脑电波控制风扇：基于NeuroSky与树莓派的脑机接口实践-平芜编程栈

1. 项目概述：当意念照进现实

“用脑电波控制风扇”，这个标题听起来像是科幻电影里的桥段，但今天，我们就要把它变成现实。这不仅仅是一个酷炫的玩具，更是脑机接口技术一次非常接地气的实践。想象一下，炎炎夏日，你瘫在沙发上，连手指都懒得动一下，但额头上的汗珠却不断提醒你需要一丝凉风。这时，你只需要集中注意力“想”一下，桌上的风扇就应声启动，为你送来清凉——这就是我们即将实现的目标。

这个项目的核心，是利用消费级的脑电波采集设备，捕捉我们大脑活动时产生的微弱电信号，经过一系列的信号处理和解码，最终将其转化为控制风扇开关的指令。它涉及神经科学、信号处理、嵌入式开发和软件编程等多个领域的交叉知识。对于硬件爱好者、创客，或者对脑机接口充满好奇的开发者来说，这是一个绝佳的入门项目。你不需要昂贵的实验室设备，也不需要深厚的医学背景，只需要一颗爱折腾的心和一定的动手能力，就能亲手搭建一个属于自己的“意念控制”系统。

通过这个项目，你将亲身体验到从生物电信号采集、噪声过滤、特征提取到最终逻辑控制的完整链路。这不仅是学习，更是一次充满成就感的创造。下面，我们就来一步步拆解，如何将飘渺的“意念”转化为实实在在的“动作”。

2. 核心思路与方案选型

要实现脑电波控制，我们需要一个清晰的路径：采集信号 -> 处理信号 -> 识别意图 -> 执行控制。每个环节都有多种技术方案，我们的选型原则是在保证效果可演示的前提下，尽可能降低成本、简化流程，让个人开发者能够复现。

2.1 信号采集设备选型

专业级的脑电图设备价格动辄数十万，显然不适合个人项目。我们的目光自然投向了消费级的脑电设备。目前市面上有几款代表性的产品：

NeuroSky MindWave Mobile 2：这是最经典、也最易得的入门选择。它采用单通道干电极，佩戴简单（夹在耳朵上，前额贴一个传感器），通过蓝牙传输数据。其内置的芯片能直接输出“专注度”和“放松度”两个经过处理的指数，大大降低了我们的开发难度。价格在千元以内，是性价比之选。
Muse 2：这是一款多通道（通常4-7个通道）的冥想头带，精度相对更高，能提供更多原始脑电波数据（如α波、β波等），但价格也更贵，且数据处理复杂度更高。
OpenBCI：这是开源硬件的代表，模块化设计，通道数可扩展，提供最原始的脑电信号，灵活性极高，是深度研究者的利器。但对于只想快速实现一个控制demo的我们来说，它显得过于复杂和昂贵。

选型决策：对于“控制风扇”这个目标，我们不需要分析复杂的脑区活动，只需要一个可靠的、能反映“意念集中”状态的信号。因此，NeuroSky MindWave Mobile 2成为了我们的首选。它开箱即用，官方SDK成熟，社区资源丰富，能让我们快速跳过硬件信号采集的深坑，直接进入有趣的应用开发阶段。

2.2 控制逻辑设计

拿到“专注度”信号后，如何让它控制风扇？这里有几个关键设计点：

控制对象：为了安全且易于演示，我们选择一个普通的USB小风扇或通过继电器控制的家用风扇。USB风扇可以直接用单片机模拟键盘信号或通过USB HID协议控制其供电；家用风扇则需要通过继电器模块控制交流电的通断。
控制策略：脑电信号是连续且波动的，我们不能让风扇随着专注度的微小波动而频繁开关。需要一个稳定的控制策略。
- 阈值法：设定一个专注度阈值（例如70%）。当连续N秒（例如3秒）内，专注度平均值超过该阈值，则触发风扇“开启”；当专注度平均值低于另一个阈值（例如30%），则触发“关闭”。这是最简单可靠的方法。
- 模式识别法：通过机器学习算法（如SVM、神经网络）识别特定的脑电模式（如想象“转动”和“停止”）。这更接近真正的“意念控制”，但需要采集大量训练数据，实现复杂，不适合快速原型。

选型决策：我们采用“双阈值延时触发”策略。即设定一个较高的开启阈值和一个较低的关闭阈值，并加入时间窗口进行平滑滤波。这样可以有效防止因瞬间走神或信号干扰导致的误触发，使控制动作更加稳定和符合直觉。

