I. Giới thiệu và mục tiêu nghiên cứu
Luận Văn Thạc Sĩ này tập trung vào việc phát triển hệ thống điều khiển thiết bị bằng tín hiệu điện não trong lĩnh vực kỹ thuật điện tử. Mục tiêu chính là tạo ra một hệ thống giao tiếp giữa não và máy tính (Brain Computer Interface - BCI) để điều khiển các thiết bị điện tử thông qua việc phân tích và xử lý tín hiệu não. Nghiên cứu sử dụng thiết bị Emotiv EPOC để thu nhận tín hiệu điện não, sau đó áp dụng các giải thuật tiền xử lý, trích đặc trưng, và phân loại tín hiệu để đưa ra quyết định điều khiển. Kết quả thực nghiệm cho thấy khả năng điều khiển mini-robot theo 9 lệnh dựa trên sóng não kích thích P300.
1.1. Đặt vấn đề
Hệ thống BCI được nghiên cứu nhằm giúp người khuyết tật có thể điều khiển thiết bị mà không cần sử dụng các cử động vật lý. Tín hiệu điện não được thu nhận và phân tích để tạo ra các lệnh điều khiển, mở ra nhiều ứng dụng thực tiễn trong y tế và công nghệ.
1.2. Ý nghĩa khoa học và thực tiễn
Nghiên cứu mang lại giá trị khoa học cao trong việc phát triển các giải thuật xử lý tín hiệu não và ứng dụng thực tiễn trong việc hỗ trợ người khuyết tật. Hệ thống có thể được mở rộng để điều khiển xe lăn, cánh tay robot, và các thiết bị thông minh khác.
II. Tổng quan về nghiên cứu
Chương này trình bày tổng quan về các nghiên cứu liên quan đến tín hiệu điện não và hệ thống điều khiển. Các nghiên cứu về sóng não P300 và SSVEP được phân tích để làm cơ sở cho việc phát triển giải thuật trong luận văn. Nghiên cứu cũng đánh giá các phương pháp phân loại tín hiệu não hiện có và lựa chọn các phương pháp phù hợp nhất để áp dụng.
2.1. Tình hình nghiên cứu
Các nghiên cứu trước đây về tín hiệu điện não và hệ thống BCI được tổng hợp, nhấn mạnh vào các phương pháp phân loại và xử lý tín hiệu não hiệu quả.
2.2. Đóng góp của nghiên cứu
Nghiên cứu này đóng góp bằng việc phát triển một hệ thống điều khiển thiết bị dựa trên sóng não P300, với giải thuật tối ưu và khả năng xử lý thời gian thực.
III. Cơ sở lý thuyết và phương pháp
Chương này trình bày các cơ sở lý thuyết về tín hiệu điện não, bao gồm các phương pháp thu nhận, xử lý và phân loại tín hiệu. Giải thuật xDAWN được giới thiệu như một phương pháp hiệu quả để tăng cường tỉ số tín hiệu trên nhiễu. Các phương pháp phân loại như Support Vector Machine (SVM) và Linear Discriminant Analysis (LDA) được áp dụng để phân loại tín hiệu não.
3.1. Hệ thống thu nhận và xử lý tín hiệu
Hệ thống thu nhận tín hiệu điện não sử dụng thiết bị Emotiv EPOC, với 14 kênh để ghi lại các hoạt động não. Tín hiệu được xử lý qua các bước tiền xử lý, trích đặc trưng và phân loại.
3.2. Giải thuật xDAWN và phân loại
Giải thuật xDAWN được sử dụng để tăng cường chất lượng tín hiệu não, giúp phân loại chính xác hơn. Các phương pháp phân loại SVM và LDA được so sánh để lựa chọn phương pháp tối ưu.
IV. Mô hình hệ thống và thực nghiệm
Chương này mô tả chi tiết mô hình hệ thống BCI được đề xuất trong nghiên cứu. Hệ thống bao gồm thiết bị Emotiv EPOC, phần mềm xử lý tín hiệu sử dụng ngôn ngữ Python và thư viện OpenVibe, cùng với board Raspberry Pi 2 để điều khiển mini-robot HexBug. Kết quả thực nghiệm được đánh giá dựa trên độ chính xác và thời gian xử lý của hệ thống.
4.1. Thiết bị và phần mềm
Thiết bị Emotiv EPOC được sử dụng để thu nhận tín hiệu não, trong khi phần mềm được phát triển trên nền tảng Python với sự hỗ trợ của thư viện OpenVibe.
4.2. Kết quả thực nghiệm
Kết quả thực nghiệm cho thấy hệ thống có khả năng điều khiển mini-robot với độ chính xác cao, đặc biệt khi sử dụng giải thuật xDAWN và LDA để phân loại tín hiệu.
V. Kết luận và hướng phát triển
Nghiên cứu đã thành công trong việc phát triển một hệ thống điều khiển thiết bị bằng tín hiệu điện não với độ chính xác và hiệu suất cao. Hệ thống có tiềm năng ứng dụng rộng rãi trong việc hỗ trợ người khuyết tật và phát triển các thiết bị thông minh. Hướng phát triển trong tương lai bao gồm cải thiện độ chính xác, giảm thời gian xử lý và mở rộng ứng dụng sang các lĩnh vực khác.
5.1. Kết luận
Nghiên cứu đã chứng minh tính khả thi của việc sử dụng tín hiệu điện não để điều khiển thiết bị, với các giải thuật hiệu quả và hệ thống hoạt động ổn định.
5.2. Hướng phát triển
Các hướng phát triển bao gồm tối ưu hóa giải thuật, tích hợp hệ thống với các thiết bị thông minh khác và ứng dụng trong các lĩnh vực y tế và công nghệ cao.
