直接脑控机器人接口技术

直接脑控机器人接口(Brain-controlled robot interface, BCRI)是一种新型的人-机器人接口技术, 是脑-机器接口/脑-计算机接口(Brain-machine interface, BMI/Brain-computer interface, BCI)在机器人控制领域的重要应用和研究方向. 研究者相继在Nature、Science和其他重要国际期刊上报道了相关的实验研究和开发, 目前已成为国际前沿研究热点. 本文主要围绕BCRI中的控制策略、BMI/BCI模块与机器人多层控制模块的适应和融合、BCRI中的脑信号自适应分类算法以及人、BMI/BCI模块和机器人控制系统的三边自适应展开论述, 分析了目前的研究情况、存在的局限和面临的若干重要问题, 指出进一步的研究思路和方向.     

脑控: 基于脑——机接口的人机融合控制

近年来,一类被称之为脑控的新型控制系统发展迅速, 这是一种基于脑--机接口(Brain-computer interface, BCI)的人机融合控制系统, 也是一种基于人的意念和思维的控制系统. 脑控系统已被成功应用于残疾人的生活辅助、中风病人和损伤肢体的康复训练、 操作员状态的实时监控、游戏娱乐和智能家居等广泛的领域. 本文在简要介绍了脑控的研究背景、基本原理、系统结构和发展概况的基础上, 着重对脑电信号(Electroencephalogram, EEG)模式、控制信号转换算法和应用系统研究等主要问题的研究现状, 进行了较为详细的论述和分析, 并探讨了进一步研究的方向和思路. 最后对脑控的未来发展方向和应用前景进行了分析和展望.     

混合脑机接口及其研究进展

脑机接口（brain-computer interface,BCI）技术作为一项新兴且发展潜力巨大的技术,已成为国际研究热点。但面向实际应用,现有BCI技术仍面临许多有待解决的问题,如基于稳态视觉诱发（SSVEP）的BCI技术控制命令数有限,基于运动想象（motor imagery,MI）的BCI存在诱发生理信号空间分辨率低、训练时间长等问题。研究表明,混合脑机接口（hybrid brain-computer interface,HBCI）相比于传统单模态BCI系统,在系统准确率、稳定性方面均有所提升。文章对HBCI进行了介绍,从基于多脑电模式的混合脑机接口、基于多种刺激诱发的混合脑机接口、基于多模态信号的混合脑机接口这三个类别分别对HBCI的研究进展进行阐述,并对HBCI关键技术、需要解决的问题及应用方向进行了概述。     

神经反馈训练中的虚拟现实技术综述

随着虚拟现实技术及脑-机接口技术的快速发展,虚拟现实在认知训练及神经康复等领域得到了广泛的应用,逐渐成为相关领域研究的热点.与传统的认知训练方法相比,应用于神经反馈训练中的虚拟现实技术通过将用户真实的训练环境替换为可定制的沉浸式虚拟环境,在显著降低系统使用成本的同时有效地提升了训练绩效.从虚拟现实技术在神经反馈训练领域的优势和应用出发,分析了神经反馈训练机制,讨论了虚拟现实技术的反馈训练方法;结合神经反馈训练中的虚拟现实技术研究现状,提出诱发更明显的脑电特征、设计个性化训练方案、提高反馈信息的传输速率、提高训练过程的舒适度以及融合多模态脑影像技术是未来的发展方向.     

基于支持向量机的脑电信号中左右手判别

在脑-机接口的研究中分类识别技术占有重要地位。介绍了一种方法,用于对单次信号的分类。这种方法主要思想是将共空域子空间分解和支持向量机相结合,以便提取信号特征。该方法被用于“BCI Competition 2003”第IV数据包上,分类正确率达89%。     

一种基于双特征的联合脑-机接口系统设计

与传统基于单一脑电信号的脑-机接口相比,基于多种特征信号的联合脑-机接口能有效提高脑-机接口性能.在基于稳态视觉诱发电位和P300诱发电位的联合使用的可行性基础上,提出了新的刺激编码方式,构建了一种基于两种特征的联合脑-机接口系统.通过设计3×3字符刺激矩阵,矩阵中纵列按各自设定频率闪烁诱发稳态视觉诱发电位,横行随机出现蓝色框诱发P300.实验表明,当受试者注视并关注目标字符,两种特征脑电信号能够被同时诱发,且对脑电信号中两种特征进行识别能够检测出受试者选取的字符.与传统基于P300的字符脑-机接口相比,刺激诱发时间减少了一半,从根本上提高了脑-机接口的速度.在以后工作中,系统可以扩展到更大矩阵(如6×6),构建更为实用的联合脑-机接口系统.     

脑机接口在机器人控制中的应用研究现状

本文首先介绍了脑机接口(BCI)系统,接着论述了近年来脑机接口在机器人控制中的应用研究现状,最后总结了当前研究存在的问题及发展方向.     

听觉脑–机接口的智能机器人控制系统

脑-机接口系统普遍存在控制命令单一、控制效率低和控制负担重等问题.通过改进控制目标的功能或加入智能化模块可以从一定程度上改善这个问题;但这方面的研究工作相对较少.如何针对残疾人的实际情况,研究智能控制与脑-机接口系统的有效切合点,是脑-机接口系统智能化的关键所在.本文针对视觉缺陷残疾人,提出一种结合机器视觉功能的听觉脑-机接口系统,将机器人自动视觉搜索,目标智能识别与听觉脑-机接口系统相结合,利用听觉脑-机接口系统向机器人发出简单人名指令,机器人将根据指令自动搜索识别,实现目标的自动跟踪.在一定程度上弥补视觉损伤病人在日常生活中的缺陷,也为脑-机接口的智能化提供了一个依据.     

