Điều khiển thiết bị trong nhà thông minh qua sóng điện não

ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP
LƯU VĂN TOÀN

ĐIỀU KHIỂN THIẾT BỊ TRONG NHÀ THÔNG MINH
THÔNG QUA SÓNG ĐIỆN NÃO
Chuyên ngành: Kỹ thuật Điện tử
Mã số: 8.52.02.03

LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỆN TỬ
HỌC VIÊN

NGƯỜI HƯỚNG DẪN KHOA HỌC

Lưu Văn Toàn

Ts. Nguyễn Phương Huy
KHOA CHUYÊN MÔN
TRƯỞNG KHOA

THÁI NGUYÊN - 2020
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




LỜI CAM ĐOAN

Tên tôi là: Lưu Văn Toàn
Sinh ngày: 28/12/1986
Học viên lớp cao học CHK20KTĐT - Trường Đại học Kỹ thuật Công nghiệp

- Đại học Thái Nguyên.
Hiện đang công tác tại: Trường Cao Đẳng Công nghệ và Nông lâm Đông Bắc
Xin cam đoan: Đề tài “Điều khiển thiết bị trong nhà thông minh thông
qua sóng điện não” do Thầy giáo TS. Nguyễn Phương Huy hướng dẫn là công
trình nghiên cứu của riêng tôi. Tất cả tài liệu tham khảo đều có nguồn gốc, xuất
xứ rõ ràng.
Tác giả xin cam đoan tất cả những nội dung trong luận văn đúng như nội dung
trong đề cương và yêu cầu của thầy giáo hướng dẫn. Nếu sai tôi hoàn toàn chịu trách
nhiệm trước hội đồng khoa học và trước pháp luật.
Thái Nguyên, ngày 26 tháng 6 năm 2020
Tác giả luận văn

Lưu Văn Toàn

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




LỜI CẢM ƠN
Sau một thời gian nghiên cứu và làm việc nghiêm túc, được sự động viên,
giúp đỡ và hướng dẫn tận tình của Thầy giáo hướng dẫn TS. Nguyễn Phương Huy, luận
văn với đề tài “Điều khiển thiết bị trong nhà thông minh thông qua sóng điện não”
đã hoàn thành.
Tôi xin bày tỏ lòng biết ơn sâu sắc đến:
Thầy giáo hướng dẫn TS. Nguyễn Phương Huy đã tận tình chỉ dẫn, giúp đỡ
tôi hoàn thành luận văn này.
Trường Đại học Kỹ thuật công nghiệp và đặc biệt là các Thầy, cô trong Khoa
Điện tử đã giúp đỡ tôi trong quá trình học tập cũng như thực hiện luận văn.
Tôi xin chân thành cảm ơn bạn bè, đồng nghiệp và gia đình đã động viên,

khích lệ, tạo điều kiện giúp đỡ tôi trong suốt quá trình học tập, thực hiện và hoàn
thành luận văn này./.
Thái Nguyên, ngày 26 tháng 6 năm 2020
Tác giả luận văn

Lưu Văn Toàn

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




MỤC LỤC
LỜI CAM ĐOAN ........................................................................................................ i
LỜI CẢM ƠN ............................................................................................................. ii
DANH MỤC CÁC TỪ VIẾT TẮT ............................................................................ v
DANH MỤC CÁC HÌNH ẢNH ................................................................................ vi
DANH MỤC BẢNG BIỂU ..................................................................................... viii
MỞ ĐẦU ..................................................................................................................... 1
1. Tính khoa học và cấp thiết của đề tài ..................................................................... 1
2. Đối tượng và phạm vi nghiên cứu của đề tài .......................................................... 1
3. Phương pháp luận nghiên cứu ................................................................................ 2
4. Nội dung và bố cục của luận văn ............................................................................ 2
CHƯƠNG 1

TỔNG QUAN VỀ NHẬN DẠNG TÍN HIỆU ĐIỆN NÃO ............. 3

Tổng quan về tín hiệu điện não ........................................................................ 3
1.1.1 EEG là gì .......................................................................................................... 3
1.1.2 Tại sao phải thu nhận tín hiệu EEG ................................................................. 3

1.1.3 Nguồn gốc của tín hiệu EEG ............................................................................ 5
1.1.4 Các dạng sóng EEG cơ bản .............................................................................. 7
Hệ thống tương tác máy não .......................................................................... 10
1.2.1 Kiến trúc cơ bản của hệ thống BCI ................................................................ 10
1.2.2 Một số kỹ thuật cơ bản trong triển khai hệ thống BCI ................................... 12
1.2.3 Cập nhật một số kết quả nghên cứu trong và ngoài nước .............................. 18
Một số ứng dụng của hệ thống nhận dạng tín hiệu điện não.......................... 19
Kết luận chương ............................................................................................. 20
CHƯƠNG 2

ĐIỀU KHIỂN THIẾT BỊ NHÀ THÔNG MINH THÔNG QUA TÍN

HIỆU EEG

......................................................................................................... 21

Tổng quan về nhà thông minh ........................................................................ 21
2.1.1 Định nghĩa nhà thông minh ............................................................................ 21
2.1.2 Các thành phần cơ bản hệ thống nhà thông minh .......................................... 22
2.1.3 Một số giải pháp điều khiển nhà thông minh ................................................. 25
Xây dựng hệ thống điều khiển thiết bị cho nhà thông minh bằng EEG ........ 26
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




Trích xuất đặc trưng tín hiệu EEG sử dụng DWT ......................................... 27
2.3.1 Các khái niệm cơ bản ..................................................................................... 27
2.3.2 Biến đổi wavelet liên tục ................................................................................ 29
2.3.3 Biến đổi wavelet rời rạc ................................................................................. 31

