Luận án tiến sĩ kết hợp tín hiệu EEG, Camera và Vật mốc hướng dẫn xe lăn điện

Số lượng người khuyết tật và người già tăng lên tại Việt Nam. Chức năng thể chất bị hạn chế nghiêm trọng. Xe lăn điện là phương tiện duy nhất để duy trì tính độc lập. Nhu cầu về giải pháp điều khiển không dùng tay ngày càng cấp thiết. Hệ thống phải dễ sử dụng và đáng tin cậy. Giao diện não-máy tính BCI cung cấp giải pháp khả thi. Người dùng có thể ra lệnh bằng ý nghĩ. Điều này cải thiện quyền riêng tư và tự chủ. Xe lăn điện thông minh là bước tiến quan trọng trong công nghệ hỗ trợ.

Hệ thống điều khiển bán tự động gồm ba giai đoạn. Giai đoạn đầu tiên là chọn điểm đích. Người dùng chọn điểm đích trên giao diện máy tính bằng tín hiệu EEG. Giai đoạn thứ hai là xác định vị trí ban đầu. Xe lăn tự xác định vị trí trên bản đồ dựa vào vạch đánh dấu. Giai đoạn thứ ba là dẫn đường tự động. Hệ thống điều khiển xe lăn điện đến đích dựa trên thông tin điểm bắt đầu và đích. Quá trình này đảm bảo hiệu quả và an toàn. Mỗi giai đoạn được tối ưu hóa riêng biệt. Kết hợp tạo thành hệ thống hoàn chỉnh.

Tín hiệu điện não đồ EEG thu thập ý định người dùng. Camera và vạch đánh dấu cung cấp thông tin vị trí. Tín hiệu sinh học được xử lý để loại bỏ nhiễu. Hình ảnh từ camera được phân tích để định vị. Sự kết hợp đảm bảo độ chính xác cao. Hệ thống hoạt động ổn định trong môi trường thực. Giao diện não-máy tính BCI tương thích với camera. Điều này tạo ra giải pháp toàn diện. Công nghệ này có tiềm năng ứng dụng rộng rãi.

Thiết bị Emotiv Epoc+ thu thập tín hiệu EEG từ da đầu. Có 14 điện cực được đặt theo tiêu chuẩn. Tín hiệu điện não đồ ghi lại hoạt động não bộ. Người dùng thực hiện các loại nháy mắt khác nhau. Bao gồm nháy mắt trái, nháy mắt phải, nháy hai mắt. Nháy hai mắt hai lần liên tiếp và không nháy mắt. Dữ liệu được thu thập theo quy trình chuẩn hóa. Tín hiệu thô chứa nhiều nhiễu từ môi trường. Thu thập đúng cách là bước quan trọng đầu tiên.

Tín hiệu EEG thô cần được lọc nhiễu. Bộ lọc Savitzky-Golay được sử dụng để làm trơn tín hiệu. Bộ lọc số loại bỏ thành phần tần số không mong muốn. Xử lý tín hiệu sinh học cải thiện chất lượng dữ liệu. Tín hiệu sau lọc dễ phân tích hơn. Các đặc trưng được trích xuất từ tín hiệu đã xử lý. Bao gồm biên độ và mẫu sóng. Xử lý đúng cách tăng độ chính xác phân loại. Bộ lọc số là công cụ thiết yếu trong hệ thống BCI.

Mẫu sóng não tương ứng với các lệnh điều khiển. Nhận dạng mẫu dựa trên đặc trưng thời gian và tần số. Năm loại nháy mắt được phân biệt rõ ràng. Mỗi loại nháy mắt đại diện cho một lệnh. Hệ thống phản ứng nhanh theo thời gian thực. Nhận dạng mẫu sóng não sử dụng thuật toán hiệu quả. Độ chính xác trung bình trên 97%. Điều này cho phép điều khiển xe lăn điện đáng tin cậy. Giao diện não-máy tính BCI hoạt động ổn định.

Môi trường trong nhà được thiết kế với vạch đánh dấu. Camera lắp trên xe lăn điện thu thập hình ảnh. Hình ảnh được phân tích để nhận diện vạch đánh dấu. Vạch đánh dấu cung cấp thông tin tọa độ. Hệ thống dẫn đường bằng camera tính toán đường đi. Điều hướng tránh chướng ngại vật. Camera hoạt động liên tục trong thời gian thực. Hệ thống dẫn đường đảm bảo an toàn cho người dùng. Công nghệ này phù hợp cho xe lăn điện thông minh.

Vị trí ban đầu được xác định bằng vạch đánh dấu gần nhất. Người dùng chọn điểm đích qua giao diện EEG. Tọa độ điểm đích được lưu trong hệ thống. Khoảng cách và hướng được tính toán. Xe lăn điện bắt đầu di chuyển từ vị trí ban đầu. Hệ thống theo dõi vị trí liên tục. Xác định chính xác là chìa khóa cho dẫn đường hiệu quả. Vạch đánh dấu giúp giảm sai số định vị. Điều này cải thiện hiệu suất hệ thống.

Bản đồ số hóa môi trường trong nhà. Vạch đánh dấu được đặt tại các vị trí chiến lược. Hình ảnh từ camera so sánh với bản đồ. Tích hợp cho phép định vị chính xác. Bản đồ cập nhật theo thời gian thực. Hệ thống dẫn đường bằng camera sử dụng thông tin bản đồ. Điều này tối ưu hóa đường đi. Tích hợp đảm bảo tính nhất quán. Xe lăn điện thông minh hoạt động trơn tru.

