使用 OpenBCI + Python + Arduino 实现脑控灯光系统（完整实战教程）

作者：科采通

关键词：OpenBCI、BCI、脑电图 EEG、Python、Arduino、人机交互、脑控设备
适用人群：科研人员、创客、BCI 爱好者、OpenBCI 初学者

📌 一、项目概述

本教程将带你一步步完成一个“脑控灯光”的简单 BCI 应用：通过 OpenBCI 设备采集脑电信号（如 alpha 波），经过 Python 实时处理，并控制 Arduino 板点亮 LED 灯泡。

这个项目不仅适合作为 脑机接口入门实践，也展示了 EEG + Python + 硬件控制 的完整工作流程。

🔧 二、所需硬件与软件

硬件设备

软件工具

⚙️ 三、系统流程结构

graph LR
A[用户佩戴电极帽] --> B[OpenBCI 采集 EEG]
B --> C[Python 解析 alpha 波]
C -->|判断值超过阈值| D[串口通信]
D --> E[Arduino 控制 LED]

🧪 四、代码实战：Python × OpenBCI × Arduino

1️⃣ Arduino 控制代码（上传至 Arduino IDE）

void setup() {
  pinMode(13, OUTPUT);
  Serial.begin(9600);
}

void loop() {
  if (Serial.available()) {
    char command = Serial.read();
    if (command == '1') {
      digitalWrite(13, HIGH);  // 开灯
    } else {
      digitalWrite(13, LOW);   // 关灯
    }
  }
}

💡 LED 默认连接 Arduino UNO 的 13 号引脚。

2️⃣ Python 主控脚本（使用 BrainFlow 获取 alpha 值）

from brainflow.board_shim import BoardShim, BrainFlowInputParams, BoardIds
import serial
import time
import numpy as np

# 设置 OpenBCI 参数
params = BrainFlowInputParams()
params.serial_port = 'COM5'  # 替换为实际串口

board = BoardShim(BoardIds.CYTON_BOARD.value, params)
board.prepare_session()
board.start_stream()

# Arduino 串口连接
arduino = serial.Serial('COM3', 9600)
time.sleep(2)  # 等待串口初始化

def get_alpha_power(data, channel=1, sampling_rate=250):
    from scipy.signal import welch
    f, pxx = welch(data, fs=sampling_rate)
    alpha_band = (f >= 8) & (f <= 13)
    return np.mean(pxx[alpha_band])

try:
    while True:
        data = board.get_current_board_data(250)
        eeg_channel = board.get_eeg_channels()[0]
        alpha = get_alpha_power(data[eeg_channel])
        print(f"Alpha Power: {alpha:.4f}")

        if alpha > 100:  # 经验值，请根据个体调节
            arduino.write(b'1')
        else:
            arduino.write(b'0')

        time.sleep(0.5)

except KeyboardInterrupt:
    print("程序中止。")
    board.stop_stream()
    board.release_session()
    arduino.close()

🎯 五、测试与调试建议

• 电极位置：建议参考国际 10-20 系统，重点监测 O1、O2（枕叶区域）来观察 alpha 波。

• 阈值调节：alpha 的功率值因人而异，建议多采样几次确定合适的触发门槛。

• 滤波处理：可引入带通滤波器提升信噪比，例如滤除肌电或电源噪声（50Hz/60Hz）。

💡 六、进阶拓展建议

• 使用 脑控按钮/灯泡界面 与前端交互（WebSocket + 前端框架）

• 将数据同步至 LSL（Lab Streaming Layer），方便后续分析与跨平台兼容

• 集成 视觉诱导（SSVEP） 或 运动想象（Motor Imagery） 模式，开发更高级的控制系统

📝 七、总结

OpenBCI 提供了一个低门槛、高自由度的脑电开发平台。通过本实战项目，我们实现了：

• OpenBCI EEG 采集 → Python 实时处理 → Arduino 控制硬件的完整闭环

• 初步理解了脑机接口的基本开发流程与信号处理逻辑

• 学习了 brainflow 等常用工具库的使用方法

👉 若你有兴趣，我们还可以制作视觉脑控键盘、脑电游戏输入器等更有趣的 BCI 项目，欢迎留言交流！

相关链接：

• 官方网站：OpenBCI