2.3.4 Giới thiệu một số họ Wavelet ........................................................................ 32
2.3.5 Biến đổi DWT và phân tích đa phân giải tín hiệu EEG ................................. 32
Chọn lọc đặc trưng EEG sử dụng phương pháp phân tích thành phần chính 34
2.4.1 Nguyên lý chung ............................................................................................ 34
2.4.2 Nội dung thuật toán PCA ............................................................................... 35
2.4.3 Áp dụng PCA vào trích chọn vector đặc tính cho bài toán nhận dạng tín hiệu
EEG ........................................................................................................................ 36
2.4.4 Đánh giá thuật toán ........................................................................................ 37
Mạng nơ ron MLP và ứng dụng trong nhận dạng tín hiệu EEG .................... 37
2.5.1 Kiến trúc mạng ............................................................................................... 37
2.5.2 Huấn luyện mạng ........................................................................................... 38
2.5.3 Các yếu tố ảnh hưởng đến hoạt động của mạng MLP ................................... 41
2.5.4 Ưu nhược điểm và một số vấn đề của mạng nơron nhiều lớp ....................... 43
Kết luận chương ............................................................................................. 43
CHƯƠNG 3

XÂY DỰNG MÔ HÌNH MÔ PHỎNG ........................................... 45

Phát biểu bài toán ........................................................................................... 45
Xây dựng hệ thống ......................................................................................... 45
3.2.1 Mũ thu thập và tiền xử lý tín hiệu điện não ................................................... 45
3.2.2 Bộ điều khiển tương tác bằng sóng điện não ................................................. 46
3.2.3 Các modul giao tiếp........................................................................................ 49
Kết quả và thảo luận ....................................................................................... 50
Kết luận chương ............................................................................................. 52
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ................................................................ 53
TÀI LIỆU THAM KHẢO ......................................................................................... 55

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN

DANH MỤC CÁC TỪ VIẾT TẮT
Từ hoặc
cụm từ

Từ tiếng Anh

Từ tiếng Việt

AR

Autoregressive Modeling

Mô hình tự hồi quy

BCI

Brain-Computer Interface

Giao tiếp máy - điện não

CSDL

Data base

Cơ sở dữ liệu

CWT

Continuous Wavelet Transform Biến đối Wavelet liên tục

DWT

Discrete Wavelet Transform

Biến đối Wavelet rời rạc

EEG

Electroencephalogram

Điện não đồ

ER

Emotion Recognition

Nhận dạng cảm xúc

ERS

Emotion Recognition System

Hệ thống nhận dạng cảm xúc

ICA

Independent

Component

Analysis

Phân tích thành phần độc lập

LDA

Linear Discriminant Analysis

Phương pháp phân tích sự khác biệt
tuyến tính

MLP

MultiLayer Perceptron

Mạng nơron Perceptron đa lớp

NN

Neural Network

Mạng Nơron

PCA

Principal Component Analysis

SVM

Support Vector Machine

Phương pháp phân tích thành phần
chính
Học máy vectơ hỗ trợ

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




DANH MỤC CÁC HÌNH ẢNH
Hình 1.1. Thiết lập ghi tín hiệu EEG .........................................................................3
Hình 1.2. Một số phương pháp thu thập thông tin của não ........................................4
Hình 1.3. Quá trình hình thành tín hiệu EEG từ nơ ron hình chóp ............................7
Hình 1.4. Nhận dạng các dạng sóng theo tần số .........................................................7
Hình 1.5. Sóng Alpha .................................................................................................8
Hình 1.6. Sóng Beta. ..................................................................................................9
Hình 1.7. Sóng Theta ..................................................................................................9
Hình 1.8. Sóng Delta. ................................................................................................10
Hình 1.9. Kiến trúc cơ bản của một hệ thống BCI ....................................................10
Hình 1.10. Ví dụ minh họa quá trình xử lý tín hiệu trong hệ thống BCI ..................11
Hình 1.11. Thu thập tín hiệu EEG............................................................................12
Hình 1.12. Vị trí đặt điện cực EEG của hệ thống 10-20 ..........................................14
Hình 1.13. Một số cách sắp xếp vị trí điện cực EEG 16,32,64 kênh .......................14
Hình 1.14. Một kênh sau khi được xử lí loại bỏ artifact ..........................................15
Hình 1.15. Một số phương pháp phân lớp trong nhận dạng tín hiệu EEG [14] .......17
Hình 2.1. Mô hình nhà thông minh ..........................................................................21

Hình 2.2. Các thành phần cơ bản của hệ thống nhà thông minh .............................23
Hình 2.3. Sơ đồ khối hệ thống điều khiển thiết bị thông qua sóng điện não. ..........26
Hình 2.4. Lược đồ xây dựng các chức năng trong phần mềm điều khiển ...............27
Hình 2.5. Wavelet và không wavelet ......................................................................28
Hình 2.6. Sơ đồ phân tích wavelet ...........................................................................28
Hình 2.7. Các phương pháp hiển thị tín hiệu khác nhau ..........................................29
Hình 2.8. Sơ đồ thay đổi hệ số Scaling a. .................................................................30
Hình 2.9. Các họ Wavelet (a) Haar (b) Daubechies4 (c) Coiflet1 (d) Symlet2 (e)
Meyer (f) Morlet (g) Mexican Hat ............................................................................32
Hình 2.10. Sơ đồ biểu diễn biến đổi wavelet để phân tích đa phân giải ...................32
Hình 2.11. Phân tích đa phân giải tín hiệu EEG .......................................................33
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




