UNIVERSIDAD NACIONAL DE PIURA

FACULTAD DE CIENCIAS
ESCUELA PROFESIONAL DE INGENIERA ELECTRNICA Y
TELECOMUNICACIONES

SISTEMA DE CONTROL Y AUTOMATIZACION DE UNA

CASA INTELIGENTE EMPLEANDO EL
ELECTROENCEFALOGRAFO MINDWAVE DE NEUROSKY

AUTORES:
Calle Puelles Moiss.
Espinoza Snchez Richard Martn.
Panta casos Carlos Enrique.
Saavedra Espinoza Ingrith Sharon Alhynna.
ASESOR:
Ing.

Msc.

Juan

Manuel

Jacinto

Sandoval.
CO-ASESOR:
Ing.
Aguirre.

Hebert

Eduardo

Espino

Piura, Mayo 2016

PROYECTO DE INVESTIGACION
1. DATOS GENERALES.
1.1.

ESCUELA PROFESIONAL

Escuela Profesional de Ingeniera Electrnica y Telecomunicaciones

1.2.

TTULO TENTATIVO

Sistema de control y automatizacin de una casa inteligente empleando el

electroencefalgrafo Mindwave de Neurosky.
1.3.

AUTORES

Calle Puelles Moiss.

Espinoza Snchez Richard.
Panta casos Carlos Enrique.
Saavedra Espinoza Ingrith Sharon Alhynna.
1.4.

ASESOR

Ing. Msc. Juan Manuel Jacinto Sandoval.

1.5.

CO-ASESOR

Ing. Hebert Eduardo Espino Aguirre.

1.6.

LNEA DE INVESTIGACIN

Investigacin cientfica
1.7.

FECHA DE EJECUCIN

Dos (02) meses

PLANTEAMIENTO DEL PROBLEMA

1.8.

DESCRIPCIN DE LA REALIDAD PROBLEMTICA

La evolucin de las tecnologas de la informacin, unida a la existencia

previa de los sistemas de automatizacin, ha dado paso a la posibilidad de
utilizar remotamente la informacin disponible del proceso permitiendo que los
sistemas de prevencin sean ms abiertos y flexibles.
La irrupcin de las tecnologas

en el mundo ha abierto nuevas

posibilidades en las aplicaciones de diseo y produccin para la automatizacin

de cualquier lugar que se necesite. As es clara la tendencia de los ltimos aos
hacia la utilizacin de sistemas distribuidos de control cada vez ms flexibles,
fiables y potentes. Esta tendencia es una de las consecuencias de la introduccin
de las tecnologas de la informacin, ya que permiten incrementar la fiabilidad y
la calidad de vida. La tendencia actual en el desarrollo de los sistemas de control
y supervisin est orientada hacia una utilizacin cada vez mayor de sistemas
distribuidos de control.
Las aplicaciones de tecnologa de los procesos del cerebro para estudio
de los estados de nimo constituyen una potente herramienta para la gestin y
prevencin en ayuda a la facilitacin de usa del hogar. Debido a la rutina y al
afn de experimentar algo nuevo y ms tecnolgico, se permite en este caso con
las tecnologas de poder analizar por medio de los electroencefalogramas las
seales del buen estado de un persona a nivel de relajacin y concentracin, para
este fin un vasto estudio y anlisis de las seales que el cerebro enva cuando
una persona est en un estado de concentracin, y as como contribucin a la
sociedad poder controlar y estar al contacto con la actualidad, y con el fin de no
quedarnos en el tiempo con respecto a nuestro pases hermanos.

1.9.

DEFINICIN Y DELIMITACIONES DEL PROBLEMA

El problema principal radica en que actualmente es cada

vez ms necesaria la implementacin de nuevas tecnologas,
sobre todo en el campo de la automatizacin y el presente
Proyecto de Investigacin apunta a desarrollar un prototipo
piloto que permita monitorear a automatizar los distintos
componentes electrnicos de un hogar a fin de poder llevar a
cabo el proceso de estudio de los estados de nimo con el fin
de comprobar as el sistema de prevencin y fcil manejo de un
hogar.
En cuanto a Delimitacin, el presente proyecto est
orientado a ser implementado para cualquier tipo de hogar que
pueda ser sometido a parmetros de Control y de aplicaciones
que sera para todo tipo, estar delimitado en una en una
presentacin 100 % real y ser sometida a prueba a una
maqueta.
1.10.

FORMULACIN DEL PROBLEMA

Ser posible desarrollar un Sistema de Control y Automatizacin de

cualquier

hogar

usando

las

seales

que

capta

un

electroencefalgrafo?
1.11.

OBJETIVOS DE LA INVESTIGACIN

1.11.1. Objetivo general

Empleo del electroencefalograma Mindwave de Neurosky como una
medida de uso y de fcil manejo del hogar.
1.11.2.

Objetivos especficos

Obtener un modelo de implementacin para monitoreo y

control basado en las seales que se captan a partir de la
lectura del electroencefalgrafo y permita una solucin
4

prctica de nivel de fcil manejo de un hogar.

Investigar sobre las caractersticas de las seales que emite

el cerebro a partir de los estados de nimo de una persona y
el estudio de las seales de un cerebro de una persona.

Seleccionar

uno

de

electroencefalgrafos

los

diversos

adecuados

para

dispositivos
el

monitoreo

de
en

tiempo real y facilitar la toma de decisiones.

1.12.