2.3 系统架构总览

整个系统的数据流和控制流如下：

[大脑] --> (NeuroSky头戴设备) --蓝牙--> [电脑/树莓派] --串口/USB/GPIO--> [继电器模块] --> [风扇]

信号采集端：NeuroSky设备佩戴于头部，实时采集原始脑电信号，在其内部芯片中进行初步处理，并通过蓝牙将处理后的数据（包括专注度、放松度、原始波强度等）发送出去。
数据处理与控制端：一台电脑或树莓派接收蓝牙数据。这里运行着我们编写的核心程序。程序负责：
- 解析数据流，提取出实时的“专注度”值。
- 对专注度数据进行平滑滤波（如移动平均）。
- 实施“双阈值延时触发”逻辑判断。
- 根据判断结果，发出控制指令。
执行端：控制指令通过电脑的USB口（控制USB风扇）或树莓派的GPIO口（控制继电器）发出，最终驱动风扇的电机运转或停止。

3. 开发环境搭建与数据获取

工欲善其事，必先利其器。在开始写控制逻辑之前，我们需要先把硬件连接好，并确保能稳定地读取到脑电数据。

3.1 硬件连接与驱动

给NeuroSky设备充电：确保设备有电，长按电源键开机，指示灯进入蓝牙配对闪烁模式。
蓝牙配对：在电脑（Windows/Mac/Linux均可）或树莓派的蓝牙设置中，搜索并配对名为 “MindWave Mobile” 的设备。配对密码通常是0000。
安装SDK/库：NeuroSky为不同平台提供了SDK。以Python为例，我们可以使用开源的neurosky或mindwave库。通过pip安装非常方便：
```
pip install mindwave
```
这个库封装了与设备通信的底层细节，让我们可以通过简单的API调用获取数据。

3.2 编写第一个数据读取程序

让我们写一个简单的Python脚本来测试设备是否工作正常，并观察“专注度”数据。

import mindwave import time # 连接到NeuroSky设备，端口号可能需要根据你的系统调整 headset = mindwave.Headset('/dev/tty.MindWaveMobile-DevA') # Mac/Linux示例 # headset = mindwave.Headset('COM3') # Windows示例 print("连接中...") time.sleep(2) # 等待连接稳定 if headset.status == 'connected': print("设备已连接！") try: for i in range(50): # 读取50次数据 time.sleep(0.2) # 每秒约5次采样 attention = headset.attention meditation = headset.meditation print(f"专注度: {attention}, 放松度: {meditation}") except KeyboardInterrupt: print("\n停止读取。") finally: headset.disconnect() else: print("连接失败，请检查设备和端口。")

运行与观察：运行这个脚本，同时尝试不同的心理状态。比如，集中精神心算一道数学题，观察attention值是否上升；然后闭上眼睛深呼吸放松，观察meditation值是否上升。你会看到这些数值在0-100之间波动。这就是我们控制风扇的“原材料”。

实操心得：初次佩戴时，电极与皮肤的接触可能不稳定，导致数据跳动剧烈或为0。确保前额电极贴片位置清洁、无油脂，并稍微用点力贴紧。如果使用时间较长，电极片可能会变干，影响导电性。市面上有专用的脑电导电膏，但对于干电极的NeuroSky，用一点点清水湿润皮肤接触点效果更简单直接。

