电子产品世界

1. 引言：用专注力“拉动”屏幕上的球

想象一下：不需要键盘、鼠标或手柄，只靠“集中精神”，就能在电脑上操控一个游戏——屏幕中间的球，会在你和对手之间来回移动，你越专注，球就越向对面移动。

这正是本项目的核心：
利用 EEG（脑电信号） 和 BCI（脑机接口） 技术，实现一个 双人“脑控拔河”游戏。项目整体难度适合初学者，但覆盖了从硬件搭建、信号采集、上位机软件到游戏逻辑的一整条链路，非常适合作为脑机接口入门实践。

2. 基础概念：EEG 与 BCI

2.1 什么是 EEG（脑电图）？

脑电图（Electroencephalography, EEG） 是记录大脑自发电活动的一种方法。
特征为：

• 使用电极贴在头皮表面（通常采用 International 10–20 System 国际 10–20 电极系统）；

• 记录到的是微伏级的电势变化；

• 不同频段（如 α 波、β 波等）与不同的认知或生理状态相关。

2.2 什么是 BCI（脑机接口）？

Brain-Computer Interface（BCI），又称 Brain-Machine Interface（BMI），指的是将脑电等生物电信号与外部设备（如电脑、机械臂、轮椅等）进行直接连接的系统。
在这个项目中，BCI 的作用是：

将大脑活动 → 转换为 EEG 信号 → 由硬件放大采集 → 由软件分析转换成“专注程度” → 用于控制游戏中的球的运动。

3. 游戏原理：用 α/β 波比值“施力拔河”

