ИРЭ им. В.А. Котельникова РАН English Войти Подать статью
Журнал радиоэлектроники Электронный научный журнал · eISSN 1684-1719
2025, № 7 · БИОМЕДИЦИНСКАЯ РАДИОЭЛЕКТРОНИКА

Система передачи буквенно-цифровой информации на основе частотно-временного анализа сигнала электроэнцефалограммы

Д.В. Журавлев1

1 Воронежский государственный технический университет, Воронеж, Россия
Полный текст DOI: 10.30898/1684-1719.2025.7.15 УДК 621.396 EDN ZXEZNP

Аннотация

В статье рассмотрены этапы разработки системы передачи информации в виде программно-аппаратного комплекса, обеспечивающего ввод буквенно-цифровых символов в вычислительное устройство посредством морганий глазами оператора. Данная система передачи позволяет осуществлять ввод любых букв и символов только с использованием глаз без задействования других наружных органов, таких как руки, ноги, туловище и т. д. Кроме того, для передачи текстовой информации нет необходимости в задействовании речевого аппарата. Ключевой особенностью системы является возможность ее автоматического перевода самим оператором в рабочий или ждущий режим на основе частотного анализа электроэнцефалограммы оператора. Работа системы основана на использовании разработанного одноканального интерфейса «мозг-компьютер», позволяющего в режиме реального времени регистрировать один канал электроэнцефалографического отведения с лобной части головы и передавать сигнал в вычислительное устройство. Благодаря снятию биоэлектрического сигнала с лобной части головы появилась возможность использования электрода «сухого» типа. Нейрокомпьютерный интерфейс построен на основе системы на кристалле TGAT1-L64. Он выполнен в сверхлегком и энергоэффективном исполнении, позволяющем оператору не снимать его с головы долгое время. В статье описаны основные этапы разработки программно-аппаратного комплекса. Также приведены результаты эмпирико-статистического исследования изменения спектральной плотности мощности в различных частотных диапазонах электроэнцефалографического сигнала в зависимости от различных внешних факторов, воздействующих на человека. Проведен ряд натурных экспериментов, по результатам которых в сигнале выявлены информативные признаки, позволяющие сформировать индексы закрытых/открытых глаз. Сформулированы рекомендации позволяющие оценить влияние психоэмоционального состояния оператора на формируемые индексы внимания и расслабления. На основе рассчитанных индексов получен универсальный индекс переключения режимов работы системы. Разработано комплексное программное обеспечение на языке Python позволяющее проводить: регистрацию и обработку принятых пакетов данных; предобработку электроэнцефалографического сигнала, выделение информативных как амплитудных, так и частотных составляющих; визуализацию окна ввода, детектирование и формирование буквенно-цифровых сообщений; расчет индекса переключения на основе частотного анализа сигнала и автоматизированное переключение системы в рабочий или ждущий режим. Описанные исследования и разработки легли в основу созданной системы передачи буквенно-цифровой информации. Проведена апробация системы, показавшая ее успешную работоспособность и возможность обеспечения средней точности передачи текстовой информации не ниже 98%.

  • интерфейс "мозг-компьютер"
  • частотно-временной анализ
  • передача информации
  • нейрогарнитуры
  • программно-аппаратный комплекс
  • спектральная плотность мощности
Abstract (in English)

Alphanumeric information transmission system based on time-frequency analysis of the electroencephalogram signal

The article discusses the stages of developing an information transmission system in the form of a software and hardware complex that provides input of alphanumeric characters into a computing device by blinking the operator's eyes. This transmission system allows to enter any letters and symbols using your eyes only (without using other external organs such as arms, legs, torso, etc). In addition, there is no need to use a speech to transmit text information. The key feature of the system is the ability for the operator to automatically switch it into operation or standby mode based on frequency analysis of the operator's electroencephalogram. The system's operation is based on the use of a developed single-channel brain-computer interface, which allows real-time recording of one channel of the electroencephalographic signal from the frontal part of the head and transmitting it to a computing device. Due to the removal of the electric signal from the front part of the head, it became possible to use a «dry» type electrode. The neurocomputer interface is based on a system on a TGAT1-L64 chip. It is made in an ultralight and energy-efficient design that allows the operator to keep it on his head for a long time. The article describes the main stages of the hardware and software complex development. The results of an empirical statistical study of changes in the spectral power density in various frequency ranges of the electroencephalographic signal depending on various external factors affecting humans are also presented. A number of experiments were conducted, according to the results of which informative signs were identified in the signal, allowing the formation of closed/open eyes indices. Recommendations are formulated to assess the influence of the operator's psycho-emotional state on the generated indices of attention and relaxation. Based on the calculated indexes, a universal system mode switching index was obtained. A comprehensive Python software has been developed that allows to conduct: registration and processing of received data packets; preprocessing of the electroencephalographic signal, highlighting informative both amplitude and frequency components; visualization of the input window, detection and generation of alphanumeric messages; calculation of the switching index based on frequency analysis of the signal and automated switching of the system to operating or standby mode. The described research and development formed the basis of the created alphanumeric information transmission system. The system has been tested, which has shown is successful performance and the ability to ensure an average accuracy of transmitting text information of at least 98%.