4. 核心控制逻辑的实现

现在我们已经能稳定获取数据了，接下来就是核心环节：编写控制逻辑。我们将实现之前确定的“双阈值延时触发”策略。

4.1 数据平滑与状态机设计

原始数据噪声较大，直接使用会导致控制抖动。我们需要一个数据缓冲区来进行平滑处理。

import mindwave import time from collections import deque class MindControlFan: def __init__(self, com_port, open_thresh=70, close_thresh=40, window_size=15): self.headset = mindwave.Headset(com_port) self.open_threshold = open_thresh # 开启阈值 self.close_threshold = close_thresh # 关闭阈值 self.window_size = window_size # 平滑窗口大小（约3秒的数据，假设0.2秒采样一次） self.data_buffer = deque(maxlen=window_size) # 专注度数据缓冲区 self.fan_state = False # 风扇当前状态，False为关闭，True为开启 self.last_control_time = time.time() self.control_cooldown = 1.0 # 控制动作最小间隔（秒），防止过于频繁 def smooth_attention(self): """计算缓冲区内专注度的平均值""" if len(self.data_buffer) == 0: return 0 return sum(self.data_buffer) / len(self.data_buffer) def control_logic(self, current_attention): """核心控制逻辑""" self.data_buffer.append(current_attention) avg_attention = self.smooth_attention() now = time.time() if now - self.last_control_time < self.control_cooldown: return # 还在冷却期，不进行新的判断 if not self.fan_state and avg_attention > self.open_threshold: # 风扇关闭状态，且平均专注度高于开启阈值 -> 开启风扇 self.turn_fan_on() self.fan_state = True self.last_control_time = now print(f"[动作] 开启风扇！平均专注度: {avg_attention:.1f}") elif self.fan_state and avg_attention < self.close_threshold: # 风扇开启状态，且平均专注度低于关闭阈值 -> 关闭风扇 self.turn_fan_off() self.fan_state = False self.last_control_time = now print(f"[动作] 关闭风扇！平均专注度: {avg_attention:.1f}") def turn_fan_on(self): """触发风扇开启动作（此处为模拟）""" # 实际控制代码将在这里实现 print("执行：风扇启动") def turn_fan_off(self): """触发风扇关闭动作（此处为模拟）""" # 实际控制代码将在这里实现 print("执行：风扇停止") def run(self): print("意念风扇控制系统启动...") time.sleep(2) if self.headset.status != 'connected': print("设备连接失败") return try: while True: attention = self.headset.attention if attention > 0: # 过滤无效数据 self.control_logic(attention) time.sleep(0.2) # 控制循环频率 except KeyboardInterrupt: print("\n系统关闭。") finally: self.headset.disconnect() # 使用示例 if __name__ == "__main__": # 需要替换成你的实际端口 controller = MindControlFan('/dev/tty.MindWaveMobile-DevA', open_thresh=72, close_thresh=35) controller.run()

代码解析：

data_buffer：一个固定长度的队列，存储最近一段时间内的专注度值，用于计算移动平均，平滑瞬时波动。
control_logic：这是核心状态机。它比较平滑后的平均专注度与两个阈值，并根据当前风扇状态决定是否进行状态切换。
control_cooldown：这是一个重要的防抖设计。在触发一次控制动作后，系统会进入一个短暂的“冷却期”，在此期间即使阈值再次被跨越，也不会触发动作，避免了因信号在阈值附近震荡导致的快速开关。

4.2 参数调优：找到你的“意念阈值”

阈值open_thresh和close_thresh不是固定的，它因人而异，甚至因同一个人当天的精神状态而异。你需要进行简单的“校准”。

静息基线：放松状态下，运行测试程序1-2分钟，记录下attention的典型范围（例如 30-50）。这可以作为你的close_thresh的参考。
专注峰值：集中精神思考一个复杂问题（比如心算 97 x 86），或者凝视一个固定点，尽力排除杂念。记录下attention能达到的峰值（例如 80-95）。open_thresh可以设定在峰值水平的70%-80%处（例如 70-75）。
设置回差：务必让open_thresh和close_thresh之间有一个明显的间隔（例如 70 和 40）。这个“回差”是系统稳定的关键。如果两者设得太近（如70和65），风扇会在开关状态间疯狂跳动。

注意事项：阈值不是一劳永逸的。建议在程序中设计一个简单的校准模式，或者将阈值作为可配置参数，方便随时调整。你也可以设计更复杂的自适应阈值算法，根据近期历史数据动态调整阈值，但这会增加复杂度。

5. 从信号到动作：硬件控制实现

逻辑部分已经能做出“决策”了，现在需要把“开启/关闭”的指令，变成实实在在让风扇转起来的物理信号。这里根据风扇类型，有两种主流方案。

5.1 方案一：控制USB风扇（软件模拟）

如果你的风扇是USB接口的，并且插在运行控制程序的电脑上，我们可以用软件模拟键盘信号或直接控制USB端口电源。

方法A：模拟键盘按键（如果风扇由按键控制）有些USB风扇的开关是通过单片机检测USB数据线上的特定信号（模拟媒体键或自定义键值）实现的。我们可以用pyautogui库来发送一个系统级的按键事件，触发风扇开关。

import pyautogui def turn_fan_on(self): pyautogui.press('f13') # 假设风扇程序将F13键映射为开关 # 或者使用组合键 # pyautogui.hotkey('ctrl', 'shift', 'f') def turn_fan_off(self): # 通常开关是同一个按键 pyautogui.press('f13')