Hình 2.12. Không gian mới (p1,p2) theo hướng phân bố mạnh nhất của các vector
trong không gian (x1,x2) tìm theo PCA .....................................................................34
Hình 2.13. Mạng Perceptron đa lớp (MLP) ..............................................................38
Hình 2.14. Cực trị địa phương và toàn cục ...............................................................42
Hình 3.1. Sơ đồ khối hệ thống điều khiển thiết bị thông qua sóng điện não. ..........45
Hình 3.2. Mũ Emotiv Epoc+ và vị trí 16 điện cực ....................................................46
Hình 3.3. Thu nhận tín hiệu EEG bằng Emotiv SDK software ................................46
Hình 3.4. Trích chọn đặc trưng dùng DWT ..............................................................47
Hình 3.5. Giảm số chiều vecto đặc trưng dùng PCA ................................................47
Hình 3.6. Kiến trúc mạng nơ ron MLP cho luyện các lệnh ......................................48
Hình 3.7. Module Bluetooth (HC-05) + Hồng ngoại (IR-T940) ..............................49
Hình 3.8. Module Relay dùng cho điều khiển bật tắt bóng đèn................................49
Hình 3.9. Chương trình chạy bật đèn ........................................................................50
Hình 3.10. Chương trình chạy tắt đèn .......................................................................51

Hình 3.11. Chương trình chạy bật Ti Vi ..................................................................51
Hình 3.12. Chương trình chạy tắt Ti Vi ...................................................................52

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




DANH MỤC BẢNG BIỂU

Bảng 3.1. Một số kết quả thử nghiệm điều khiển thiết bị .........................................52

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




MỞ ĐẦU
1. Tính khoa học và cấp thiết của đề tài
Hiện tại, với sự phát triển bùng nổ của các công nghệ, nhà thông minh đã trở
thành một giải pháp quen thuộc hỗ trợ nâng cao chất lượng cuộc sống của con người.
Điểm mấu chốt trong nhà thông minh là hiểu được “ý tưởng” của người sử dụng để
từ đó điều khiển các thiết bị trong nhà một cách hợp lý. Ý tưởng này có thể được thể
hiện thông qua một chiếc điều khiển từ xa (điều khiển bằng Bluetooth hoặc RF), một
chiếc smart phone (điều khiển qua môi trường di động hoặc mạng Internet), thông
qua cử chỉ (hệ thống nhận dạng cử chỉ) hoặc giọng nói (hệ thống nhận dạng bằng
giọng nói).
Tuy nhiên, đối với những người sử dụng mất khả năng vẫn động toàn thân
(không đi lại và nói chuyện được) việc hiểu được “ý tưởng” này thông qua những tín
hiệu “bên trong” như sóng điện não (Electro EncephaloGraphy - EEG) trở nên cần

thiết, quan trọng. Nhu cầu này đã tạo ra sự phát triển mạnh mẽ không ngừng của các
ứng dụng tương tác Não - Máy (Brain Computer Interface - BCI) [7] , [12] .
Trong những năm gần đây, đã có rất nhiều công trình công bố, đưa ra các hướng
tiếp cận khác nhau cho việc giải quyết bài toán nhận dạng sóng điện não. Mọi nỗ lực
đều tập trung vào nhiệm vụ xây dựng nên một hệ thống BCI tác động nhanh và có độ
chính xác cao [12] . Tuy nhiên, các kết quả đạt được còn hạn chế, hầu hết các ứng
dụng phục vụ cuộc sống mới chỉ nằm trong phòng thí nghiệm và cũng chỉ được ứng
dụng cho ngành công nghiệp giải trí. Việc áp dụng hệ thống BCI cho bài toán nhà
thông minh trong thực tế vẫn còn là một thách thức.
Vì những lý do trên, được sự gợi hướng của Thầy giáo, TS. Nguyễn Phương
Huy, học viên lựa chọn đề tài “Điều khiển thiết bị trong nhà thông minh thông qua
sóng điện não” làm đề tài nghiên cứu luận văn tốt nghiệp thạc sĩ chuyên ngành Kỹ
thuật điện tử.
2. Đối tượng và phạm vi nghiên cứu của đề tài
- Đối tượng của luận văn là: Phương pháp điều khiển thiết bị trong nhà thông
minh thông qua sóng điện não
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




- Về phạm vi nghiên cứu: Dựa trên thiết bị thu nhận EEG có sẵn (mũ Emotiv
Epoch+), dựa trên kết quả thu được của các phương pháp trích chọn và nhận dạng tín
hiệu EEG trong [6] ,[4] để triển khai thử nghiệm mô hình hệ thống điều khiển đóng
mở một số thiết bị trong nhà thông minh.
3. Phương pháp luận nghiên cứu
- Phương pháp nghiên cứu lý thuyết: Tổng hợp, nghiên cứu các tài liệu về
nhà thông minh, sóng điện não; Nghiên cứu các phương pháp, thuật toán nhận dạng
tín hiệu điện não; Tìm hiểu các kiến thức liên quan như xử lý tín hiệu số, lý thuyết
nhận dạng, lập trình nhúng.

