系統整合與討論

本論文主要是發展一個小型嵌入式系統，再加上量測模組且透過藍芽無線傳 輸來處理腦波訊號。整個嵌入式腦波分析系統結合虛擬實境的整合圖，如圖5-8 所示。系統包含：虛擬汽車駕駛動態平台、環繞式虛擬場景、嵌入式腦波訊號處 理系統及腦波量測系統部分。整個整合圖的流程是，利用虛擬場景和史都華六軸 平台，模擬道路駕車狀況。讓受測者於虛擬實境中感受到真實駕車狀況，並且透 過電極與量測放大器將腦波訊號放大並經過藍芽無線傳輸給嵌入式腦波訊號處 理系統。交由嵌入式訊號處理系統來做腦波訊號的處理後，得到受測者在駕車時 的精神狀況指數，未來可將此結果透過網路傳輸到場景端依程度作警示回饋。

圖5-8 系統整合架構圖

本論文研究，主要是利用 OMAP 平台開發一具備量測腦電位訊號系統、藍 芽無線傳輸模組之腦機介面來即時分析腦波訊號。透過量測設備驗證試驗，可以 證實腦波生理訊號量測與分析系統的可靠性與正確性。透過藍芽無線傳輸測試試

Wireless Transfer Embedded Brain Signal Processing

Brain Signal measure VR scene

Wireless Transfer Embedded Brain Signal Processing

Brain Signal measure VR scene

Electrode

驗，可以確保腦電波訊號在傳輸過程中的正確性。透過ARM 配合 DSP 系統效能 展示試驗，我們可以證實 OMAP 效能在訊號處理上的確領先於一般 ARM 架構 的微處理器。是故，間接證明當初平台的選擇合乎預期，可以不必因為牽就於處 理器的能力，而降底其精確度的要求。近期各家國內外大廠，亦陸續提出新一代 嵌入式處理器，這對未來本研究的後續發展有極大的助力。本論文所開發的即時 嵌入式無線傳輸量測系統，已經於2005 年六月八日台灣聯合大學系統大學腦科 學研究中心成果展示亮相，亦引起報章、電視台等媒體的關注。這在在顯示本研 究應用於日常生活當中的可行性。

本研究開發最困難的地方在於，如何從一個只有硬體的系統，在上面建構的 作業系統中加入I/O 的驅動程式，以整合藍芽裝置（Client）讓 OMAP 使用。其 次，在量測模組與藍芽裝置(Host)的整合亦花費不少功夫，除了瞭解傳輸封包架 構外，還得對藍芽裝置的協定有一定的瞭解，進而達到無線傳輸腦電位訊號的目 的。另外，在ARM 和 DSP 溝通上的 DSP Gateway，使用了作業系統的知識與驅 動程式觀念上的整合，設計上針對可用的資料和傳送的流程都要很小心的使用，

以避免整個系統當機。在開發程式的過程中，由於目前 OMAP1510 是第一代的 產品，有很多地方都有設計上的不當，造成開發人員的困擾。例如在撰寫DSP code 經編譯後，雖然語法上沒有錯誤，但就硬體上的實現上會有不知名的錯誤發生，

在此舉例如下：

z 變數定義上的問題，全域和區域可給定的變數記憶體大小不同。

z 在 DSP 中呼叫 subroutine 會有變數傳輸上的問題，故少用。

z Embedded Linux 核心燒入只能在 Flash 0 進行，其餘 Flash 無法動作。

z File System 無法燒入在硬體 Ram 上。

z 某些 C 常見語法無法使用，例如 a -=b。

z 連續呼叫 DSP 模組來作運算時，每次都要進行記憶體重新配置。因為 這樣緩衝區的資料才會完整清除。

在這之後，將會把整個量測系統、無線傳輸模組整合成一顆晶片，如此一來，

可以將整個腦波分析系統微小化，便於移植到任何的地點與使用，做隨身的腦波 訊號分析。雖然目前系統仍處於一個雛形階段，但後續的發展已經可以預期。

第六章 結論與未來展望

本論文重點在於開發具有腦電位訊號即時運算能力的嵌入式腦波分析系 統，並成功整合藍芽無線傳輸技術及腦波量測裝置，讓整套嵌入式腦波分析系統 更能應用於日常生活當中。有鑑於腦電位訊號分析需要複雜的運算，本論文採用 OMAP 來作為嵌入式系統的微處理器，利用其 DSP 所具備的優秀運算能力，以 及ARM 具備支援作業系統等特性，解決一般嵌入式處理器運算不及、結果不精 確、操作不易、移植性不高…問題。大幅度的提升嵌入式系統的處理效能，以及 保有對作業系統的支援度。然而，整個嵌入式腦波分析系統，仍有些地方待改進：

1. System On a Chip（SOC）：

本論文中整個腦波處理架構雖頗為精簡，但整體體積還是太過於龐大，

不適於使用者攜帶。為了實現將腦波訊號處理系統能整體的微小化，攜於身 上做隨時的腦波訊號分析，並且可以直接連接開發出來的乾式電極量測腦 波，勢必要將系統量測電路放大端、無線傳輸端做成一顆整合型的晶片，後 端再搭配嵌入式裝置進行運算。這對於新一代腦機介面（Brain Computer Interface）而言，是可以參考發展的地方。

2. 運算的修正：

本論文中嵌入式系統微處理器是結合 ARM9 和 C55x DSP 系列而成，其 中C55x DSP 雖有強大的運算能力，但依然是定點數處理，故在處理複雜運 算時，會有些微的誤差。這個定點的問題是可以透過一些運算來作修正。

3. 高效率資料配置：

因為 DSP 在處理大量腦電位訊號時可用資源有限，故對於一些記憶體空 間的配置需要調整，可減少系統整體運算時間上的浪費。如此在處理上會更 加有效率，再者也可利用剩下的空間加入其他task 來作更縝密的系統設計。

參考文獻

[1] Falkenstein M., Hohnsbein J., Hoormann J., and Blanke L. (1991). Effects of crossmodal divided attention on late ERP components. II. Error processing in choice reaction tasks. Electroencephalography and Clinical Neurophysiology, 78(6), 447-55.