这种方法无需额外硬件，但需要你知道风扇接收的控制信号是什么，通用性较差。

方法B：控制USB电源（更通用）在Windows上，可以使用pywinusb库来直接控制USB端口的供电。在Linux/Mac上，可以通过操作sysfs文件系统来实现。这里以Linux（树莓派）为例，原理是控制USB端口的电源开关。

import os class USBFanController: def __init__(self, usb_port_id): # 需要先找到你的USB风扇对应的集线器和端口号 # 使用 `lsusb -t` 命令查看树状结构 self.hub = "1-1" # 示例：USB集线器编号 self.port = "1.1" # 示例：端口编号 self.power_path = f"/sys/bus/usb/devices/{self.hub}/power/control" def set_power(self, on): """控制USB端口电源 on=True为开启，False为关闭""" value = "on" if on else "auto" # 'auto' 通常允许挂起，效果类似关闭 try: with open(self.power_path, 'w') as f: f.write(value) print(f"USB电源已设置为：{value}") return True except Exception as e: print(f"控制USB电源失败：{e}") return False def turn_fan_on(self): return self.set_power(True) def turn_fan_off(self): return self.set_power(False)

重要提示：直接控制USB电源有风险，可能导致设备异常。务必先确认你控制的是正确的端口，并且该操作是可逆的。更稳妥的方法是使用专门的USB可控开关硬件。

5.2 方案二：控制交流风扇（通过继电器）

这是更安全、更通用、也更推荐的方法。我们用一个继电器模块作为电脑/树莓派和家用风扇之间的“安全开关”。

硬件连接（以树莓派为例）：

继电器模块：选择一个支持3.3V/5V控制的单路继电器模块（如SRD-05VDC-SL-C）。
连接：
- 继电器模块的VCC接树莓派5V引脚。
- GND接树莓派GND。
- IN(信号线) 接树莓派任一GPIO引脚（如GPIO17）。
- 将风扇的电源线剪断（务必在断电操作！），将其中一根线（通常是火线）断开，两端分别接到继电器的COM(公共端) 和NO(常开端) 端子。

软件控制（使用RPi.GPIO库）：

import RPi.GPIO as GPIO import time class RelayFanController: def __init__(self, gpio_pin=17): self.gpio_pin = gpio_pin GPIO.setmode(GPIO.BCM) GPIO.setup(self.gpio_pin, GPIO.OUT) GPIO.output(self.gpio_pin, GPIO.HIGH) # 初始化为高电平，继电器断开（风扇关） self.state = False def turn_fan_on(self): """打开继电器，风扇通电""" GPIO.output(self.gpio_pin, GPIO.LOW) # 低电平触发继电器吸合 self.state = True print("继电器吸合，风扇启动") # 可以在这里添加一个延时，防止频繁开关 # time.sleep(0.5) def turn_fan_off(self): """关闭继电器，风扇断电""" GPIO.output(self.gpio_pin, GPIO.HIGH) # 高电平继电器释放 self.state = False print("继电器释放，风扇停止") def cleanup(self): GPIO.cleanup(self.gpio_pin)

然后将之前MindControlFan类中的turn_fan_on/off模拟方法，替换为调用RelayFanController的真实控制方法即可。

安全警告：操作220V交流电有生命危险！如果你不熟悉强电操作，请务必在有经验的人指导下进行，或者直接使用现成的、外壳封闭的智能插座来控制风扇，通过Wi-Fi或蓝牙控制智能插座，这样更安全。继电器模块只能作为弱电控制端，其接线端子部分在连接高压电时必须做好绝缘和防护，严禁裸露。