- Phương pháp nghiên cứu thực nghiệm: Sau khi nghiên cứu lý thuyết, phát
biểu bài toán, đưa ra giải pháp xử lý; Thiết kế và xây dựng phần cứng; cài đặt phần
mềm.
- Phương pháp trao đổi khoa học: Thảo luận, xemina, lấy ý kiến chuyên gia,
công bố các kết quả nghiên cứu trên tạp chí khoa học.
4. Nội dung và bố cục của luận văn
Ngoài phần mở đầu, kết luận và hướng phát triển, luận văn được bố cục thành
ba chương chính như sau:
- Chương 1 Tổng quan về nhận dạng tín hiệu điện não: Trình bày các kiến
thức cơ bản về sóng điện não, kiến trúc một hệ thống BCI , giới thiệu một số kỹ thuật
quan trọng cần triển khai khi xây dựng hệ thống BCI, các ứng dụng của hệ thống BCI
trong thực tế.
- Chương 2 Ứng dụng sóng điện não trong bài toán nhà thông minh:
Chương này giới thiệu chung về nhà thông minh; Đề xuất phương án xây dựng hệ
thống điều khiển thiết bị trong nhà thông minh dựa trên tín hiệu điện não; Phân tích
và làm rõ các cơ sở lý thuyết cần thiết cho đề xuất này.
- Chương 3 Xây dựng mô hình thử nghiệm: Nội dung chương sẽ mô tả các
bước triển khai cụ thể nhằm xây dựng phần cứng cũng như phần mềm cho mô hình
minh họa điều khiển thiết bị trong nhà thông minh thông qua sóng não.

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




CHƯƠNG 1
TỔNG QUAN VỀ NHẬN DẠNG TÍN HIỆU ĐIỆN NÃO
Tổng quan về tín hiệu điện não
1.1.1 EEG là gì
EEG là phương pháp ghi lại hoạt động điện của não. Thông thường đây là

phương pháp không xâm lấn (không gây ảnh hưởng đến đối tượng). Trong phương
pháp này, một số điện cực được đặt dọc theo da đầu, đo dao động điện áp ở các vị trí
khác nhau (Hình 1.1). EEG được phát hiện bởi Berger năm 1924 bằng 1 dụng cụ đo
dòng điện với 1 điện cực bề mặt trên đầu con trai ông và ghi lại được 1 mẫu nhịp
nhàng những dao động điện.

Hình 1.1. Thiết lập ghi tín hiệu EEG
1.1.2 Tại sao phải thu nhận tín hiệu EEG
Não bộ của con người là một tổ chức phức tạp, tinh vi nhất của hệ thần kinh.
Thông qua các giác quan như mắt, tai, da, bộ não tiếp thu các thông tin về thị giác,
thính giác, xúc giác... để từ đó nhận thức ra đối tượng, xử lý và giải đáp thông tin qua
các hình thức vận động. Do vậy bộ não giữ vai trò quan trọng trong hoạt động toàn
diện, đa dạng của con người, giúp con người thích ứng với các hoàn cảnh xã hội.
Ngày nay, khi thế giới ngày càng phát triển thì các bệnh về não cũng ngày càng phát
triển như: các bệnh về động kinh, viêm não, u não ….. Do vậy, tìm hiều vể cấu trúc
của não bộ cũng như cách thức não bộ truyền nhận thông tin là một lĩnh vực chứa
nhiều tiềm năng đem tới những phát kiến khoa học lớn. Để thực hiện được việc đó,
một trong những việc đầu tiên và quan trọng nhất là phải thu nhận được những tín
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




hiệu/thông tin do não bộ sản sinh. Một số phương pháp khác nhau ghi lại hoạt động
của não (Hình 1.2), đó là [1] :

Hình 1.2. Một số phương pháp thu thập thông tin của não
- Điện não đồ (Electroencephalography - EEG),
- Chụp quang phổ cận hồng ngoại chức năng (Functional Near-Infrared
Spectroscopy - fNIRS),

- Điện não xâm lấn (Electro-corticography - ECoG),
- Chụp cắt lớp (Computed Topography - CT)
- Từ não đồ (Magnetoencephalography - MEG),
- Chụp cắt lớp phát xạ positron (Positron emission tomography - PET)
- Chụp cộng hưởng từ chức năng (functional magnetic resonance imaging fMRI).
Các phương pháp thu tín hiệu hình ảnh từ não như CT, PET, MRI thường có
thiết kế cồng kềnh, giá thành rất cao. Phương pháp điện não xâm lấn ECoG cho tín
hiệu có độ tin cậy cao, chất lượng và độ phân giải tốt tuy nhiên lại là phương pháp
xâm lấn, không dễ thực hiện và đòi hỏi phải có can thiệp y khoa để mở hộp sọ đặt
điện cực thu tín hiệu. So với các phương pháp này, điện não đồ EEG cho kết quả là
tín hiệu điện não có độ phân giải và chất lượng tốt. Thiết bị thu EEG thường nhỏ gọn,
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




có thể di chuyển linh hoạt và giá thành thấp. Tín hiệu điện não EEG là một phương
thức phương thức được sử dụng phổ biến nhất thu nhận tín hiệu đầu vào cho các ứng
dụng giao diện não - máy tính, phù hợp với điều kiện kinh tế - xã hội nếu được triển
khai áp dụng tại Việt Nam.
1.1.3 Nguồn gốc của tín hiệu EEG
Vỏ não là nguồn gốc của các hoạt động điện của não thu được từ bề mặt của
da đầu, các dạng khác nhau của hoạt động điện và dẫn tới trường điện thế được tạo
ra bởi các tế bào thần kinh vỏ não.
Sự sắp xếp của các tế bào ở các khu vực khác nhau trên vỏ não là khác nhau,
mỗi vùng có kiểu hình thái khác nhau. Hầu hết các tế bào vỏ não được sắp xếp thành
các cột, trong các cột này các neuron được phân bố dọc theo trục chính của các cây
dạng nhánh, song song với mỗi cây khác và trực giao với bề mặt vỏ não.
Vỏ não gồm các lớp khác nhau, các lớp này là không gian của cấu trúc các tế
bào thần kinh đặc biệt, với các trạng thái và chức năng khác nhau trong đáp ứng xung