JUSTIFICACIN E IMPORTANCIA DE LA INVESTIGACIN

La importancia de la investigacin radica en realizar el

estudio para obtener un modelo base de un Sistema de
Monitoreo y Control en tiempo real de un sistema de
automatizacin que fcilmente puede ser de nivel Industrial ya
que la aplicacin puede ser dimensionada en funcin a la
necesidad de una solucin.
Mediante el estudio propuesto en este documento se
pretende realizar un aporte a la sociedad con el fin de
simplificar las funciones del hogar, por medio de informacin
detallada de un sistema de seales captadas a partir del
electroencefalgrafo de dichos parmetros, que como parte del
proceso de lectura mediante el procesamiento digital de
seales podremos lograr un ptimo proceso de la lectura de las
seales que tomaremos, el mismo proyecto pretende mejorar
las condiciones de obtencin de seales y de instalacin en
hogares, y optimizar los recursos con que se cuentan en la
actualidad. Uno de los principales beneficiarios sera la empresa
donde se implemente el Sistema, en primer lugar, ya que se
optimizarn la calidad de vida de los personas que viven en el
hogar.
Tambin se desarrolla el presente trabajo porque genera
gran inters en el investigador, debido a la factibilidad para su
5

desarrollo, por ser un tema de actualidad tecnolgica que

permite

el

desarrollo

de

las

capacidades

destrezas

investigativas y genera una proyeccin al futuro.

1.13.

LIMITACIONES Y VIABILIDAD DE LA INVESTIGACIN

1.13.1. Limitaciones
Las posibles limitaciones que se pueden dar:

Una de las limitaciones ms significativas es la poca

informacin de Sistemas de Monitoreo en el campo de hogar
y

utilizando el electroencefalgrafo para la supervisin y

control del buen uso de los productos electrnicos en el

hogar.

Para efectos de Implementacin real, una de las limitaciones

seria por parte de algunas de las personas que viven en el
hogar, la molestia de un supuesto efecto secundario a partir
de usarlo, pero no es para nada nocivo para la salud, debido
a que solo registra datos que capta.

1.13.2. Viabilidad de la investigacin

Luego de haber evaluado la propuesta, se concluye que la
realizacin del proyecto es totalmente viable ya que tanto la
barrera econmica para la adquisicin de dispositivos y la
barrera tecnolgica han sido superadas por ser una aplicacin
de bajo costo adems de que los dispositivos a programar
presentan un nivel alto en cuanto a interfaces.

2. MARCO TERICO
2.1.

FUNDAMENTOS TERICOS

2.1.1. PROCESAMIENTO DIGITAL DE SEALESEl Procesamiento de Seales posee una larga y rica historia. Es una tecnologa
que se entronca con un inmenso conjunto de disciplinas entre las que se encuentran las
6

telecomunicaciones, el control, la exploracin del espacio, la medicina y la arqueologa,

por nombrar solo unas pocas. Hoy en da, esta afirmacin es incluso ms cierta con la
televisin digital, los sistema de informacin y el entretenimiento multimedia. Es ms, a
medida que los sistemas de comunicacin se van convirtiendo cada vez ms en sistemas
sin hilos, mviles y multifuncin, la importancia de un procesamiento de seales
sofisticado en dichos equipos se hace cada vez ms relevante.
El Procesamiento de seales trata de la representacin, transformacin y
manipulacin de seales y de la importancia que contienen. Cuando se refiere al
procesado digital de seales, se refiere a la representacin mediante secuencias de
nmeros de precisin finita y el procesado se realiza utilizando un computador digital.
A menudo es deseable que estos sistemas funcionen en tiempo real, lo que
significa que el sistema en tiempo discreto se implementa de forma que las muestras de
salida se calculan a la misma velocidad a la que se muestrea la seal en tiempo
continuo. Son muchas las aplicaciones que requieren esta especificacin. El tratamiento
en tiempo discreto y en tiempo real de seales en tiempo continuo es prctica comn en
sistema de control, comunicaciones, radar, sonar, codificacin y realce de voz y vdeo,
ingeniera biomdica y un largo etctera.
Otro tipo de problemas del tratamiento de seales al que se enfrenta es la
interpretacin de seales. Por ejemplo, en un sistema de reconocimiento de voz el
objetivo es comprender la seal de entrada. Tpicamente, un sistema como ste aplicar
un procesado digital previo (filtrado, estimacin de parmetros, etc.) seguido por un
sistema de reconocimiento de patrones que produzca una representacin simblica.
Los problemas de tratamiento de seales no estn confinados, por supuesto, a
seales unidimensionales. Aunque hay algunas diferencias fundamentales entre las
teoras del tratamiento de seales unidimensionales y multidimensionales, una buena
parte del

material que se presenta aqu tiene su contrapartida en sistemas

multidimensionales. Entre ellas destaca las aplicadas al procesamiento de imgenes

digitales.
El tratamiento de seales en tiempo discreto ha avanzado con pasos desiguales
durante un largo periodo de tiempo. Hasta principios de los aos cincuenta el
tratamiento de seales se realizaba con circuitos electrnicos o incluso con dispositivos
mecnicos. Aunque los computadores digitales ya estaban disponibles en entornos de
7

negocios y en laboratorios cientficos, stos eran caros y de capacidad relativamente

