هدایت پرنده کوادکوپتر برمبنای سیگنال الکترواکولوگرافی

الکترواکولوگرام یک سیگنال حیاتی است که می‌تواند نقش مهمی در سیستم‌های رابط انسانکامپیوتر ایفا کند. سیگنال‌های الکترواکولوگرافی که حاصل حرکت چشم انسان هستند، مزیت ثبت آسان به‌علت دامنه بیشتر و نسبت سیگنال به نویز بالاتر را نسبت به دیگر مدالیته‌ها (مانند الکتروانسفالوگرافی) دارند. پردازش درلحظه، طبقه‌بندی و استخراج ویژگی از عوامل مهم دیگر سیستم‌های کاربردی رابط مغزکامپیوتر به‌شمار می‌روند. در پژوهش حاضر یک سیستم درلحظه و مقرون به‌صرفه رابط انسان کامپیوتر مبتنی‌بر سیگنال‌های الکترواکولوگرافی طراحی و توسعه داده شده است. این سیستم شامل یک عینک ارتقاء یافته برای جاگذاری و ثابت‌سازی الکترودهای سطحی روی صورت کاربر و یک شتاب‌سنج برای تشخیص حرکات سر و بدن کاربر است. سیگنال‌های الکترواکولوگرافی به‌وسیله حرکت چشم کاربر در چهار جهت اصلی (بالا، پایین، چپ و راست) نسبت به چهار لبه نمایشگر روبه‌روی وی به‌دست می‌آیند. سپس با انتخاب فیلترها و مدل پردازشی مناسب، سیگنال‌ها با تاخیر بسیار اندک طبقه‌بندی شده و با استخراج ویژگی‌ها، نسبت به حذف آرتیفکت‌های موجود اقدام می‌گردد. در انتها سیستم با دقت %94.4 در تشخیص صحیح حرکت چشم کاربر (در آزمایش روی 5 کاربر، هرآزمایش 5 نوبت تست عملکرد) موفق به کنترل کامل یک پرنده کوادکوپتر گردید.

Quadcopter Navigation based on the Electrooculography Signal

Electrooculogram is a biopotential signal that can play an important role in Brain Computer Interface systems. EOG, which is the result of moving human eye bulb, has the advantage of relatively easy recording due to its higher amplitude and signaltonoise ratio compared to other modalities (e.g. EEG). Realtime processing, classification, and feature extraction are another important factors in applicable BCI systems. In the present study, a realtime processing and cost effective BCI system have been designed and developed based on EOG signals. It contains an updated eyeglass for fixing EOG electrodes on the subject’s face and a 3D accelerometer for detecting subject’s movement. EOG signals were acquired by subject’s eye movement toward the four middle part of screen edges, which was placed in front of him/her. Expected results of the system was realtime generating of four different digital commands (Quadcopter navigation) based on the eye movement of a subject in four different directions (up, down, left and right). At the end system have been tested on five different Subjects (five trials for each subject), and 94.4% of system accuracy in detecting eye movements have been achieved.