điện. Tế bào thần kinh pyramidal là thành phần cấu tạo chủ yếu của vỏ não. Điện thế
EEG ghi được từ các điện cực được đặt tiếp xúc với lớp da đầu là sự tổng hợp các
thay đổi về điện thế ngoài của tế bào pyramidal. Màng tế bào pyramidal không bao
giờ trong trạng thái nghỉ bởi vì nó bị tác động liên tiếp bởi hoạt động sinh ra do các
neuron khác có các liên kết synaptic (mối nối giữa một axon và tế bào kế tiếp mà
chúng trao đổi thông tin được gọi là synapse). Các liên kết synaptic có thể là kích
thích hoặc ức chế sự thay đổi tương ứng tính thẩm thấu của màng tế bào đối với ion
K và ion Cl làm phát sinh dòng điện.
Điện thế postsynaptic (phần synapse cạnh tế bào kế tiếp) kích thích là tổng
hợp của dòng đi vào trong màng tế bào gây ra bởi các ion dương và dòng đi ra ngoài
màng tế bào tạo dọc theo phần mở rộng của tế bào extra-synaptic. Điện trường bên
ngoài tế bào là hàm của điện thế xuyên màng.
Mặc dù các điện thế bên ngoài tế bào riêng rẽ là nhỏ nhưng tổng điện thế của
chúng cũng đáng kể đối với nhiều tế bào. Điều này là do các neuron pyramidal được
kích hoạt tức thời lớn hơn hoặc nhỏ hơn cách mà liên kết synaptic và các thành phần
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




dọc trục của dòng bên ngoài màng được thêm vào, trong khi đó các thành phần nằm
ngang lại có xu hướng làm giảm điện thế này. Ngoài ra các nguồn khác cũng góp
phần tạo ra tín hiệu EEG. Sự giảm điện thế màng tế bào tới mức giới hạn xấp xỉ 10
mV nhỏ hơn điện thế tái khử cực tại trạng thái nghỉ của màng tế bào. Điện thế hoạt
động của các neuron não là nguồn gốc của EEG, chúng góp phần nhỏ trong việc tạo
ra tín hiệu EEG ghi được tại bề mặt của não. Do chúng thường hoạt động không đồng
bộ trong cùng một thời gian đối với một số lượng lớn các sợi trục, các sợi trục này di
chuyển theo nhiều hướng tương đối với bề mặt vỏ não. Nguyên nhân khác là phần
của màng tế bảo bị khử cực bởi điện thế hoạt động tại các thời điểm cố định nhỏ hơn
so với thành phần của màng tế bào được kích thích bởi một EPSP và điện thế hoạt

động tồn tại trong thời gian ngắn hơn( cỡ 1 - 2ms) so với của EPSPs hoặc IPSPs là
10 - 250ms.
Qua các điểm trình bày ở trên thì EEG thu được tại bề mặt da đầu có thể coi
là kết quả của nhiều thành phần tích cực, trong đó điện thế của postsynaptic từ tế bào
pyramidal là thành phần chính tạo ra tín hiệu điện não.
Hình 1.3 mô tả các dao động điện áp gây ra bởi các tế bào thần kinh pyramidal.
Trên cùng bên trái là kết quả của điện não đồ, dạng sóng ở giữa cho thấy những thay
đổi trong trường điện thế trường bên trong, phía dưới bên trái hiển thị dao động của
một nơron pyramidal.

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




Hình 1.3. Quá trình hình thành tín hiệu EEG từ nơ ron hình chóp
1.1.4 Các dạng sóng EEG cơ bản
Năm 1924, nhà tâm thần học người Áo tên là Hans Berger là người đầu tiên ghi
được EEG. Ông nhận thấy trên bản ghi EEG bình thường, nhịp của các sóng điện não
gồm có vài loại sóng có thể phân biệt theo tần số. Đây còn gọi là các dạng sóng đặc
trưng sinh lý.

Hình 1.4. Nhận dạng các dạng sóng theo tần số
1.1.4.1 Sóng Alpha (α)
Dạng sóng hình sin là chủ yếu, có tần số từ 8 -13 chu kỳ/giây
Alpha nhanh: 11-13 chu kỳ/giây
Alpha trung bình: 10 chu kỳ/giây
Alpha chậm: 8-9 chu kỳ/giây
Sóng thường có biên độ khoảng 50µV (mặc dù cũng có thể giao động từ 5 tới
100 µV). Sóng này thấy rõ nhất ở phần phía sau của não người, vốn là nơi xử lý các

tín hiệu thị giác, tức là vùng chẩm (occipital region) ở cả 2 bên, ít ở vùng đỉnh và

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




giảm dần về phía thái dương Vì vậy, đôi khi người ta còn gọi nhịp alpha là nhịp trội
ở phía sau (the posterior-dominant rhythm).
Có nhiều giả thuyết giải thích cơ chế này. Theo P.V simonov (1956) cho rằng
alpha có vai trò lớn trong cơ chế điều chỉnh giữa nội môi và ngoại môi của chức năng
ngăn cản các tín hiệu đi vào não. Theo Bunch alpha có vai trò điều chỉnh đồng bộ của
các tín hiệu vào và ra khỏi não; D.G. Shmelkin (1955) thấy alpha luôn đi cùng với
trạng thái cân bằng liên quan đền hưng phấn và ức chế. Sóng alpha trở nên rõ nhất
khi nhắm mắt lại, bị triệt tiêu khi mở mắt. Như vậy sóng alpha là dấu hiệu cho biết
não đang ở tình trạng không chú ý (inattentive brain), và đang chờ để được kích thích.
Thực tế là có một vài tác giả đã gọi nó là “nhịp chờ đợi” ("waiting rhythm"). Đây là
nhịp sóng chủ yếu thấy được trên người lớn bình thường và thư giãn – sóng hiện diện
trong hầu hết các thời kỳ của cuộc đời, nhất là khi trên 30 tuổi, khi ấy sóng này chiếm
ưu thế trên đường ghi EEG lúc nghỉ ngơi.