limitada. Uno de los primeros usos de los computadores digitales en el tratamiento de
seales fue en la prospeccin petrolfera. Se grababan los datos ssmicos en cintas
magnticas para su procesamiento posterior. Este tipo de tratamiento de seales no se
poda realizar generalmente en tiempo real. Aunque el procesamiento de seales
mediante computadores digitales ofreca tremendas ventajas de flexibilidad, sin
embargo, el procesado no se poda realizar en tiempo real. Las aportaciones de Cooley y
Tukey (1965) de un algoritmo eficiente para el clculo de las transformadas de Fourier
aceler el uso del computador digital. Muchas aplicaciones desarrolladas requeran del
anlisis espectral de la seal y con las nuevas transformadas rpidas se redujo en varios
rdenes de magnitud el tiempo de cmputo. Adems, se dieron cuenta de que el nuevo
algoritmo se podra implementar en hardware digital especfico, por lo que muchos
algoritmos de tratamiento digital de seales que previamente eran impracticables
comenzaron a verse como posibles.
Otro desarrollo importante en la historia del Procesamiento de Seales ocurri
en el terreno de la Microelectrnica. Aunque los primeros microprocesadores eran
demasiado lentos para implementar en tiempo real la mayora de los sistemas en tiempo
discreto, a mediados de los ochenta la tecnologa de los circuitos integrados haba
avanzado hasta el nivel de permitir la realizacin de microcomputadores en coma fijo y
coma flotante con arquitecturas especialmente diseadas para realizar algoritmos de
procesamiento de seales en tiempo discreto. A estos procesadores se les conoce por el
acrnimo de DSP (Digital Signal Processor). Con esta tecnologa lleg, por primera vez,
la posibilidad de una amplia aplicacin de las tcnicas de tratamiento de seales en
tiempo discreto. An ms, hoy en da los diseos de los microprocesadores genricos
son ampliados en registros e instrucciones para poder destinarlos a tareas de
procesamiento de seales, sea el caso ms llamativo el conjunto de instrucciones MMX
insertadas en la familia INTEL a partir del mtico PENTIUM.
De las diferentes materias que involucra el tratamiento digital de seales, en este
tema slo se va a versar sobre los filtros digitales lineales e invariantes en el tiempo,
abreviados por la sigla LTI (Linear Time Invariant). La eleccin por estos filtros viene
dada por su gran difusin actual, por ser un captulo inicitico al procesado digital de
seales y por corresponder con la evolucin natural del temario de Electrnica
Industrial.
8

Los filtros digitales LTI son, por ejemplo, usuales en el procesamiento del audio.
Los equipos de msica vienen dotados con filtros que le permite al oyente modificar las
cantidades relativas de energa de baja frecuencia (graves) y la energa de alta
frecuencia (agudos). Estos filtros varan sus respuestas en frecuencias mediante la
manipulacin de los controles de tono.
Otra clase comn de filtros LTI son aquellos en los que la salida del filtro es una
aproximacin de la derivada de su entrada. Los filtros diferenciadores son tiles para
acentuar las transiciones rpidas de una seal, y una aplicacin en la que se emplea a
menudo es en la intensificacin de los bordes. La figura 1.1 ilustra el efecto de un filtro
diferenciador en una imagen. La figura muestra dos imgenes, la original y el resultado
del procesamiento con un filtro que tiene una respuesta en frecuencia lineal. Como la
derivada en los bordes de la imagen es mayor que en las regiones donde la intensidad
vara con lentitud en el espacio, el efecto de los filtros diferenciadores es resaltar los
bordes.
Los filtros selectivos en frecuencia que permiten el paso de seales sin distorsin
en una o en un conjunto de bandas de frecuencia, y atenan o eliminan totalmente las
seales en el resto de las bandas son otra clase importante de filtros LTI. Una importante
aplicacin de los filtros selectivos estn en los sistemas de comunicaciones. Son la base
para los sistemas de modulacin en amplitud (AM), en la cual la informacin de cada
canal se pone en una frecuencia separada y luego en el receptor se extrae los canales
mediante filtros selectivos en frecuencia.
Es comn emplear filtros de tiempo discreto en el anlisis de secuencias de datos
econmicos tales como el ndice del mercado de valores. A menudo las variaciones de
largo plazo (las cuales corresponden a bajas frecuencias) tienen un significado diferente
al de variaciones de corto plazo (las cuales corresponden a altas frecuencias), y es til
analizar estos componentes por separado. La separacin de estos componentes casi
siempre se lleva a cabo mediante filtros selectivos en frecuencia. El filtrado de
secuencias de datos econmicos tambin se usa para suavizar los datos y eliminar las
fluctuaciones aleatorias (que son por lo general de alta frecuencia) sobrepuestas a los
datos significativos.

2.1.2. REDES NEURONALES

9

Desde los aos 40, a la par con el desarrollo de la informtica, el modelo

neuronal la ha acompaado. Es ms, desde la aparicin de los computadores digitales y
el desarrollo de las teoras modernas acerca del aprendizaje y del procesamiento
neuronal se produjeron aproximadamente al mismo tiempo, a finales de los aos
cuarenta. Desde entonces hasta nuestros das, la investigacin neurofisiolgica y el
estudio de sistemas neuronales artificiales (ANS, Artificial Neural Systems) han ido de
la mano. Sin embargo, los modelos de ANS no se centran en la investigacin
neurolgica, si no que toma conceptos e ideas del campo de las ciencias naturales para
aplicarlos a la resolucin de problemas pertenecientes a otras ramas de las ciencias y la
ingeniera.
Podemos decir que la tecnologa ANS incluye modelos inspirados por nuestra
comprensin del cerebro, pero que no tienen por qu ajustarse exactamente a los
modelos derivados de dicho entendimiento.
Los primeros ejemplos de estos sistemas aparecen al final de la dcada de los
cincuenta. La referencia histrica ms corriente es la que alude al trabajo realizado por
Frank Rosenblatt en un dispositivo denominado perceptrn. Hay otros ejemplos, tales
como el desarrollo del Adaline por el profesor Bernard Widrow. Durante todos estos
aos, la tecnologa ANS no siempre ha tenido la misma consideracin en las ramas de la
ingeniera y las ciencias de la computacin, ms ansiosas de resultados que las ciencias
neuronales. A partir de 1969, el pesimismo debido a las limitadas capacidades del
perceptrn hizo languidecer este tipo de investigacin.
A principios de los 80, por un lado Hopfield y sus conferencias acerca de la
memoria autoasociativa y por otro lado la aparicin del libro Parallel Distributed
Processing (PDP), escrito por Rumelhart y McClelland reactivaron la investigacin en
el campo de las redes neuronales. Hubo grandes avances que propiciaron el uso
comercial en campos tan variados como el diagnstico de enfermedades, la
aproximacin de funciones o el reconocimiento de imgenes.

Hoy en da, la tecnologa ANS no est en su mejor momento, pero a pesar de ello
existen revistas, ciclos de conferencias, etc; que mantienen vas de investigacin
abiertas.