Phương pháp ngưỡng biên độ dựa trên giá trị biên độ tín hiệu. Ngưỡng được đặt để区分 loại nháy mắt. Ưu điểm là xử lý trực tiếp trên tín hiệu. Không cần huấn luyện mô hình phức tạp. Độ chính xác cao trên 97% cho mỗi loại nháy mắt. Phương pháp này nhanh và tiết kiệm tài nguyên. Phù hợp cho ứng dụng thời gian thực. Tuy nhiên, có thể nhạy cảm với nhiễu. Cần tối ưu hóa ngưỡng cho từng người dùng.

Mô hình học sâu CNN-1D được sử dụng để phân loại tín hiệu EEG. Dữ liệu huấn luyện được thu thập theo quy trình chuẩn hóa. Chỉ tín hiệu từ 4 điện cực được sử dụng. Tín hiệu được ghép lại thành một tín hiệu duy nhất. Bộ lọc Savitzky-Golay làm trơn trước khi huấn luyện. CNN-1D học đặc trưng phức tạp từ dữ liệu. Độ chính xác trung bình trên 97%. Mô hình có khả năng tổng quát hóa tốt. Học sâu nhận diện ý định một cách hiệu quả.

So sánh hai phương pháp phân loại tín hiệu EEG. Ngưỡng biên độ có ưu điểm về tốc độ và đơn giản. CNN-1D có ưu điểm về độ chính xác và tính linh hoạt. Cả hai đều đạt yêu cầu cho hệ thống BCI. Lựa chọn phương pháp phụ thuộc vào điều kiện ứng dụng. Trong môi trường ổn định, ngưỡng biên độ đủ hiệu quả. Trong môi trường biến đổi, CNN-1D phù hợp hơn. Đánh giá giúp tối ưu hóa hệ thống dẫn đường. Kết quả đảm bảo xe lăn điện thông minh hoạt động tốt.

Phân loại năm loại nháy mắt đạt độ chính xác trung bình trên 97%. Ngưỡng biên độ cho kết quả ổn định. Mô hình CNN-1D cũng đạt tương đương. Sai số chủ yếu do nhiễu tín hiệu. Hệ thống hoạt động tốt với người dùng khác nhau. Độ chính xác cao đảm bảo lệnh điều khiển đúng. Người dùng có thể tin tưởng vào hệ thống. Kết quả vượt qua nhiều nghiên cứu trước đó. Điều này chứng minh hiệu quả của phương pháp phân loại tín hiệu EEG.

Xe lăn điện dẫn đường chính xác trong phòng thử nghiệm. Camera nhận diện vạch đánh dấu một cách đáng tin cậy. Thời gian di chuyển tối ưu. Hệ thống tránh chướng ngại vật cơ bản. Dẫn đường hoạt động tự động sau khi nhận lệnh. Người dùng không cần can thiệp. Hiệu quả được đánh giá qua nhiều lần thử nghiệm. Môi trường trong nhà phù hợp cho hệ thống. Kết quả cho thấy tiềm năng ứng dụng thực tế. Hệ thống dẫn đường bằng camera hoạt động hiệu quả.

Hệ thống điều khiển bán tự động hoạt động trơn tru. Ba giai đoạn phối hợp nhịp nhàng. Từ chọn đích đến dẫn đường, mọi thứ diễn ra tự động. Người dùng chỉ cần ra lệnh bằng nháy mắt. Đánh giá cho thấy tính thân thiện với người dùng. Hệ thống an toàn và đáng tin cậy. Tiêu chí đánh giá bao gồm độ chính xác và thời gian phản hồi. Hệ thống đáp ứng yêu cầu đề ra. Giao diện não-máy tính BCI là giải pháp khả thi cho xe lăn điện.

Người khuyết tật vận động được hưởng lợi lớn nhất. Hệ thống cho phép di chuyển mà không cần thao tác tay. Người già có thể duy trì tính độc lập lâu hơn. Giao diện não-máy tính BCI dễ sử dụng sau khi làm quen. Tiềm năng cải thiện chất lượng sống là rất cao. Xe lăn điện thông minh trở thành người bạn đồng hành. Công nghệ này giảm phụ thuộc vào người chăm sóc. Ứng dụng rộng rãi trong bệnh viện và gia đình. Đây là giải pháp nhân văn và hiệu quả.

Thách thức chính là chi phí thiết bị Emotiv Epoc+. Độ phức tạp của hệ thống cần đơn giản hóa. Cần cải thiện độ chính xác trong môi trường nhiễu. Hướng phát triển bao gồm tối ưu hóa thuật toán. Miniatur hóa thiết bị để tiện lợi hơn. Nghiên cứu thêm về tín hiệu điện não đồ từ nhiều người dùng. Phát triển giao diện người dùng thân thiện hơn. Tích hợp với công nghệ trí tuệ nhân tạo. Đào tạo người dùng hiệu quả. vượt qua thách thức sẽ mở rộng ứng dụng.

Triển vọng của giao diện não-máy tính BCI rất sáng sủa. Công nghệ đang phát triển nhanh chóng. Tương lai có thể điều khiển nhiều thiết bị hơn bằng ý nghĩ. Xe lăn điện thông minh sẽ trở nên phổ biến. Hệ thống dẫn đường bằng camera sẽ chính xác hơn. Học sâu nhận diện ý định sẽ tiến bộ. Giao diện não-máy tính BCI sẽ tích hợp vào cuộc sống hàng ngày. Công nghệ hỗ trợ sẽ cách mạng hóa y tế. Đây là lĩnh vực nghiên cứu đầy hứa hẹn. Triển vọng lớn cho người khuyết tật và người già.