Alpha 10 Hz, biên độ thấp.

Alpha 10Hz, biên độ cao.

Alpha 10Hz, xuất hiện từng chùm.
Hình 1.5. Sóng Alpha
1.1.4.2 Sóng Beta (β)
Dạng sóng không ổn định, có tần số từ 13-35 Hz, có biên độ dưới 30µV. Sóng
Beta là sóng nhanh ở phía trước, phân bố điển hình ở vùng trán và giảm dần ở thái

dương và đỉnh chẩm. Sóng Beta liên quan đến trạng thái hưng phấn của thẩn kinh.
Sóng Beta sẽ nổi bật lên khi dung thuốc an thần gây ngủ. Sóng có thể mất hoặc suy
giảm ở vùng có tổn thương vỏ não. Nhịp beta thường được coi là nhịp bình thường,
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




nó là nhịp chiếm ưu thế ở những bệnh nhân đang thức tỉnh cảnh giác hoặc lo sợ, hoặc
khi mở mắt.

Hình 1.6. Sóng Beta.
1.1.4.3 Sóng Theta (θ)
Dạng sóng hình cung hay hình thang, tần số từ 4-8Hz. Theta nhanh từ 6-8Hz,
Theta bình thường từ 5-6Hz, Theta chậm từ 4-5Hz. Sóng Theta xuất hiện ở thái
dương, hay vùng trán thái dương và thái dương trước trung tâm. Sóng Theta là loại
sóng chậm, thường thấy khi bệnh nhân trong tình trạng buồn ngủ hoặc ngủ nông (light
stages of sleep). Sóng Theta được coi là bất bình thường nếu thấy ở người lớn đang
tỉnh táo, nhưng lại là bình thường ở trẻ em dưới 10 tuổi. Sau 10 tuổi, sóng theta nhanh
và chuyển dần sang alpha. Cũng có thể thấy theta tạo thành 1 vùng bất thường trên
những nơi có tổn thương dưới vỏ cục bộ. Sóng theta biểu hiện cho giảm hoạt động
của vỏ não, nên ngoài lứa tuổi nhỏ, còn thấy xuất hiện ở lứa tuổi cao. Sóng theta xuất
hiện ở người lớn nhiều hay ít, lan tỏa hay khu trú đều liên quan đến rối loạn chức
năng của não, đặc biệt ở cấu trúc dưới vỏ.

Hình 1.7. Sóng Theta
1.1.4.4 Sóng Delta (δ)
Dạng sóng hình chuông, tần số từ 0,5-4 Hz, biên độ sóng trung bình tương
đương điện thế alpha, cũng có khi cao gấp 2 đến 3 lần biên độ alpha, đây là loại sóng
chậm nhất và có biên độ cao nhất. Sóng Delta xuất hiện ở trẻ em dưới 7 tuổi, giảm

dần theo lứa tuổi, xuất hiện ở người lớn trong giấc ngủ sâu (ở giai đoạn 3 hoặc 4 của
giấc ngủ). Nói chung, nếu sóng Delta xuất hiện trên một người lớn (trừ khi đang ngủ)
thì chứng tỏ não có vấn đề nào đó: ví dụ u não, động kinh, tăng áp lực hộp sọ, khiếm
khuyết về trí tuệ, hay hôn mê. Khi đã xuất hiện, thì nhịp Delta có khuynh hướng thay
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




thế cho nhịp alpha. Cả sóng beta lẫn sóng delta đều không bị ảnh hưởng bởi mở mắt
hay nhắm mắt. Nó có thể xuất hiện cục bộ khi có tổn thương dưới vỏ và phân bố rộng
khắp khi có tổn thương lan tràn, trong bệnh não do chuyển hóa (metabolic
encephalopathy), bệnh não nước (hydrocephalus) hay tổn thương đường giữa trong
sâu (deep midline lesions). Nó thường trội nhất ở vùng trán ở người lớn (ví dụ FIRDA
- Frontal Intermittent Rhythmic Delta - sóng delta có nhịp cách hồi ở vùng trán) và
phân bố trội ở các vùng phía sau trên trẻ em (ví dụ OIRDA - Occipital Intermittent
Rhythmic Delta - sóng delta có nhịp cách hồi ở vùng chẩm).

