到的高频段和低频段的系数置零；
[0025] 2. 2)AR模型谱分析：对步骤2. 1)得到的脑电信号进行AR模型谱分析，分析频域 上的峰值，得到脑电信号中SSVEP信号的刺激频率；处理后的信号是时域上的随机信号，因 此可通过AR模型谱分析在这些随机信号的频与内提取SSVEP信号；若基频和其二倍频有明 显的波峰出现，则该基频为SSVEP信号的刺激频率。
[0026] 2. 3)信号的分类：
[0027] 将SSVEP信号的六个刺激频率与视觉刺激显示屏闪烁图块各自对应的闪烁频率 进行比对，若其中一个比对差值在频率差值阈值范围内，则操作人员注视的是该比对差值 下对应闪烁频率的闪烁图块，作为分类结果；若所有比对差值均不在频率差值阈值范围内， 则没有分类结果。
[0028] 所述步骤2. 1)的预处理过程如下：
[0029] 2. I. 1)采用以下公式的Mallat方法对脑电信号进行有限层分解：
[0030]
[0031] 式中，L为分解层数的总数，\为低通逼近分量，D ^为尺度细节分量，j为分解层数 的序数；
[0032] 2. 1. 2)信号X(η)的采样频率为fs，上述脑电信号中m……D1各个分量所 对应的频率分别为丨
[0033] 2. 1. 3)将步骤2. 1. 2)得到的最低频段和最高频段的分量置零，再进行小波有限 层重构去除最低频段和最高频段所对应的脑电信号，小波有限层重构的层数与步骤2. I. 1) 中分解层数相同，得到了中间频段的脑电信号。
[0034] 所述的步骤2. 2)具体包括：
[0035] 2. 2. 1)采用以下公式表示的谱密度\与p阶AR模型系数的关系计算得到谱密度 Sy:
[0036]
[0037] 式中，σν2为白噪声序列的方差，ak是AR模型系数，p为AR模型的阶数，i是虚数 单位，w是频率，V (η)表示独立于过去样本的误差项，k是阶数的序数，k = 1，2,……，p ; 上述AR模型系数ak、AR模型阶数p，定义于以下公式表示的AR模型：
[0038]