[2] Klopp J., Marinkovic K., Chauvel P., Nenov V., and Halgren E. (2000). Early widespread cortical distribution of coherent fusiform face selective activity.

Human Brain Mapping, 11, 286-293.

[3] Makeig S., and Inlow M. (1993). Lapses in alertness: Coherence of fluctuations in performance and EEG spectrum. Electroencephalography and Clinical Neurophysiology, 86, 23-35.

[4] Makeig S, Bell AJ, Jung T-P, Sejnowski TJ. (1996) Independent Component Analysis of Electroencephalographic Data, In: Advances in Neural Information Processing Systems 8:145-51.

[5] Makeig S, Enghoff S, Jung T-P, and Sejnowski TJ. (2000b) An efficient basis for brain-actuated control, IEEE Trans Rehab Eng 8:208-211.

[6] Makeig S., Westerfield M., Jung T-P., Enghoff S., Townsend J., Courchesne E., and Sejnowski T.J., (2002) Electroencephalographic Sources of Visual Evoked Responses, Science, 295, Jan. 25, 690-94.

[7] 連怡仲，“數位腦波機系統之設計與研製”，國立台灣大學，碩士論文，民

[13] 吳炎法，“研製無線化多通道腦波系統並運 NAB 方法進行腦波分類之研 究”，國立台北科技大學，碩士論文，民國九十二年。

[14] Birbaumer N, Ghanayim N, Hinterberger T, Iversen I, Kotchoubey B, Kübler A, Perelmouter J, Taub E, and Flo H, (2000). “A spelling device for the paralyzed,”

Nature, vol. 398, pp. 297–298.

[15] Obermaier B, (2001). “Design and implementation of an EEC based virtual keyboard using hidden Markov models”, Ph.D. dissertation, Technical University-Graz, Graz, Austria.

[16] Obermaier B, Neuper C, and Pfurtscheller G, (2001). “Information transfer rate in a 5 classes brain-computer interface,” IEEE Trans. Rehab. Eng, vol. 9, pp.

283–288.

[17] Ming Cheng, Xiaorong Gao, Shangkai Gao, Senior Member, IEEE, and Dingfeng Xu, (2002). ”Design and Implementation of a Brain-Computer Interface With High Transfer Rates,” IEEE Trans. biomedical Eng, vol. 49, no.

10.

[18] 麗塔.卡特/著 洪蘭/譯，“大腦的秘密檔案”，遠流，民國九十二年二月。

[19] http://faculty.washington.edu/chudler/1020.html

[20] 禹帆，“無線藍芽技術的深入探討”，文魁資訊股份有限公司，民國九十一 年五月。

[21] http://www.slat.org/project/software-map/b1.01/map.html [22] GNU Compiler Collection, http://gcc.gnu.org

[23] Code Composer Studio Getting Started Guide Rev C(SPRU509C), Texas Instruments.

[24] Toshihiro Kobayashi, Kiyotaka Takahashi, Linux DSP Gateway Specification Rev2.0, Nokia Corporation, November 13 2003.

[25] Innovator Development Kit for the OMAP Platform User’s Guide(SPRU667), Texas Instruments.

[26] Innovator Development Kit for the Texas Instruments OMAP™ Platform Deluxe Model User’s Guide, Texas Instruments.

[27] TMS320 DSP/BIOS User’s Guide Rev B(SPRU423B), Texas Instruments.

[28] TMS320C55x Optimizing C/C++ Compiler User’s Guide Rev E(SPRU281E) Texas Instruments.

[29] Alessandro Rubini, Jonathan Corbet, Linux Device Driver 2^nd Edition, O’Reilly,

June 2001.

[30] Karim Yaghmour(2003), Building Embedded Linux Systems, O’Reilly, April 2003.

[31] Ashfaq A. Khan, Practical Linux Programming：Device Driver, Embedded Systems, and the Internet, Charles River Media, 2002.

[32] Wayne Wolf, Computers as Components : Principles of Embedded Computing System Design, Morgan Kaufmann, 2001.

[33] Alan V. Oppenheim, Ronald W. Schafer, John R. Buck, Discrete-Time Signal Processing 2^nd Edition, Prentice Hall, 1999.

[34] TI OMAP™ Platform, http://focus.ti.com/omap/docs/omaphomepage.tsp [35] 廖志昇，“虛擬實境動態模擬系統之即時嵌入式控制單板研製”，國立交通

大學，碩士論文，民國九十一年。

[36] 陳建宏，“虛擬實境動態模擬器之嵌入式即時控制系統”，國立交通大學，

碩士論文，民國九十二年。

[37] 黃冠智，“即時 DSP 嵌入式 Linux 系統開發及其在腦波訊號處理之應用”，

國立交通大學，碩士論文，民國九十三年。

[38] 黃騰毅，“動態虛擬駕車平台研發及其在駕駛員心理負擔之腦波估測與應 用”，國立交通大學，碩士論文，民國九十三年。