Hình 1.8. Sóng Delta.
Hệ thống tương tác máy não
1.2.1 Kiến trúc cơ bản của hệ thống BCI

Hình 1.9. Kiến trúc cơ bản của một hệ thống BCI
Trong xu hướng phát triển của con người, các hệ thống nhận dạng cảm xúc
thông qua những tín hiệu “bên trong” như EEG trở nên cần thiết, quan trọng và tạo
ra sự phát triển mạnh mẽ không ngừng của các ứng dụng tương tác Não - Máy (Brain

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN

Computer Interface - BCI), đặt con người vào vị trí trung tâm của mối tương tác số
trong kỷ nguyên hiện đại.
BCI là một hệ thống cố gắng thiết lập giao tiếp giữa não người và hệ thống
máy tính để đạt được sự tương tác giữa một cá nhân với môi trường mà không cần sử
dụng “đầu ra của não” (dây thần kinh và cơ bắp). Ở giai đoạn đầu phát triển BCI, các
hệ thống được thiết kế cho những người bị thiếu hụt thần kinh cơ nghiêm trọng, bị
kích thích bởi các rối loạn như đa xơ cứng hoặc chấn thương tủy sống. Gần đây, sự
quan tâm trong nghiên cứu BCI đã tăng lên theo cấp số nhân và các ứng dụng hiện
tại bao gồm giải trí, phục hồi chức năng, chẩn đoán, điều trị và hệ thống nhà ở thông
minh.
Một hệ thống BCI (được minh họa trong Hình 1.9) về cơ bản hoạt động như
sau. Đầu tiên, các tín hiệu não được cảm nhận, khuếch đại và xử lý. Các tín hiệu như
vậy thường được ghi lại bằng EEG, một phương pháp không xâm lấn để đo hoạt động
điện của vỏ não. Thứ hai, hệ thống tìm kiếm và trích xuất các tính năng điện sinh lý
hữu ích của tín hiệu EEG, phản ánh mong muốn của người dùng trong việc kiểm soát
hệ thống. Cuối cùng, hệ thống liên kết các tính năng EEG có ý nghĩa với các lệnh
điều khiển cụ thể của thiết bị đích. Hình 1.10 đưa ra một ví dụ minh họa trong trường
hợp xây dựng một hệ thống BCI giúp nhận dạng chuyển động của bàn tay người
thoogn qua sóng não.

Hình 1.10. Ví dụ minh họa quá trình xử lý tín hiệu trong hệ thống BCI
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




Trong những năm gần đây, đã có rất nhiều công trình công bố, đưa ra các
hướng tiếp cận khác nhau cho việc giải quyết bài toán nhận dạng cảm xúc con người

thông qua sóng điện não. Mọi nỗ lực đều tập trung vào nhiệm vụ xây dựng nên một
hệ thống BCI tác động nhanh và có độ chính xác cao.
1.2.2 Một số kỹ thuật cơ bản trong triển khai hệ thống BCI
Từ sơ đồ khối Hình 1.9, ta có thể thấy rằng ba khâu quan trọng nhất trong hệ
thống BCI là: Xử lý số tín hiệu EEG, trích chọn đặc trưng, phân lớp (ra quyết định).
Cũng chính vì thế, qua khảo sát các công trình nghiên cứu đã công bố liên quan đến
BCI và EEG đều chủ yếu tập trung vào cải tiến các bước chính này.
1.2.2.1 Thu nhận và xử lý số tín hiệu EEG
Việc tiến hành đo đạc EEG thường được thực hiện bằng cách gắn nhiều điện
cực rải ráp xung quanh đầu, mỗi điện cực sẽ thu nhận được các xung điện tại từng
khu vực riêng biệt, mỗi điện cực được coi như là 1 kênh (channel).

Hình 1.11. Thu thập tín hiệu EEG
Các điện cực dùng trong điện não đồ thường là những đĩa kim loại. Có 2 loại
điện cực là điện cực châm và điện cực dán.
Chỗ đặt điện cực trên da đầu được bôi kem dẫn điện, trước đó cần tẩy da đầu
bằng chất tẩy chuyên dụng, hoặc dùng cồn để tẩy sạch chất mỡ nhờn trên da đầu, sao
cho điện trở giữa điện cực và da đầu không vượt quá một mức ngưỡng nào đó (thường
là không quá 5 kΩ).

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




Nếu làm sạch da đầu tốt, cũng có thể không dùng kem dẫn điện trên điện cực
ghi, mà dùng miếng xốp tẩm dung dịch muối. Người ta cũng hay dùng loại mũ cao
su có gắn sẵn điện cực, và đặt trùm lên đầu người bệnh.
Vì các điện cực được đặt rải ráp xung quanh đầu nên để cụ thể, mỗi channel
đo tại 1 vùng riêng biệt sẽ có 1 quy ước đặt tên riêng. Ngoài ra, mỗi điện cực đo xung

điện đều dựa trên sự chênh lệch điện thế với 1 điểm gọi là reference. Việc chọn điểm
reference tại đâu trên đầu (2 dái tai, 2 xương chũm, đỉnh đầu) cũng đều gây ảnh hưởng
tới kết quả thu được của tín hiệu.
Trong thực tế, số lượng điện cực gán trên vỏ mũ không cố định, thông thường
sẽ là 14, 32 hoặc 64 channel, mỗi bản thiết kế điện cực sẽ có 1 tên riêng quy chuẩn
và số lượng channel cũng khác nhau [15] .
Hiệp hội quốc tế về sinh lí thần kinh lâm sàng và điện não đã đưa ra chuẩn đặt
điện cực cho 21 điện cực (gồm cả điện cực tại dái tai) gọi là hệ thống 10-20. Các điện
cực đặt tại dái tai được gọi là A1, A2 được nối tương ứng với tai trái và tai phải được
sử dụng làm điện cực tham chiếu. Hệ thống 10-20 tránh đặt điện cực tại vị trí nhãn
cầu, và cân nhắc một vài khoảng cách không đổi bởi sử dụng các mốc giải phẫu cụ
thể. Các điện cực lẻ được đặt bên trái và các điện cực chẵn được đặt bên phải. Để
thiết lập số lượng các điện cực nhiều hơn mà vẫn tuân theo qui ước trên, các điện cực
còn lại ngoài 21 điện cực chuẩn được đặt giữa các điện cực trên và cách đều nhau
giữa chúng. Ví dụ C1 được đặt giữa C3 và Cz. Hai dạng khác nhau dùng để ghi tín
hiệu điện não là dạng vi sai và dạng tham chiếu. Đối với dạng vi sai hai đầu vào của
mỗi bộ khuếch đại vi sai là hai cực, còn kiểu tham chiếu thì chỉ một trong hai điện
cực tham chiếu được dùng.

