项目简介
一个把脑电解码从屏幕带到物理世界的实验项目。通过 SSVEP 范式解码被试意图，控制实体赛车的转向，验证 BCI 算法在实时控制场景中的可行性。
时间：2025年9月-12月 角色：独立开发
系统架构
OpenBCI采集 → Python(FBCCA解码) → 串口 → ESP32 → L298N电机驱动 → 直流电机
→ 舵机(转向)| 模块 | 方案 | 说明 |
|---|---|---|
| EEG采集 | OpenBCI Cyton 8ch | 枕叶区，250Hz采样率 |
| 视觉刺激 | 独立LED灯 x2 | 10Hz(左转) / 12Hz(右转) |
| 解码 | FBCCA | Python实时处理，2s滑动窗口 |
| 控制 | ESP32 | UART接收解码指令，PWM控制电机 |
| 底盘 | 1/18 遥控车改装 | 保留原始驱动，加装控制板 |
关键创新
混合控制模式
纯脑控的延迟（3-4s，含解码+通信+电机响应）对实时驾驶来说太长。本项目的解决方案是：
- 前进/停止：键盘手动控制（零延迟）
- 转向：SSVEP 脑电控制（可容忍 2-3s 延迟）
这种混合模式在本质上与传统驾驶中的”注意力分配”有相似之处——人的决策本身也有认知延迟。
电机控制的鲁棒性优化
ESP32 在接收到解码指令后，不会立即触发大角度转向——而是平滑插值到目标角度，避免因一次误解码导致赛车冲出赛道。这个简单的软件滤波在测试中显著提高了行驶稳定性。
实验效果
- 30 米测试赛道全程完成，不脱轨
- SSVEP 解码准确率：~88%（在线实时）
- 平均指令响应延迟：2.3s
- 最佳圈速：~52s（对比纯手控 ~22s）
开源
代码、BOM 清单和机械改装指南已开源。
扩展方向
项目的软硬件架构仅需少量改造即可适配到脑控轮椅平台——用 SSVEP 控制行进方向，眨眼检测（EOG）触发紧急停止。这是声桥项目未来拓展的控制层方向之一。