6. 系统集成与优化

将脑电数据读取、控制逻辑和硬件驱动整合在一起，形成一个稳定运行的系统。

6.1 完整的集成代码示例

下面是一个集成度更高的主程序示例，它结合了数据读取、逻辑处理和继电器控制。

import mindwave import time from collections import deque import RPi.GPIO as GPIO import signal import sys class MindWaveFanController: def __init__(self, mindwave_port, relay_pin=17, open_thresh=70, close_thresh=40, window_size=15): # 脑电部分初始化 self.headset = mindwave.Headset(mindwave_port) self.open_thresh = open_thresh self.close_thresh = close_thresh self.window = window_size self.attention_buffer = deque(maxlen=window_size) # 风扇状态与控制部分 self.fan_is_on = False self.relay_pin = relay_pin self.setup_relay() # 控制防抖 self.last_action_time = 0 self.action_cooldown = 2.0 # 动作间隔至少2秒 # 运行状态 self.running = True signal.signal(signal.SIGINT, self.signal_handler) # 捕获Ctrl+C def setup_relay(self): GPIO.setmode(GPIO.BCM) GPIO.setup(self.relay_pin, GPIO.OUT) GPIO.output(self.relay_pin, GPIO.HIGH) # 初始关闭 print("继电器初始化完成（风扇关闭状态）") def signal_handler(self, sig, frame): print("\n接收到中断信号，正在安全关闭...") self.running = False self.cleanup() def cleanup(self): print("关闭风扇并清理GPIO...") self.control_fan(False) # 确保风扇关闭 time.sleep(0.5) GPIO.cleanup(self.relay_pin) if self.headset.status == 'connected': self.headset.disconnect() print("清理完成，退出。") sys.exit(0) def smooth_attention(self): if len(self.attention_buffer) < self.window // 2: return 0 # 数据不足，不进行判断 return sum(self.attention_buffer) / len(self.attention_buffer) def control_fan(self, turn_on): """控制继电器状态""" if turn_on and not self.fan_is_on: GPIO.output(self.relay_pin, GPIO.LOW) self.fan_is_on = True print("[硬件动作] 继电器闭合 -> 风扇启动") elif not turn_on and self.fan_is_on: GPIO.output(self.relay_pin, GPIO.HIGH) self.fan_is_on = False print("[硬件动作] 继电器断开 -> 风扇停止") def run(self): print("=== 意念控制风扇系统启动 ===") print(f"参数：开启阈值={self.open_thresh}， 关闭阈值={self.close_thresh}， 窗口={self.window}") time.sleep(2) # 等待连接 if self.headset.status != 'connected': print("错误：无法连接到MindWave设备。") self.cleanup() print("开始读取脑电波数据，请集中精神以开启风扇...") try: while self.running: att = self.headset.attention if att > 0: # 有效数据 self.attention_buffer.append(att) avg_att = self.smooth_attention() now = time.time() if now - self.last_action_time < self.action_cooldown: continue # 核心控制逻辑 if not self.fan_is_on and avg_att > self.open_thresh: self.control_fan(True) self.last_action_time = now elif self.fan_is_on and avg_att < self.close_thresh: self.control_fan(False) self.last_action_time = now # 实时显示状态（可选） sys.stdout.write(f"\r专注度: {att:3d} | 平均: {avg_att:5.1f} | 风扇: {'ON ' if self.fan_is_on else 'OFF'} ") sys.stdout.flush() time.sleep(0.15) # 采样间隔约150ms except Exception as e: print(f"\n运行出错: {e}") self.cleanup() if __name__ == "__main__": # 配置你的设备端口和参数 controller = MindWaveFanController( mindwave_port='/dev/tty.MindWaveMobile-DevA', # 修改为你的端口 relay_pin=17, open_thresh=72, close_thresh=38, window_size=20 # 约3秒数据 (0.15s * 20) ) controller.run()

6.2 加入可视化与反馈

为了让体验更直观，我们可以添加简单的可视化，比如用终端字符画一个“风扇转速条”，或者用GUI显示实时脑电波及阈值线。

终端简易进度条反馈：可以在打印状态的那行代码上做文章，用#号长度表示专注度。

def display_status_bar(attention, avg_attention, fan_state): bar_length = 30 att_pos = int(attention * bar_length / 100) avg_pos = int(avg_attention * bar_length / 100) bar = [' '] * bar_length for i in range(att_pos): bar[i] = '=' bar[att_pos-1] = '>' if att_pos>0 else ' ' status = "ON" if fan_state else "OFF" print(f"\r[{'#'*avg_pos}{' '* (bar_length-avg_pos)}] Att:{attention:3d} Avg:{avg_attention:5.1f} Fan:{status}", end='')

使用Matplotlib实时绘图（高级）：这能让你更清晰地看到脑电波信号和阈值的关系，但会消耗更多资源。

import matplotlib.pyplot as plt import matplotlib.animation as animation # ... 初始化图形和坐标轴 ... def update_plot(frame): # 获取最新数据 att = headset.attention # 更新数据序列 # 在图上绘制实时曲线和阈值线 # 返回需要更新的图形元素 ani = animation.FuncAnimation(fig, update_plot, interval=200) plt.show()