10

Primero debemos tener en cuenta dos conceptos, cual es la definicin de una red
neuronal y cules son los tipos de redes neuronales que hasta hoy conocemos.
Comencemos por citar algunas definiciones:

Estudio

de

Redes

Neuronales

de

DARPA

(1988,

AFCEAInternational Press, p. 60):

"Una red neuronal es un sistema compuesto de muchos

elementos procesadores simples operando en paralelo, cuya
funcin es determinada por la estructura de la red, fuerza en
las

conexiones

el

procesamiento

realizado

por

los

elementos computacionales en los nodos."

Dr. Haykin, S. (1994, Neural Networks: A comprehensive

foundation, NY, McMillan, P.2):

"Una red neuronal es un procesamiento distribuido masivamente paralelo

que tiene una tendencia natural para almacenar conocimiento
emprico y hacerlo disponible para el uso.
Recuerda al cerebro en dos aspectos:
1.- El conocimiento se adquiere por la red a travs de un proceso de aprendizaje.
2.- Las conexiones interneurnicas se conocen como pasos sinpticos y se usan para
almacenar el conocimiento."
Ya teniendo una breve percepcin de lo que es una red neuronal debemos ahora saber
que existen dos tipos de redes neuronales, las redes neuronales biolgicas y las redes
neuronales artificiales ANN (Artificial Neural Network).

2.1.3. REDES NEURONALES BIOLGICAS

Son el principal elemento del Sistema Nervioso. Las redes neuronales biolgicas
estn compuestas por un gran nmero de elementos llamados neuronas. Una neurona es
una clula compuesta por cuerpo, un nmero de extensiones llamadas dendritas, que
sirven de entradas, y una larga extensin llamada axn que acta como salida. La
sinapsis conecta el axn de una neurona a las dendritas de las otras neuronas. Las
11

neuronas estn dispuestas en capas. En general las neuronas de una capa reciben
entradas desde otra capa y envan sus salidas a neuronas de una tercera. Dependiendo de
la aplicacin tambin es posible que las neuronas de una capa reciban entradas y
provean salidas a neuronas de la misma capa.
Las conexiones entre neuronas tienen pesos asociados que representan la
influencia de una sobre la otra. Si dos neuronas no estn conectadas, el correspondiente
peso de enlace es cero. Esencialmente, cada una enva su informacin de estado
multiplicado por el correspondiente peso a todas las neuronas conectadas con ella.
Luego cada una, a su vez, suma los valores recibidos desde sus dendritas para actualizar
sus estados respectivos.

Se emplea normalmente un conjunto de ejemplos representativos de la

transformacin deseada para "entrenar" el sistema, que, a su vez, se adapta para
producir las salidas deseadas cuando se lo evala con las entradas "aprendidas".

Adems se producirn respuestas cuando, en la utilizacin, se presenten entradas

totalmente nuevas para sistema, esto es durante el modo entrenamiento la informacin
sobre el sistema a resolver es almacenada dentro del ANN y la red utiliza su modo
productivo en ejecutar transformaciones y aprender. De este modo el sistema de red
neuronal no reside necesariamente en la elegancia de la solucin particular sino en su
generalidad de hallar solucin a problemas particulares, habindose proporcionado
ejemplos del comportamiento deseado. Esto permite la evolucin de los sistemas
autmatas sin una reprogramacin explcita.

Las redes neuronales artificiales se basan en el circuito de procesamiento de

entradas en el cual los pesos son sumados. Las funciones de peso sern llamadas desde
ahora como atenuadores. En la implementacin, las entradas a una neurona son pesadas
multiplicando el valor de la entrada por un factor que es menor o igual a uno. El valor
de los factores de peso es determinado por el algoritmo de aprendizaje.

12

Las entradas atenuadas son sumadas usando una funcin no lineal llamada
Funcin "Sigmoid". Si la salida de la funcin suma excede el valor de entrada mximo
de la neurona, esta responde generando una salida.

2.1.4. REDES NEURONALES ARTIFICIALES

Las redes neuronales artificiales (ANN) imitan su funcionamiento a aquellas que

se encuentran en el mbito biolgico. Son aptas para resolver problemas que no poseen
un algoritmo claramente definido para transformar una entrada en una salida; aprenden,
reconocen y aplican relaciones entre objetos. Se emplea normalmente un conjunto de
ejemplos representativos de la transformacin deseada para "entrenar" el sistema, que, a
su vez, se adapta para producir las salidas deseadas cuando se lo evala con las entradas
"aprendidas".

Adems se producirn respuestas cuando, en la utilizacin, se presenten entradas

totalmente nuevas para sistema, esto es durante el modo entrenamiento la informacin
sobre el sistema a resolver es almacenada dentro del ANN y la red utiliza su modo
productivo en ejecutar transformaciones y aprender. De este modo el sistema de red
neuronal no reside necesariamente en la elegancia de la solucin particular sino en su
generalidad de hallar solucin a problemas particulares, habindose proporcionado
ejemplos del comportamiento deseado. Esto permite la evolucin de los sistemas
autmatas sin una reprogramacin explcita.

Las redes neuronales artificiales se basan en el circuito de procesamiento de

entradas en el cual los pesos son sumados. Las funciones de peso sern llamadas desde
ahora como atenuadores. En la implementacin, las entradas a una neurona son pesadas
multiplicando el valor de la entrada por un factor que es menor o igual a uno. El valor
de los factores de peso es determinado por el algoritmo de aprendizaje. Las entradas
atenuadas son sumadas usando una funcin no lineal llamada Funcin "Sigmoid". Si la
salida de la funcin suma excede el valor de entrada mximo de la neurona, esta
responde generando una salida. Cuando una ANN funciona en modo normal, a partir de
13

los datos presentados en la entrada, se genera un patrn especfico de salida. La relacin

Entrada/Salida ser determinada durante el modo entrenamiento, entonces cuando una
entrada conocida es presentada da la salida esperada. El algoritmo de entrenamiento
ajusta los pesos de las entradas hasta que se alcanza la salida esperada.

Las neuronas en la figura tienen una leve complejidad computacional, porque

solo se comunican con las neuronas ms cercanas conectndose de forma simple. Por
las caractersticas y capacidades que ofrece la tecnologa VLSI es posible (en costos)
construir una Red Neuronal con muchos procesadores.

2.1.5. SISTEMAS DE CONTROL.A continuacin mostraremos la configuracin y la conexin:

Paso 1: Conexin para configurar modulo HC-05

El primer paso que debemos realizar es la configuracin de nuestro mdulo de

comunicacin bluetooth HC05.
14

Para comenzar con la configuracin del este mdulo lo haremos con ayuda de
nuestra placa Arduino, (en este ejemplo utilizaremos la placa Arduino UNO), es
necesario conectar previamente el circuito mostrado en la primera imagen de este paso.
Cabe mencionar que este mdulo bluetooth soporta los voltajes de entrada de 3.3 y 5V.
Una vez armado el circuito hay que cargar el Sketch que nos permitir entrar
al modo de configuracin del HC-05, conocido como modo AT, mediante el IDE de
Arduino.
Cuando se tenga cargado con xito el Sketch en el arduino y el circuito armado
procedemos a meter el HC-05 en modo AT (sin apagar o desconectar el Arduino de la
Pc-Usb). Para esto solo es necesario desconectar el cable de voltaje (VCC) de la placa
Arduino un momento y volverlo a conectar, notaremos adems que el led del bluetooth
prender y se apagara cada dos segundos aproximadamente.
Si todo sale bien abriremos en el IDE de Arduino /herramientas/monitor serial,
modificamos los valores de velocidad a 9600 baud y a Ambos Nl y CR, en este
momento observaremos en la pantalla que dice: Enter AT commands:, si nosotros
mandamos el comando AT, nos debe responder OK. Como se muestra en la segunda
imagen de este paso.

Paso 2: Configuracin del mdulo HC-05

Ahora si podemos comenzar con la configuracin del dispositivo HC-05. Los
siguientes son los comandos bsicos que debemos saber para configurar nuestro
dispositivo bluetooth:

AT+NAME? //Saber el nombre del modulo.

AT+NAME= MINOMBRE // Cambiar el nombre, en el ejemplo

siguiente se cambia por MINOMBRE.

Un dato muy importante el HC-05 funciona como esclavo y maestro

Como esclavo: espera que desde otro dispositivo nos

conectemos.
15

Como maestro: el HC-05 se conecta a otro dispositivo.

Saber cmo est configurado con el comando: AT+ROLE?

Si nos contesta 0 esta en modo esclavo.

Si nos contesta 1 esta en modo maestro.

Por defecto viene en modo esclavo.

AT+ROLE=0 // Cambiarlo al modo esclavo.

AT+ROLE=1 // Cambiarlo al modo maestro.

AT+PSWD? //Saber la contrasea del HC-05 Comando.

Por defecto suele venir la 1234 o la 0000.

AT+UART? // Muestra la configuracin con la placa Arduino.

Por defecto viene configurado a una velocidad de 9600.

Paso 3: Configuracin del mdulo HC-05 para la conexin a la diadema

MindWave

16

Para conectar el modulo bluetooth a la diadema MindWave de Neurosky es

necesario saber la direccin mac de nuestra diadema MindWave NeuroSky, por lo cual
debemos conectarla a algn dispositivo el cual puede ser una computadora o un celular.

17

Para revisar la direccin en windows 7 podemos irnos a inicio/dispositivos e

impresoras, nos debe aparecer el dispositivo, este debi haber sido agregado
anteriormente, en caso contrario es necesario irse a inicio/agregar dispositivo bluetooth
y seleccionar la diadema.
Para la versin mindwave movile la direccin aparece en hexadecimal. En este
ejemplo aparece como 20:68:9d:c2:24:46 la cual depurndola queda como
20689DC22446.

Paso 4: "Configuracin del mdulo HC-05 para la conexin

En este momento retomaremos comandos vistos en la segunda parte de este

tutorial. Lo primero es proceder a configurar el modulo Bluetooth como modo maestro,
ya que en esta ocasin ocupamos que el HC-05 se conecta a otro dispositivo (en este
caso ocupamos que se conecte a la diadema), entramos al IDE de Arduino con el
Sketch, previamente cargado y a continuacin introduciremos los siguientes comandos:

Comando: AT+UART=57600,0,0 // Cambiamos la velocidad a

la que opera el modulo, originalmente lo tenamos a 9600 y
lo cambiamos a 57600.

Para la conexin de nuestra diadema al HC-05, prestar atencin a los siguientes

pasos:
18

Configuramos

el

modulo

HC-05

como

modo

maestro

Comando: AT+ROLE=1 Cambiamos la contrasea para que

se puedan conectar, para este caso de la diadema Mindwave
es necesario que la contrasea sea (0000). AT+PSWD=0000.
Preparamos el modulo para que se conecte a una direccin especifica:

//0 = Direccin especifica de dispositivo.

//1 = A cualquier dispositivo que se encuentre dispobible.

Para este caso ser a una direccin especfica. Comando: AT+CMODE=0 Se

conecta el bluetooth a la direccin Mac del esclavo, los ceros a la izquierda se omiten.
La direccin MAC, como se menciono anteriormente, viene en un valor hexadecimal el
cual se depuro quedando en este ejemplo como 20689DC22446 y se debe introducir
en el formato ---,--,*****.Para este ejemplo queda de la siguiente manera: Comando:
AT+BIND=2068,9D,C22446.
Ahora viene una parte en la que debemos prestar mucha atencin vamos a
ejecutar los siguientes comandos en el siguiente orden:

AT+INIT\R\N //Initialize SPP(Cant repeatedly initialize)

AT+IAC=9E8B33\R\N

//

INQUIERE

GENERAL

INQUIERE

ACCESS CODE

AT+CLASS=0\R\N //INQUIERE ALL DEVICES TYPES

AT+INQM=1,9,48\R\N // INQUIRE MODE: RSSI , MAX NUMBER

9, TIMEOUT 48

AT+INQ\R\N //INQUIERE

Todo debe marcarnos OK (como se muestra en la imagen).