在这个双人游戏中：

• 屏幕中间有一个球；

• 左右两侧分别为 Player A 和 Player B；

• 双方佩戴 EEG 采集电极，集中注意力时，大脑 β 波（13–30 Hz）会增强，α 波（8–13 Hz）相对减弱；

• 程序根据 β/α 比值（beta-to-alpha ratio） 估算专注程度；

• 谁的 β/α 比更高，谁对球施加的“力”就更大，球就会向对手一侧移动；

• 当球越过其中一方的边界线时，另一方获胜。

简单来说：

• α 波（8–13 Hz）：放松、闭眼休息、平静状态；

• β 波（13–30 Hz）：任务执行、思考、注意力集中。

利用这两个频段的相对强弱，就可以构建一个很直观的“专注度指标”。

4. 硬件组成与系统结构

4.1 硬件清单

• BioAmp EXG Pill × 2

• 用于放大与过滤脑电（EEG）信号；

• 本项目中，一个玩家使用一个 EXG Pill，共两路 EEG。

• BioAmp Cables × 2

• 将 EXG Pill 与凝胶电极连接到头皮与耳后骨性部位。

• Arduino UNO R4 Minima × 1（含 Type-C 数据线）

• 作为数据采集与串口传输平台；

• 使用模拟输入 A0、A1 接收两个通道的 EEG 信号。

• Gel electrodes 凝胶电极 × 6

• IN+：Fp1 前额位置；

• IN−、REF：耳后骨性区域。

• 每个玩家 3 片：

• Nuprep 皮肤准备凝胶 × 1 + 酒精棉片 × 2

• 降低皮肤阻抗，去除角质与油污，提高信号质量。

• 面包板 × 1、跳线若干（公对公、公对母）

• 用于连接 EXG Pill 与 Arduino；

• 原型验证使用，若长期使用建议改为洞洞板/焊接板。

• 笔记本电脑 × 1

• 运行 Arduino IDE、Python 及游戏前端界面。

4.2 软件环境

• Arduino IDE：

• 用于烧录 Chords Arduino Firmware 到 UNO R4。

• Python 3.11.x：

• 运行 Chords Python；

• 通过 LSL（Lab Streaming Layer）输出 EEG 数据；

• 启动 Web 应用，显示游戏界面。

• Chords Arduino Firmware（GitHub 仓库）：

• 针对不同开发板准备好的固件模板；

• 负责将 EXG Pill 的模拟信号采样并通过串口输出。

• Chords Python（GitHub 仓库）：

• 串口读取 UNO 数据；

• 数据预处理与滤波；

• 提取 α、β 波功率；

• 计算 β/α 比值；

• 将结果映射为游戏中的“球的受力”。

• 负责：

5. 硬件搭建步骤

5.1 组装 BioAmp EXG Pill（如收到未焊接版本）

若你拿到的是未组装版本，需要：

• 焊接排针（header pins）；

• 焊接 JST PH 2.0 插座；

• 确保焊点可靠、无虚焊与短路。

5.2 EXG Pill 与面包板连接

每个 EXG Pill 使用 3 根公对母线与面包板连接：

• 黑色线 → GND

• 红色线 → VCC（5V）

• 黄色线 → OUT（模拟输出）

两块 EXG Pill 分别接到不同模拟通道（A0、A1）。

注：面包板仅用于演示，若对信号质量要求更高建议使用焊接板，以减少接触不良与噪声干扰。

5.3 连接 BioAmp Cables 与凝胶电极

• 将 BioAmp Cable 接到 EXG Pill 对应接口；

• 在每条 BioAmp Cable 的末端连接凝胶电极：

• IN+（信号输入正极）

• IN−（信号输入负极）

• REF（参考电极）

6. 皮肤准备与电极放置

6.1 皮肤准备

1. 在计划贴电极的皮肤区域涂抹 Nuprep 凝胶；

2. 轻轻揉搓一段时间，去除部分表层角质；

3. 用湿巾或酒精棉片擦拭干净残留凝胶与污垢；

4. 让皮肤保持洁净但略微湿润（有利于导电）。

Nuprep 的作用：

• 降低皮肤-电极接触阻抗；

• 提高信号质量；

• 尽量减少皮肤刺激。

6.2 电极放置（国际 10–20 系统 Fp1）

本项目使用的是 前额皮层（Prefrontal Cortex） 的 EEG：

• Fp1 点位：前额左侧（10–20 系统中的一个标准点位）；

玩家 A：

• IN+（接 A0 的 EXG Pill） → 放在 Fp1；

• IN−、REF → 放在左耳后骨性区域（mastoid）。

玩家 B：

• IN+（接 A1 的 EXG Pill） → 放在 Fp1（对称位置）；

• IN−、REF → 同样放在耳后骨性区域。

核心原则：

• 信号电极（IN+）贴在目标脑区；

• 参考与负极电极放在相对稳定的骨性位置，减少肌肉干扰。

7. Arduino 端连接与固件烧录

7.1 EXG Pill → Arduino UNO R4 接线

两块 EXG Pill 到 UNO R4 Minima 的连接关系：

• VCC → 5V

• GND → GND

• OUT1 → A0（玩家 A）

• OUT2 → A1（玩家 B）

再通过 Type-C 线将 Arduino UNO R4 与笔记本相连。

⚠ 安全注意：
一定要确保 VCC 与 GND 接线正确，反接可能损坏 EXG 传感器或开发板。

7.2 下载并上传 Chords Arduino Firmware

1. 从 GitHub 下载：Chords-Arduino-Firmware 仓库 ZIP 包；

2. 解压后，根据你使用的开发板型号进入对应文件夹，例如：UNO R4；

3. 打开 .ino 工程于 Arduino IDE 中；

4. 选择正确的开发板与串口；

5. 点击“Upload”上传固件；

6. IDE 显示 “Done Uploading” 即表示烧录成功。

此时 UNO R4 就会以预设采样率从 A0、A1 采集 EEG 信号，并通过串口输出给上位机。

8. Python 环境配置与游戏运行

8.1 下载并配置 Chords Python

1. 从 GitHub 下载 Chords-Python 仓库 ZIP 并解压；

2. 在该目录下打开命令行/终端：

python -m venv venv

创建虚拟环境。

1. 激活虚拟环境（Windows 示例）：

.venvScriptsactivate

终端前缀出现 (venv) 说明激活成功。

1. 安装通用依赖：

pip install -r chords_requirements.txt

1. 安装游戏相关依赖：

pip install -r app_requirements.txt

8.2 运行应用与 LSL 数据流

1. 在虚拟环境中运行：

python app.py

1. 浏览器会打开一个 Web 界面；

2. 点击 “Start LSL” 按钮，启动 EEG 数据的 LSL 流；

3. 点击 “EEG Tug of War” 游戏按钮，进入脑控拔河游戏界面。

9. 游戏流程与操作说明

进入游戏后，你会看到：

• 屏幕中间有一个球；

• 左侧为 Player A，右侧为 Player B；

• 球初始位于中间位置。

游戏规则：

• 双方同时佩戴电极，面对屏幕；

• 尽量 专注于屏幕中央的球；

• 系统实时计算两位玩家的 β/α 比值；

• 比值大的一方施加的“力”更大，球向对方方向移动；

• 当球触碰到某一侧的边界线时，另一方获胜。

界面操作：

• Start / Restart：

• Start：开始游戏；

• 游戏进行中按钮会变为 Restart，点击后重新开始。

• Pause：暂停游戏，冻结球的位置。

• Resume：从暂停位置继续游戏。

• Exit：退出当前游戏界面。

10. 项目总结与扩展方向

本项目完成了一个完整的 双通道 EEG + BCI + 实时游戏交互 示例：

• 硬件层：

• 使用两块 BioAmp EXG Pill + Arduino UNO R4 完成双通道 EEG 采集；

• 按照 10–20 系统在 Fp1 布置电极，采集前额皮层脑电。

• 软件层：

• Chords Arduino Firmware 完成底层数据采集；

• Chords Python 完成数据读取、频谱分析、α/β 提取与 LSL 输出；

• 浏览器游戏前端根据 β/α 比值实现实时“脑控拔河”。

• 应用层：

• 玩家靠“集中注意力”控制球的运动；

• 游戏本身既是交互娱乐，也是一种 专注训练/放松训练 工具。

可扩展方向：

• 引入更多 EEG 指标：如 θ 波、γ 波等，设计更复杂的游戏机制；

• 加入自适应难度：根据玩家当前状态自动调整游戏灵敏度；

• 使用机器学习对 EEG 特征进行分类，实现更复杂的指令集（比如多种操作）；

• 将游戏拓展为单人训练模式，用于冥想、注意力训练反馈（Neurofeedback）。

关键词： DIY