7. 调试、优化与问题排查

在实际搭建和运行过程中，你一定会遇到各种问题。下面是一些常见问题及其解决方法。

7.1 常见问题速查表

问题现象	可能原因	排查步骤与解决方案
无法连接NeuroSky设备	1. 蓝牙未配对或断开。 2. 串口权限不足（Linux/Mac）。 3. 设备电量低。	1. 检查系统蓝牙设置，重新配对。 2. 在终端执行`ls -l /dev/tty.*`查看设备，并使用`sudo chmod 666 /dev/tty.YourDevice`赋予读写权限。 3. 给设备充电。
专注度数据始终为0或不变	1. 电极接触不良。 2. 佩戴位置不正确。 3. 设备未进入正常工作模式。	1. 清洁额头和耳夹接触点，确保贴紧。 2. 前额电极应位于眉毛上方约1-2厘米处。 3. 观察设备指示灯，正常连接后应常亮或缓慢闪烁。重启设备试试。
数据波动剧烈，无法稳定	1. 环境电磁干扰（如手机、WiFi路由器太近）。 2. 身体轻微移动（眨眼、咬牙）。 3. 皮肤阻抗过高。	1. 远离强干扰源。 2. 测试时尽量保持头部和面部静止。 3. 用湿巾清洁皮肤，或使用专用导电膏。
风扇控制不灵敏或误触发	1. 阈值设置不合理。 2. 平滑窗口太小或太大。 3. 防抖时间设置不当。	1. 重新进行个人校准，调整`open_thresh`和`close_thresh`。 2. 调整`window_size`，太小会敏感，太大会迟钝。建议从15（约3秒）开始调整。 3. 增加`action_cooldown`时间，比如设为2-3秒。
继电器有响声但风扇不转	1. 继电器接线错误（接了常闭端NC）。 2. 风扇电源线未正确串入继电器。 3. 继电器模块供电不足。	1. 确认风扇线接在COM和NO端子上。 2.断电检查，确保继电器控制的是火线通路。 3. 确保给继电器模块的VCC提供稳定的5V电压，GND接牢。
树莓派GPIO控制无效	1. GPIO引脚号设置错误（BCM vs BOARD模式）。 2. 程序未以sudo权限运行（某些情况需要）。 3. 引脚被其他进程占用。	1. 确认代码中`GPIO.setmode(GPIO.BCM)`和实际物理引脚对应关系。 2. 尝试用`sudo python3 your_script.py`运行。 3. 在程序开头或结尾做好`GPIO.cleanup()`。

7.2 性能优化与体验提升

个性化校准流程：写一个单独的校准脚本，引导用户“放松1分钟”和“集中精神1分钟”，自动计算并保存其个人的静息专注度范围和集中专注度范围，用于动态设置阈值。
状态反馈：除了控制风扇，可以增加其他反馈形式。例如，当专注度接近阈值时，让一个LED灯闪烁提示；或者用蜂鸣器发出不同音调。多模态反馈能让你更直观地感知自己的状态。
历史记录与可视化：将每次的专注度数据、控制事件和时间戳记录到文件（如CSV）或数据库。事后可以用图表分析自己注意力的变化模式，让项目更有价值。
无线化与便携：将树莓派、继电器和电池打包成一个盒子，NeuroSky通过蓝牙连接树莓派。这样你就可以摆脱电脑，实现一个完全独立的“意念风扇”装置。
扩展控制：不要局限于开关。可以尝试用专注度的连续值来控制风扇的转速（对于支持调速的风扇）。例如，专注度在40-70之间时低速转，70-90中速，90以上高速。这需要用到PWM（脉冲宽度调制）来控制继电器或风扇电机驱动模块。

这个项目从想法到实现，每一步都充满了探索的乐趣。它最吸引人的地方在于，你是在用自己的生理信号与物理世界进行交互。当你第一次通过集中精神让风扇转动起来时，那种奇妙的成就感是无可替代的。它不仅仅是一个风扇控制器，更是一个理解脑机接口原理的绝佳窗口。你可以在此基础上，尝试控制台灯、音乐播放，甚至简单的游戏。关键在于，你已经掌握了从生物信号采集、处理到最终控制的核心链路，剩下的就是发挥你的想象力了。