基于tgam模块和脑电波对音响音量的控制

《基于tgam模块和脑电波对音响音量的控制》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于TGAM模块和脑电波对音响音量的控制摘要：脑电波信号现今已被研宄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宄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。关键词：脑电波信号；TGAM模块；专注度；放松度；音响音量中图分类号：TP391文献标识码：A文章编号:

2、1009-3044(2015)09-0249-03Abstract：Electroencephalogram(EEG)signalnowhasbeenstudiedasabiologicalsignalinputforhuman-computerinteraction.Itcanbeusedforgamesofliftingtheattention,canalsobeusedinthetreatmentofthedisabled.TGAMmoduleusesadry-typeelectrodetodetecttheweakEEGsignalfr

3、omhumanbrain.ThispaperstudiestheTGAMmodule，controllingthedegreeoffocusandrelaxationdegreevalues.SoftwaredevelopmentbasesonMDT-based，researchingtheunityandparticularityofbrainwavesignals.ApplytheTGAMmoduleontheplayer，throughtheapplicationinterface，establishingcommunication,ca

4、rryingoutdataanalysisandprocess，toachievebettercontroleffect.Keywords：Electroencephalogram(EEG)Signal；TGAMModule；FocusandRelaxationdegree；theSoundVolume1概述我们的大脑无时无刻不在产生脑电波。这些自发的生物电信号的频率变动范围通常在0.1HZ-50HZ之间，根据其频率不同可划分为Delta波、Theta波、Alpha波、Beta波、Gamma波等多种类型。本文即研宄通过对脑电波信号的采集、处理、

5、分析，将脑电波信号转换成对耳机进行直接控制的电路信号，从而实现人脑“意念”对耳机的直接控制。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。在医学上，脑电波信号的人机交互可以帮助残疾人与使用脑电波的机器进行通信。［1］如今脑电波也被广泛的用于智力游戏的开发，帮助人们提高注意力。Neurosky神念科技公司开发的ThinkGearAM模块（简称TGAM）是一款世界上非常受欢迎的脑电技术应用模块，它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。本文将TGAM模块应用于音响音量的控制上，实现了比较好的调控效果。TGAM中的ASIC芯片实

6、际上是一个芯片系统，它集成了脑电信号采集、滤波、放大、A/D转化、数据处理及分析等功能。TGAM模块可直接与干电极相连接，通过单个脑电波信号（EEG）和参考电极以及地线制作脑电波采集仪。并且它可以检测到512Hz的原始脑电信号，可以滤掉噪音，抗干扰。2系统构成整个系统由TGAM模块、蓝牙模块、干电极、耳夹、电源和基于I3HGP的embedded主板、音响等部分组成。如图1所示。TGAM模块、蓝牙模块、干电极、耳夹和电源构成的部分完成脑电波的采集和特性的提取，嵌入式主板完成音量控制的编程和实现。如图2所示，将TGAM模块与蓝牙模块、干电极以及耳夹

7、（接地电路）、电源的连接，制成简易的脑电采集仪。图3中发光二极管亮表示该脑电采集仪通电可正常工作，通过蓝牙适配器连接电脑，可将采集到的脑电波以及由其生成的专注度、放松度在软件中显示出来。在基于I3HGP的embedded主板上（见图4）利用vc++平台进行软件编程，动态调用专注度和眨眼数值，实现数据的提取，再将提取好的数据导入混音器中，在满足条件的情况下实现音量控制。3脑电波的采集与分析在TGAM模块的处理下，已经可以将繁杂的脑电波转化为放松度、专注度两个数值，其大小用1〜100表示，数值越大表示进入相应程度越深。为了确定音量增减的起始值，我们

8、多次对脑电波进行采集（取其中10次），每次采集5分钟。观察专注度数值，除却开始和最后的1分钟，保留中间最有效3分钟。如图5所示，当我们保持专注时，专注