Despus de esto podremos emparentar nuestros dispositivos mediante el
siguiente comando:

AT+PAIR= 2068,9D,C22446

Por ltimo introducimos el siguiente comando para terminar de conectar los

dispositivos. Comando:
19

AT+LINK=2068,9D,C22446

Ahora desconectamos el cable de key y reiniciamos el mdulo.

Paso 5: Conexin HC-05 mediante a Arduino a diadema MindWave NeuroSky

Una vez configurado el modulo de bluetooth hay que realizar la conexin
mostrada en la imagen.
Para este ejemplo es necesario cargar el Sketch proporcionado por la compaa
de NeuroSky

Una vez conectado y cargado el Sketch solo queda prender la diadema

MindWave y a probarla, el bluetooth se conectara automticamente a la diadema, en
caso contrario dejamos presionado hacia arriba por tres segundos.

2.1.6. TECNICAS APLICADAS A LA CONECTIVIDAD FUNCIONAL

CEREBRAL

20

En los estudios de la conectividad funcional cerebral existen distintas tcnicas no

invasivas entre las que destacan. En (Albaladejo, 2013).

Electroencefalografa (EEG).

Magneto encefalografa (MEG).

Imagen por resonancia magntica funcional (fMRI).

Tomografa de emisin de positrones (PET).

Resonancia magntica espectroscpica (MRS).

Imagen por ultrasonidos 2D (2D-Ultrasound-Imaging).

Tomografa cerebral por computacin activa de microondas

(EMIT).

Tomografa ptica (NIRS).

Tomografa

computerizada

de

emisin

mono-fotnica

(SPECT).

Figura: Se observan las caractersticas principales de estas desde el punto de

vista de resolucin temporal y espacial.

21

2.1.7. ELECTROENCEFALOGRAFA
La electroencefalografa es una de las tcnicas de la neurociencia que se
utiliza con mayor frecuencia, especialmente por su reducido coste frente a los
sistemas de imagen cerebral. La actividad coordinada de miles de neuronas
produce diferencias de potencial en el cuero cabelludo que pueden ser
registradas utilizando electrodos en conjuncin con amplificadores de seal. Es
decir, colocando una serie de electrodos repartidos por la cabeza podemos
hacernos una idea de en qu zonas de nuestro cerebro se est produciendo mayor
actividad. La EEG que toma datos del cuero cabelludo es una tcnica no
invasiva y silenciosa que es sensible a la actividad neuronal. Su resolucin
temporal est determinada por el hardware pero tpicamente mide el voltaje entre
1 y 3 milisegundos. Esto supone una buena resolucin temporal. Sin embargo, la
EEG tiene una resolucin espacial muy limitada (debido al nmero de
electrodos) y no ofrece datos fiables de las partes ms internas del cerebro. La
principal ventaja de la EEG es que es una tcnica con un coste moderado y que
puede utilizarse con relativa facilidad. Por otra parte, la EEG ofrece libertad de
movimientos al sujeto, ya que ste puede moverse en una estancia e interactuar.

Figura: Casco tradicional con una rejilla de electrodos vs. Auriculares de

electrodo nico (NeuroSky).
La primera grabacin del campo elctrico del cerebro humano fue
realizada por el psiquiatra alemn Hans Berger en 1924, otorgando a esta
grabacin el nombre de electroencefalograma (EEG). De 1929 a 1938 se
publicaron 20 artculos cientficos sobre el EEG con el mismo ttulo "ber das
Elektroenkephalogram

des

Menschen"

que

significa

Sobre

el

Electroencefalograma de personas. Lo que se puede observar utilizando la

tcnica de EEG es lo siguiente:
22

Actividad espontnea.

Potenciales evocados.

Eventos bioelctricos producidos por neuronas individuales.

Como indica la frase "actividad espontnea", esta actividad ocurre

aleatoriamente y de manera continua en el individuo vivo. Los potenciales

evocados son los componentes del EEG que surgen en respuesta a un estmulo
(que puede ser elctrico, auditivo, visual). La seal EEG es, por tanto, un tipo de
bioseal y contiene ciertas seales superpuestas que clasificaremos de acuerdo a
su frecuencia y a su distribucin en el cerebro, explicando a su vez su
significado biolgico.
2.1.8. Rango de frecuencia Beta
Queda definido entre los 12 Hz hasta los 30 Hz localizndose en las
partes frontal y parietal del cerebro. Est asociado con un elevado nivel de
concentracin, atencin y con la resolucin de problemas. Se caracteriza por
tener una distribucin simtrica cuando no se est realizando ninguna actividad
motora. Sin embargo, en el caso de realizar un movimiento se atena de manera
que se rompe la distribucin simtrica y esta accin de atenuacin puede servir
de base de estudio para este tipo de bioseales.

Figura: Representacin temporal bioseal Beta.

Rango de frecuencia Alfa: Se encuentran en la regin occipital del
cerebro y su frecuencia vara entre los 8 y 12 Hz. La amplitud de estos ritmos se
incrementa al cerrar los ojos o estar en un estado de relajacin, y se atena al
abrir los ojos o hacer un esfuerzo mental. La frecuencia de los ritmos alfa puede
ser inferior a 8 Hz en los nios jvenes lo que puede hacer que se confundan con

23

los ritmos theta. Los ritmos alfa pueden ser tiles para determinar el grado de
cansancio mental ya que estn relacionados con el esfuerzo mental.

Figura: Representacin temporal bioseal Alfa.