Для цитирования

Журавлев Д.В. Система передачи буквенно-цифровой информации на основе частотно-временного анализа сигнала электроэнцефалограммы // Журнал радиоэлектроники. – 2025. – № 7. https://doi.org/10.30898/1684-1719.2025.7.15

Литература

  1. Неробкова Л.Н. и др. Клиническая электроэнцефалография. Фармакоэлектроэнцефалография //М.: ГЭОТАР-Медиа. - 2020.
  2. Баарс Б., Гейдж Н. Мозг, познание, разум //Введение в когнитивные нейронауки. - 2014. - №. 2. - С. 2014-2014.
  3. Hu D. K. et al. Discovering EEG biomarkers of Lennox-Gastaut syndrome through unsupervised time-frequency analysis //Epilepsia. - 2025.
  4. Sampaio D. D. et al.Intelligent Methodology Using Machine Learning for Epileptic Seizure Identification Based on Time-Frequency Analysis of EEG Signals //Ibero-Latin American Congress on Computational Methods in Engineering (CILAMCE). - 2024.
  5. Padhmashree V., Bhattacharyya A. Human emotion recognition based on time-frequency analysis of multivariate EEG signal //Knowledge-Based Systems. - 2022. - Т. 238. - С. 107867.
  6. Jiao Y. et al. EEG rhythm separation and time-frequency analysis of fast multivariate empirical mode decomposition for motor imagery BCI //Biological Cybernetics. - 2024. - Т. 118. - №. 1. - С. 21-37.
  7. Morales S., Bowers M. E. Time-frequency analysis methods and their application in developmental EEG data //Developmental cognitive neuroscience. - 2022. - Т. 54. - С. 101067.
  8. Buzzell G. A. et al. A practical introduction to EEG time-frequency principal components analysis (TF-PCA) //Developmental cognitive neuroscience. - 2022. - Т. 55. - С. 101114.
  9. Jurdana V. et al. Method for Automatic Estimation of Instantaneous Frequency and Group Delay in Time-Frequency Distributions with Application in EEG Seizure Signals Analysis //Sensors. - 2023. - Т. 23. - №. 10. - С. 4680.
  10. Wang Z., Juhasz Z. GPU Implementation of the Improved CEEMDAN Algorithm for Fast and Efficient EEG Time-Frequency Analysis //Sensors. - 2023. - Т. 23. - №. 20. - С. 8654.
  11. Zheng J. et al. Time-frequency analysis of scalp EEG with Hilbert-Huang transform and deep learning //IEEE Journal of biomedical and health informatics. - 2021. - Т. 26. - №. 4. - С. 1549-1559.
  12. Sotnikov P., Finagin K., Vidunova S. Selection of optimal frequency bands of the electroencephalogram signal in eye-brain-computer interface //Procedia Computer Science. - 2017. - Т. 103. - С. 168-175.
  13. Кирой В. и др. Нейротехнологии: Нейро-БОС и интерфейс "мозг-компьютер". - Litres, 2018.
  14. Официальный сайт проекта "FreeEEG32". URL: https://github.com/neuroidss (дата обращения: 15.04.2025).
  15. Официальный сайт проекта "HackEEG". URL: https://github.com/starcat-io/hackeeg-shield (дата обращения: 15.04.2025).
  16. Официальный сайт проекта "Ironbci". URL: https://github.com/Ildaron/ironbci (дата обращения: 15.04.2025).
  17. Официальный сайт проекта "OpenBCI_ESP32". URL: https://github.com/ribbotson/OpenBCI_ESP32 (дата обращения: 15.04.2025).
  18. Официальный сайт проекта "OpenBCI". URL: https://github.com/OpenBCI/(дата обращения: 15.04.2025).
  19. Cardona-Álvarez Y. N. et al. A novel OpenBCI framework for EEG-based neurophysiological experiments //Sensors. - 2023. - Т. 23. - №. 7. - С. 3763.
  20. Mansouri M. T. et al. Telemetric electroencephalography recording in anesthetized mice-a novel system using minimally-invasive needle electrodes with a wireless OpenBCI™ Cyton Biosensing Board //MethodsX. - 2023. - Т. 10. - С. 102187.
  21. Kremenska A., Lekova A. New Nodes for Node-RED Library within OpenBCI Category for EEG-Based Brain-Machine Interface Design and Integration in IoT. - 2024.
  22. Аппаратные платформы для ЭЭГ от компании Neurosky. URL: https://neurosky.com/biosensors/eeg-sensor/biosensors/(дата обращения: 15.04.2025).
  23. Библиотека EEG python для базового анализа и построения графиков ЭЭГ. URL: https://github.com/mikbuch/pyseeg (дата обращения: 15.04.2025).