基于神念TGAM的脑波小车（1）

       作者声明：此博客是作者的毕设心得，拿来分享。

       拿到模块，在网上查了一圈，发现基本没什么有用的资料，有也是一些废话，经过我几个月的攻克，现在已初步搞定，分享给大家。

       废话不多说，直接步入正题。

      

       这是通过单片机的232通信例程直接接收得到的原始数据，也就是参考手册中的数据流。其中小包数据，是每秒512个大概，大包数据是每秒1个。

       小包的格式是AA AA 04 80 02 xxHigh xxLow xxCheckSum前面的AA AA 04 80 02 是不变的，后三个字节是一只变化的，xxHigh和xxLow组成了原始数据rawdata，xxCheckSum就是校验和。所以一个小包里面只包含了一个对开发者来说有用的数据，那就是rawdata，可以说一个小包就是一个原始数据，大约每秒钟会有
512个原始数据。
      从小包中解析出原始数据：rawdata = (xxHigh << 8) | xxLow;
                                                            if(rawdata > 32768){   rawdata ­=65536;  }

      根据手册，在计算原始数据之前，要先检查检验和：sum = ((0x80 + 0x02 + xxHigh + xxLow)^ 0xFFFFFFFF) & 0xFF。就是把头文件AA AA 04后面的四个数据加起来，取反，在取低八位。当检验码不对时，直接丢弃该包。

     在大包数据里面可以解析Signal，Attention，Meditation和8个EEG的信号值，大包的格式是固定的：

AA 同步
AA 同步
20 是十进制的32，即有32个字节的payload，除掉20本身+两个AA同步+最后校验和
02 代表信号值Signal
C8 信号的值
83 代表EEG Power开始了
18 是十进制的24，说明EEG Power是由24个字节组成的，以下每三个字节为一组
18 Delta 1/3
D4 Delta 2/3
8B Delta 3/3
13 Theta 1/3
D1 Theta 2/3
69 Theta 3/3
02 LowAlpha 1/3
58 LowAlpha 2/3
C1 LowAlpha 3/3
17 HighAlpha 1/3
3B HighAlpha 2/3
DC HighAlpha 3/3
02 LowBeta 1/3
50 LowBeta 2/3
00 LowBeta 3/3
03 HighBeta 1/3
CB HighBeta 2/3
9D HighBeta 3/3
03 LowGamma 1/3
6D LowGamma 2/3
3B LowGamma 3/3
03 MiddleGamma 1/3
7E MiddleGamma 2/3
89 MiddleGamma 3/3
04 代表专注度Attention
00 Attention的值(0到100之间)
05 代表放松度Meditation
00 Meditation的值(0到100之间)
D5 校验和

      想要获得某个EEG信号值，只需将相应信号的1/3值左移16位，2/3值左移8位，3/3值不变，然后将他们或运算：

delta=(payload[i]<<16) | (payload[(i+1)]<<8)  | (payload[(i+2)])。

未完待续。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

/////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////