Rango de frecuencia Theta: Se extiende de los 4 a los 7 Hz. Este rango de
frecuencia se ha asociado con actividades como la meditacin o la creacin.
Normalmente, los ritmos theta se observan en nios jvenes pero tambin es
posible encontrarlos en nios ms mayores o adultos en estado de somnolencia o
meditacin. Se generan tras la interaccin entre los lbulos temporal y frontal.

Figura: Representacin temporal bioseal Theta.

Rango de frecuencia Delta: Se sitan entre los 0 y los 4 Hz y la amplitud
de las seales que se encuentran en esta banda decrece con la edad. Los ritmos
delta slo pueden ser observados en adultos cuando se encuentran en estado de
sueo profundo y son totalmente inusuales en estado de vigilia. Debido a su baja
frecuencia.

Figura: Representacin temporal bioseal Delta.

24

Rango de frecuencia Gamma: Pertenecen al rango de frecuencias entre

los 25 y 100 Hz. La presencia de ritmos gamma en la actividad cerebral de un
adulto sano est relacionada con ciertas funciones motoras o percepciones. Se ha
demostrado cientficamente una relacin en los seres humanos entre las
actividades motoras y las ondas gamma durante la contraccin muscular. De la
misma forma hay evidencias sobre el papel de la actividad gamma en la
percepcin de estmulos, tanto visuales como auditivos.

Figura: Representacin temporal bioseal Gamma.

2.2.

ANTECEDENTES DE LA INVESTIGACIN

2.3.

HIPTESIS

3. METODOLOGA
3.1.

TIPO, NIVEL, MTODO Y DISEO DE LA INVESTIGACIN

3.1.1. Tipo de estudio

4. ndice analtico tentativo del proyecto

TITULO DE LA INVESTIGACION
DEDICATORIA
AGRADECIMIENTOS
RESUMEN
PRESENTACION
INTRODUCCION
INDICE GENERAL
25

CAPITULO I: PLANTEAMIENTO DEL PROBLEMA

CAPITULO II: MARCO TEORICO
CAPITULO III: METODOLOGIA DE LA INVESTIGACION
CAPITULO IV: DESARROLLO DEL SISTEMA
CAPITULO V: PRUEBAS Y RESULTADOS
CONCLUSIONES
RECOMENDACIONES
REFERENCIAS BIBLIOGRAFICAS
ANEXOS

5. ASPECTOS ADMINISTRATIVOS
5.1.

CRONOGRAMA

5.2.

PRESUPUESTO

6. REFERENCIAS BIBLIOGRAFCAS

Juan Vignolo Barchiesi. Introduccion Al Procesamiento Digital De

Seales. 1a ed., Ed. Ediciones universitarias de Valparaiso, 2008

Dr. Jose Pablo Alvarado Moya. Notas de Clase de Procesamiento

Digital de Seales. 1a ed., Ed. Instituto Tecnolgico de Costa Rica.,
2006

Dr. John G. Proakis, Dimitris G. Manolakis. 4a ed. Ed. Pearson

Educacin S.A., 2007

26

www.arduino.cc

MindWave mvil y Arduino

Caractersticas
Interfaces con el MindWave mvil con una placa Arduino a travs de
BlueSMiRF mdulo de plata. La adquisicin de los valores de atencin y meditacin
eSense del flujo de datos. Viendo su nivel de atencin mediante LEDs
Introduccin
Esta gua paso a paso est destinada a obtener rpidamente una tpica placa
Arduino usuario en funcionamiento con el MindWave mvil. Esta gua le mostrar
cmo configurar el BlueSMiRF de plata rpidamente para la comunicacin con el mvil
y da MindWave cdigo de ejemplo para analizar el flujo de salida. El flujo de salida
analizado a continuacin, se puede utilizar para llevar a cabo diversas tareas tales como
para controlar la velocidad de un motor, para iluminar los LED, y para controlar la
posicin de un servomotor, etc.
Los materiales requeridos
Esta aplicacin requiere que los siguientes materiales:

MindWave mvil

Arduino Diecimila se utiliz para desarrollar (vase la nota a

continuacin si est utilizando un Mega 2560 o Uno)

BlueSMiRF plata / oro, https://www.sparkfun.com/products/10269

Software de terminal, como CoolTerm, RealTerm, o Terminal

entorno de desarrollo Arduino

Avago HDSP-4832 10-Elemento grfica de barras LED array

27

4 resistencias 75

6 resistencias 47

Tablero de circuitos

12V Fuente de energa (incluido con la placa Arduino)

dongle Bluetooth, si su equipo no tiene capacidades de Bluetooth

interno

Resumen del sistema

El sistema utiliza hardware UART del Aduino tanto para la comunicacin USB y
la comunicacin Bluetooth.
El flujo de la configuracin bsica es la siguiente:

Emparejar

el

MindWave

mvil

su

ordenador

para

determinar la direccin MAC.

Conexin del BlueSMiRF a tu placa Arduino.

Emparejar el BlueSMiRF a su ordenador para configurar el

dispositivo.

Conectar la matriz de LED a la placa Arduino.

Descargar el cdigo de ejemplo proporcionado en la placa

Arduino utilizando el entorno de desarrollo Arduino.

Encienda todo el sistema y observe el valor eSense atencin

en la matriz de LED.