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




Hình 1.12. Vị trí đặt điện cực EEG của hệ thống 10-20

Hình 1.13. Một số cách sắp xếp vị trí điện cực EEG 16,32,64 kênh
Trước khi ghi điện não đồ, cần thực hiện việc đo chuẩn độ (calibration) để đảm
bảo là máy sẽ cho đường ghi chính xác. Sóng ghi chuẩn độ cung cấp cho ta giá trị so
sánh biên độ các sóng điện não. Người ta dùng một xung điện hình chữ nhật, hình

tam giác, hay hình sin, có biên độ biết trước, đưa vào đầu vào của bộ khuếch đại của
máy ghi điện não đồ. Như vậy tín hiệu chuẩn độ sẽ đi vào tất cả các đường ghi EEG,
tạo ra một sóng chuẩn độ trên bản ghi. Căn cứ vào sóng chuẩn độ này, người ta đánh
giá các sóng điện não về mặt biên độ.
Bên cạnh đó cần có một bộ lọc (EEG filter) để lọc bỏ các dao động điện xuất
phát từ tim, cơ và từ môi trường bên ngoài. Bộ lọc chỉ cho phép những hoạt động
điện có tần số trong một giới hạn nhất định (frequency range) đã được định sẵn được
ghi vào máy điện não, những dao động có tần số cao hơn hoặc thấp hơn khoảng giới
hạn đó sẽ bị lọc bỏ. Giới hạn của tần số điện não đồ là từ 0,5Hz đến 70Hz (có một số

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




tài liệu cho rằng từ 0,16Hz hoặc thấp hơn nữa đến 70Hz). Như vậy những dao động
có tần số cao hơn 70 Hz sẽ được ghi thành đường thẳng.
Ngoài lọc tín hiệu, trong xử lý tín hiệu EEG còn phải kể đến một số các
phương pháp xử lí khác như: triệt nhiễu noise, loại bỏ actifact. Một vài phương pháp
có thể kể đến như: ICA (Independent Component Analysis), SSP (Signal Subspace
Projectors), Wavelet Denoising.

Hình 1.14. Một kênh sau khi được xử lí loại bỏ artifact
1.2.2.2 Trích chọn đặc trưng tín hiệu EEG
Pha quan trọng thứ hai của nhận dạng suy nghĩ thông qua tín hiệu EEG chính
là trích chọn đặc trưng. Trong hướng tiếp cận truyền thống, có một số kỹ thuật trích
chọn đặc trưng tiêu biểu phải kể đến là:
-

Trích chọn tín hiệu trên miền thời gian

-

Trích chọn tín hiệu trên miền tần số

-

Trích chọn tín hiệu trên miền thời gian-tần số

-

Phương pháp mô hình mẫu chung (Common Spatial Pattern - CSP)
Trong các phương pháp trích chọn đặc trưng miền thời gian, người ta quan tâm

đến một số các đặc trưng như giá trị trung bình, kỳ vọng, phương sai, công suất, tương
quan…Với phương pháp trích chọn đặc trưng trên miền tần số, người ta quan tâm
đến một số tham số của biến đổi FFT. Trên miền thời gian tần số là biến đổi Fourier
thời gian ngắn SFFT.
Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN




Gần đây, dựa trên các ưu điểm biểu diễn tín hiệu phi tuyến, một số công trình
công bố trên thế giới đã tập trung vào áp dụng kỹ thuật biến đổi Wavelet, hoặc sử
dụng mạng nơ ron cho phân tích đặc trưng của tín hiệu EEG và thu được hiệu quả
cao hơn so với các phương pháp truyền thống.
Vì dữ liệu dạng liên tục, để xử lí thông thường ta sẽ chuyển từ digital signal
sang analog signal (continoue signal --> discrete signal) để làm việc dễ dàng hơn.
Tuy nhiên, số lượng mẫu thu được trong một chu kỳ lấy mẫu vẫn khá lớn. Lấy ví dụ,

tín hiệu EEG với 32 channels, sampling rate = 100, tiến hành xử lí 1 với 1 epoch =
30s thì số lượng samples cần xử lí = 100 * 30 * 32 = 96000 samples, 1 con số khá lớn
chỉ với 1 epoch! Sau khi áp dụng các phương pháp tríc chọn đặc trưng bên trên, ta có
thể sử dụng thêm một số phương pháp lựa chọn đặc trưng để giảm thiểu số lượng đặc
trưng, giảm chi phí tính toán và chọn lọc ra các tham số đặc trưng nhất. Một vài
phương pháp chú ý trong EEG như:
-

Phương pháp phân tích thành phần chính (Principal Component Analysis PCA) và phân tích thành phần độc lập (Independent Component Analysis ICA): PCA là 1 trong các giải thuật về giảm bậc tuyến tính và lựa chọn đặc
trưng được sử dụng phổ biến nhất. Còn ICA là giải thuật giảm bậc phí tuyến
và thường được kết hợp với biến đổi wavelet để trích rút các đặc trưng khoogn
gian và đặc trưng thời gian-tần số

-

Filter Bank Selection: được sử dụng kèm các giải thuật về CSP bên trên.

-

Các thuật toán tiến hóa

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN