基于脑电信号驱动下的认识数据解析与交互技术开发

课题信息：吉林农业科技学院大学生科技创新创业训练计划项目，项目名称：基于脑电信号驱动下的认知数据解析与交互技术开发，项目编号：X202411439054。

摘要：脑机接口技术可以捕捉和分析大脑释放出的生理信号，然后对控制指令进行解码，使外部设备按照人的意志进行动作。研究致力于开发并构建一套脑波交互分析系统，在此基础上实时追踪分析脑电活动，有效排除噪音干扰，重点找准注意力集中、安静状态的特点，构建生动直观的动态可视化反馈体系。[1]

关键词：脑机接口；脑电信号；降噪处理；交互系统

0 引言

脑机接口技术已成为探索超越生理界限、创新人机交互模式的关键研究领域。随着近年来社会对瘫痪、失语患者群体的日益关注，该技术致力于解读大脑信号，为行动受限群体提供直接桥梁，使其行动能力和生活自主性显著增强，从而架起大脑与外部设备的桥梁。但像Neuscan、Biosemi等传统脑电信号采集设备，虽然信号稳定性、便携性表现优秀，但其复杂的操作流程无疑阻碍了这些技术在更广泛领域的推广应用。针对这一研究采用TGAM模块作为核心部件，对5个受试人员进行系列试验。试验结果表明这一发现对于降低应用成本、扩大脑机接口技术的多领域应用前景具有重要意义，能够准确捕捉和反映不同情绪状态个体脑波的变化。[2]

1 基于TGAM的脑电信号采集系统设计方法

1.1 方案

依托TGAM技术，构建了涵盖信号提取、滤波处理、数字转换、数据传输和实际采集等多个核心模块的脑电信号采集系统，图 1所示为系统工作流程。具体来说系统将通过精细调理的模拟脑电信号，利用TGAM电极实施信号调理工作，转化为数字格式，然后借助串口通信技术，将这些信号通过ADC（模数转换器）转换的数据高效传递到主控单位。主控单位内部的数据将经过进一步的深度处理，目的是生成可视化的数据以便于理解，最终这些处理结果将便于分析解读，以直观的形式呈现。[3]

1.2 硬件设计

该系统实现脑电信号的获取、放大和传输借助TGAM模块及其外设电路，数据可视化处理依托嵌入式开发板进行，如图 2所示为TGAM模块PCB。该模块应用无液体电极技术，而且体积小携带方便，在TGER芯片系统高度集成单芯片脑电感应装置，可生成NEUrosky和ESENSE参数指标，有效消除50/60Hz眼动伪迹和工频杂波干扰，具有可靠的信号获取和解决能力。图 3为TGAM模块原理示意图。[3]

1.3 软件设计

1.3.1 情绪变化分析器

如图 4以"Emotion Charge Parser"为名的图形交互系统（GUI）以python脚本开发为基础，专门对串口传输的情绪关联信息进行处理和可视化。

界面框架借助"tkinter"库，构建了内嵌式文本区域，用于展示分析成果，以及"Start Parsing"和"stop paring'双操作控制件"。核心功能由"Emotion Parser"类承载串口通信链路统筹管理，实施数据解码操作，界面元素同步刷新。在"Start _parsing"方法内部，通过对守线程进程的初始化，激活数据采集和操作，有效避免接口主线程的阻隔风险。最终用户的操作逻辑表现为，点击"Start Parsing"按钮，即可启动数据的即时解析和可视化呈现，而选择"stop paring"控制按钮，数据流抓取将被中止，程序运行将终止。

1.3.2 数据项解释

Signal：信号设备信号质量，信号品质越数值越好；如果值为0，可能是设备未连接或者信号质量较差；

Attention指标衡量注意力集中程度，数值增大意味着注意力越集中。

Meditation衡量放松与冥想深度，数值上升意味着个体进入更深层的放松或冥想状态。

EEG Power表示不同频段的脑电波功率，每个频段的功率值表示该频段的脑电活动强度，一般包括以下几种情况。

Delta：0.5-4 Hz，与深度睡眠相关；

Theta：4-8 Hz，与放松和冥想相关；

Alpha：8-12 Hz，与清醒和放松的状态相关；

oBeta：12-30 Hz，与警觉和集中注意力相关；

Gamma：30Hz以上，与认知解析和高阶思维相关。[4]

1.4 降噪处理

设计了一套基于MindWave协议的脑电数据采集与分析系统。系统通过串口与脑电设备建立通信连接，实时接收脑电数据，并依据MindWave协议对数据进行解析，精准提取包括注意力值、冥想值以及信号质量在内的关键指标。同时，系统对原始脑电波形的数据运用“移动平均滤波算法”进行降噪处理，有效提升了数据的质量和可靠性。