Instrucciones detalladas
La determinacin de la direccin MAC de su MindWave mvil

28

Abrir la configuracin de Bluetooth en su ordenador y haga clic en "Aadir un

dispositivo" o "Nueva conexin"
Para hacer el visible, el poder MindWave mvil en el auricular. Una vez que el LED se
enciende, mantenga el interruptor de encendido durante 4-5 segundos, hasta que el LED
comienza a parpadear doble. Ahora es detectable.
Emparejar el MindWave mvil, y determinar su direccin MAC, que es un valor
hexadecimal de 12 dgitos
Escribe esto, vamos a utilizar este valor ms adelante Conexin del BlueSMiRF a tu
placa Arduino
Puedes soldar cabeceras al mdulo BlueSMiRF, y luego usar cables de puente para
conectar a la placa Arduino. Sold cables directamente a la BlueSMiRF. De cualquier
mtodo funcionar.
RTS y CTS cortos juntos. Sold un cable entre el RTS y CTS.
Conectar BlueSMiRF Vcc a 3c3 de Arduino.
Conectar BlueSMiRF GND GND para Arduino
Conectar BlueSMiRF TX a RX Arduino
Conectar BlueSMiRF RX a TX Arduino
Alimentacin de la Arduino
El Arduino puede ser alimentado por USB, por la batera, o por una fuente de
alimentacin externa. Por favor, vea la pgina de hardware Arduino aqu:
http://arduino.cc/en/Main/Hardware para ms informacin.
Configuracin del mdulo BlueSMiRF
Una vez que enciende la placa Arduino y ha conectado el BlueSMiRF, ver
parpadear un LED rojo en el mdulo BlueSMiRF.

29

Emparejar el BlueSMiRF a su ordenador. Que aparecer, como similar a, RN-42

hasta 5922.
La velocidad en baudios predeterminada es 115200
Abra su software de los terminales y conecte el BlueSMiRF. El LED se
iluminar en verde cuando est conectado.
Esto puede tomar varios intentos. Puede apagar y encender el Arduino si surgen
problemas.
Asegrese de activar "Eco local" para poder ver los comandos de entrada.

Para poner el BlueSMiRF al modo comando, el tipo $$$. Por favor hacer
referencia

esta

pgina

web:http://www.sparkfun.com/datasheets/Wireless/Bluetooth/rn-bluetooth-um.pdf
Si tiene xito, ver "CMD"
Tipo: D, Ver la configuracin actual de la BlueSMiRF. Ahora Tipo: SP, 0000

30

Esto va a cambiar el cdigo PIN de '1234' '0000', Ahora escribe: SM, 3

Esto configurar el BlueSMiRF al modo de conexin automtica. Una vez que el
mdulo est encendido, ser inmediatamente busque conectarse. Debera ver "AOK" si
esto se hace correctamente.
Ahora Tipo: SR, la direccin MAC
Introduzca la direccin de 12 dgitos que ha copiado del MindWave mvil.
Una vez ms, buscar AOK.
Ahora escribe: SU, 57,6
Esto va a cambiar la velocidad de transmisin 115200-57600
Tipo: D
Compruebe para asegurarse de que la direccin almacenada es la direccin Mac,
y se configura en Auto, no Slave
Tipo: - (tres signos menos)
Esto salir del CoolTerm. Si tiene xito, ver FIN.
Comprobacin de la configuracin BlueSMiRF
Encienda el auricular mvil MindWave
Encienda su placa Arduino + BlueSMiRF.
Si el LED se ilumina en verde BlueSMiRF y el mvil LED MindWave se vuelve
azul slido, que ahora est conectado y recibir datos desde el mvil MindWave. Si no es
as, por favor vuelva a intentar configurar su BlueSMiRF o comprobar la direccin
MAC correcta /
Nota para Arduino Mega 2560 y Usuarios Arduino Uno

31

No conecte la conexin BlueSMiRF Rx / Tx Arduino. Esto provocar un error de

comunicacin.
Esquema del circuito de

C
odigo de muestra
Codigo de muestra
La ejecucin del cdigo de ejemplo
Una vez que haya sincronizado el programa y su tablero, desconectar las lneas
de transmisin y recepcin que sale de la Arduino
Archivo> Cargar en Junta de E / S
Una vez que el programa muestra "Hecho Carga", puede desconectar el puerto
serie USB y ejecutar el Arduino de la fuente de alimentacin independiente.
Vuelva a conectar las lneas de transmisin y recepcin.
Alimente la tarjeta Arduino a travs de fuente de alimentacin
Arduino debe tener LED PWR verde encendida y la mochila debe tener Rojo
Encendido LED
Encienda Mindwave mvil Auricular
32

Hit botn para emparejar el MindWave para el dongle "Reset".

Una vez conectado MindWave mvil LED se volver azul y BlueSMiRF se
volver verde.
Disfrutar de la observacin de su valor eSense atencin en la matriz de LED.
Primeros pasos con el entorno de desarrollo Arduino
Por favor ver Arduino Gua de introduccin aqu: http://arduino.cc/en/Guide/HomePage
Cdigo Descripcin Arduino
cdigo de Arduino se basa en la / el lenguaje C ++ y C requiere muy poco ms
que empezar. Todos los detalles o de desarrollo de microprocesadores regular, tales
como la velocidad de reloj del procesador, la velocidad de programacin, fuentes de
reloj, etc., son inicializados por el ncleo de Arduino. Con esto en mente, el sistema
Arduino todava ser capaz de realizar gran parte de las tareas necesarias sin ningn
problema en absoluto. La sencillez de uso de los perifricos del microprocesador
combinado con el lenguaje C junto con el cdigo de ejemplo proporcionado prev
interfaz muy rpido a la forma de pensar. se recomienda al usuario extender el cdigo de
Arduino aadiendo cdigo despus de la seccin indicada en el paquete ha sido
verificado por una suma de comprobacin vlida.
A partir de entonces, el usuario puede utilizar los valores eSense hacer una de las
muchas cosas posibles. Algunos de los cuales es para controlar el brillo de un LED, la
altura de un objeto, etc.
La mayor parte del cdigo se utiliza para analizar los datos de paquete. Para ms
informacin, vase el documento de protocolo de comunicacin de modo de pensar en
las herramientas de desarrollo del modo de pensar (MDT). El MDT est disponible en la
tienda de NeuroSky gratis. Http://store.neurosky.com
fuentes de materias
El convertidor de nivel y la placa Arduino se pueden obtener a partir de:

33

Sparkfun

Electrnica 6175

Longbow

Drive,

Suite

200 Boulder,

CO

80301 http://www.sparkfun.com

34