基于 EEG 的实时机械臂控制

本教程演示如何仅使用 OpenBCI Cyton 板采集的 Alpha 波活动，对一台 6 自由度（6-DOF）机械臂（或任意执行器）进行实时控制。

项目动机与总体目标

本项目旨在探索如何通过脑活动的实时解码来控制外部系统，作为面向运动功能障碍人群（更具体地，帕金森病患者）的辅助神经技术的一步。

本教程展示的是一个简化版概念验证：利用 Alpha 波 EEG 信号实时控制机械臂。需要说明的是，Alpha 波调制并不等同于真正的运动意图解码，但它能提供稳定、可复现的神经信号，足以用来验证完整的实时流水线：

EEG 信号 → 信号处理 → 执行器控制

本项目的更远目标是开发一个能够检测真实运动意图、并通过肌肉电刺激将其转化为辅助运动的系统。长期动机有一点个人色彩：希望未来能做出一个系统，帮助我已经患帕金森超过 10 年的父亲。

所需材料

• OpenBCI Cyton 生物传感板（8 通道）

• Ultracortex "Mark IV" EEG 头戴设备

• USB Dongle（无线收发器）

• 6 自由度机械臂（请与我们销售工程师联系）

• Teensy 4.1 微控制器（修改 Arduino 代码后也可用其他 MCU）

• 杜邦线

• 6V 电源（给舵机供电）

• 面包板

• 红色 LED

• 面包板跳线

• Arduino IDE

• Python（配齐 EEG 处理所需的库）

第一步：硬件搭建

自行组装机械臂或其他执行器。我将它固定在一块木板上，以模拟人臂的解剖学姿态并防止倾倒。所有舵机由 6V 电源供电，且与 Teensy 4.1 共地。舵机连接至 Teensy 4.1 的引脚，同时并联了一只 LED（作用是作为诊断工具，用来观察数据流是否在运行）。

下图是我的搭建，供参考：

将 USB Dongle 插入电脑，戴上头盔并将 Cyton 板调至舒适的头部位置后开机（别忘了夹上耳夹，分别作为参考电极和偏置电极）。

非常重要的一点：Fp1 电极必须稳定且紧贴额头，因为我们将通过该通道测量 Alpha 波活动。

下图是戴在我头上的 EEG 头盔：

第二步：必要代码与原理

Arduino 端

先用 Arduino IDE 将以下 Arduino 代码烧录到 Teensy 4.1。

Teensy 监听来自 Python 端的串口输入：

• 收到 '1'→ LED 亮起，舵机在最小与最大角度之间往复摆动

• 收到 '0'→ LED 熄灭，舵机停止运动

由此构成一个简单但稳健的执行器控制系统。

Python 端

接着运行以下 Python 代码，实时读取 Cyton 板的 EEG 信号：先依次施加低通、高通、Welch 法 PSD（功率谱密度）滤波，以平滑信号并提取 Alpha 波活动。程序中预设了一个 Alpha 阈值——当 Alpha 能量超过阈值时，向 Teensy 4.1 串口发送 '0'；低于阈值时发送 '1'（原文此处 'G1'疑为笔误，按上下文应为 '1'）。

原理说明

关键在于：你可以实时调控自己的 Alpha 波活动——要么通过保持平静 vs. 紧张的情绪切换，要么像我这样做：闭眼 / 睁眼（分别对应 Alpha 活动增强与减弱）。这是因为大脑枕叶的视觉皮层在闭眼时不再处理外部视觉刺激，回归"空闲态"（这一现象也称空闲节律 / idle rhythms），此时 Alpha 活动会稳定在较高的恒定水平。

第三步：演示

文内附有一段视频演示，展示仅通过 EEG Alpha 调制对机械臂实现的实时控制。

第四步：联系我 

如果对搭建、代码或信号处理有疑问，欢迎随时联系：

• Email：tobiasbn05@gmail.com

• WhatsApp：+45 30 14 43 13

• https://www.linkedin.com/in/tobias-bendix-nielsen-5b424228a/