这套系统还具有日志记录功能，对通信过程中正常或异常的各类信息可详细记录，保证系统运行稳定。在系统中还引入了认知状态分析器，以随机森林分类器为基础，构建了可训练脑电特征数据的用户认知状况。

总的来说，这套系统以异步方式运转，由主入口函数启动串口通信，支持用户通过键盘中断程序，为脑电数据的实时采集、处理和分析提供了一套高效可靠的解决方案。[5]

1.5 交互系统

为探索脑电信号在游戏控制中的应用效果，设计了如图 6所示的"MindWave Racer"的脑机界面游戏。游戏通过串口通信技术与MindWave脑波调查设备同时连接，利用Pygame库构建图形界面和交互逻辑，实现对脑电波信号的实时采集和解析。[6]

在游戏初始化时，设置了固定像素的游戏窗口和多种元素色彩设置，并加载了中文字体，游戏页面如图 6所示。游戏参数包括玩家速度、障碍物速度、障碍物大小、最大障碍物数量以及障碍物生成概率等，这些参数共同决定了游戏的基本运行机制和难度水平。

游戏的核心逻辑是"MindWave Racer"库处理游戏的初始化、事件反应、状态更新级画面绘制等任务。玩家在游戏中操控一辆赛车躲避下落的障碍物，赛车的移动速度由MindWave设备检测到的注意力值来动态调节，注意力值越高，赛车移动速度越快，从而实现脑电波对游戏的直接控制。此外，游戏还设有键盘控制模式，以便在脑电波设备连接失败时提供备用方案。[7]

游戏难度会随着选手分数的增加而自动提高，主要为提高产生障碍物概率和障碍下落速度，增加挑战性。游戏过程包括初始化、主循环以及游戏结束等阶段。主循环中不断处理用户输入，更新游戏状态并绘制游戏界面，直到游戏人与障碍物发生碰撞而导致游戏终结的界面，如图 7所示，最终得分和重新开始的提示在此时显示。

通过这样的设计，不仅为选手提供了全新的交互体验，而且为脑机接口技术在娱乐领域的应用提供了一个实验平台，有助于脑波信号与游戏控制的关系及其潜在价值的进一步研究。

2 实验结果与分析

我们进行了一项实验，旨在评估本系统在注意力检测与情绪识别方面的表现。实验邀请了五位参与者，通过观察他们在不同状态下的脑电波变化来验证系统的性能。如图 8所示，实验结果显示该系统能够准确地捕捉到九种不同的波形变化，这些波形与参与者的不同状态紧密相关。例如深度睡眠时δ波占主导，放松、冥想或浅睡状态下θ波明显，而闭眼放松时则出现低α波。此外实验数据中的噪音占比很低，表明系统具有较高的实时性和精确度，能够清晰地区分注意力水平和冥想放松状态。[8]

3 结束语

目前大多数脑机接口由于成本成本过高，已无法在广大领域普及，本文基于TGAM开发的脑电信号采集系统，实现了一套低成本便携、实时性和稳定性更强、实用价值更高的具有抗干扰能力的脑信号收集系统。

参考文献

[1]全球脑机接口应用迎来新突破[N].新华每日电讯，2025-04-11（005）.

[2]马换换.当脑机接入现实[N].北京商报，2025-03-31（003）.

[3]赵继宗.脑机接口：拓展人脑疆界的革命性技术与神经外科学的未来[J].协和医学杂志，2025，16（02）：269-276.

[4]吴旭阳.脑机接口新发展背景下法律权利体系探析[J/OL].政法论坛，2025，（02）：121-133[2025-04-11].

[5]桑振华，薛司洋，魏宸铭，等.基于脑机接口的脑血管病后肢体运动功能康复研究进展[J].中国卒中杂志，2025，20（01）：63-69.

[6]文冬，凡亚李，王少昌，等.基于脑机接口和虚拟现实游戏的空间认知训练实验系统与验证[J].实验技术与管理，2024，41（02）：162-171.

[7]陶宽，刘菲，朱子孟.多项目运动想象脑机接口的脑电模式识别[J].北京体育大学学报，2024，47（02）：115-127.9.

[8]靳二峰，宋保林.身体现象学视阈下多模态脑机接口的感知他心能力及应用前景分析[J].科技管理研究，2023，43（24）：214-220.

[9]肖峰.脑机接口技术的发展现状、难题与前景[J].人民论坛，2023，（16）：34-39.