脑-机接口技术研究概况

脑-机接口(BCI-Brain-Computer Interface)是一种全新的通讯和控制技术.首先介绍BCI的定义和工作原理;从输入信号的类型选择、预处理、特征的提取、分类方法等方面论述了BCI系统设计中的关键技术;最后对BCI的应用及在未来的发展作了介绍.     

脑机接口技术的发展与展望

脑机接口(Brain Computer Interface,BCI),作为一种特殊的人机交互方式,受到人们越来越多的关注,已成为人工智能与控制领域的研究热点。首先,系统地介绍了脑机接口的概念,并对脑电图(Electroencephalogram,EEG)研究中涉及的关键技术及创新发展进行了分析和归纳。此外,论述和分析了BCI系统在交流功能恢复、运动功能恢复、车辆行驶控制、环境控制等应用领域的现状和不足。最后针对脑机接口技术亟待解决的关键问题,提出了一种基于云计算服务模式的BCI+AI的脑机接口架构。     

EEG-Based Brain-Computer Interfaces: A Thorough Literature Survey

Brain–computer interface (BCI) technology has been studied with the fundamental goal of helping disabled people communicate with the outside world using brain signals. In particular, a large body of research has been reported in the electroencephalography (EEG)-based BCI research field during recent years. To provide a thorough summary of recent research trends in EEG-based BCIs, the present study reviewed BCI research articles published from 2007 to 2011 and investigated (a) the number of published BCI articles, (b) BCI paradigms, (c) aims of the articles, (d) target applications, (e) feature types, (f) classification algorithms, (g) BCI system types, and (h) nationalities of the author. The detailed survey results are presented and discussed one by one.

[Supplemental materials are available for this article. Go to the publisher's online edition of International Journal of Human-Computer Interaction to view the free supplemental file: Supplementary Tables.pdf.]     

基于脑电BCI的研究综述

一直以来脑研究都是国内外的研究热点,脑机接口（Brain Computer Interface, BCI）则是脑研究中的重要内容之一。正因为如此,越来越多的国内外研究者开始从事BCI的相关研究,并取得了诸多优秀成果。该文从BCI信号角度入手,总结了近年来基于脑电BCI的典型系统、相关分析方法及研究成果,并具体分析了其中存在的不足之处。     

Evaluating the ergonomics of BCI devices for research and experimentation

The use of brain computer interface (BCI) devices in research and applications has exploded in recent years. Applications such as lie detectors that use functional magnetic resonance imaging (fMRI) to video games controlled using electroencephalography (EEG) are currently in use. These developments, coupled with the emergence of inexpensive commercial BCI headsets, such as the Emotiv EPOC ( http://emotiv.com/index.php ) and the Neurosky MindWave, have also highlighted the need of performing basic ergonomics research since such devices have usability issues, such as comfort during prolonged use, and reduced performance for individuals with common physical attributes, such as long or coarse hair. This paper examines the feasibility of using consumer BCIs in scientific research. In particular, we compare user comfort, experiment preparation time, signal reliability and ease of use in light of individual differences among subjects for two commercially available hardware devices, the Emotiv EPOC and the Neurosky MindWave. Based on these results, we suggest some basic considerations for selecting a commercial BCI for research and experimentation. STATEMENT OF RELEVANCE: Despite increased usage, few studies have examined the usability of commercial BCI hardware. This study assesses usability and experimentation factors of two commercial BCI models, for the purpose of creating basic guidelines for increased usability. Finding that more sensors can be less comfortable and accurate than devices with fewer sensors.     

基于ERP信号的目标检测研究综述

目标检测技术应用广泛,现有的基于计算机视觉的目标检测方法由于目标遮挡、光照强弱等因素难以适应复杂场景的需求。而人脑的高级认知能力和快速感知能力在处理复杂情况时具有一定的优势。基于事件相关电位（Event-Related Potentials,ERP）的脑机接口（Brain Computer Interface,BCI）系统与特定事件相关,可检测独立于自发脑电的高级认知活动,是当前人工智能领域的研究热点之一。针对基于ERP信号的目标检测各个环节进行了研究现状的全面归纳,梳理了以快速串行视觉呈现（Rapid Serial Visual Presentation task,RSVP）为主的实验范式,包括呈现模式、目标视场角、目标复杂度等设计因素。总结了脑电信号分析中的预处理方法、特征提取和特征分类算法,介绍了其在人脸识别、军事作战、医学分析等领域中的初步应用。探讨了目前研究中存在的问题和挑战并展望未来的研究方向与应用前景。     

深度学习方法在软件分析中的应用

大数据时代下迅速兴起的深度学习已在计算机视觉等多个领域取得了重大进展。近年来,随着软件制品的积累,这一方法也开始在软件工程领域发挥重要作用。概述了利用深度学习处理不同软件分析任务的研究进展,总结了主要研究方向和应用特点。目前已有一批重要成果发表,相关研究热度呈现上升趋势。最后探讨了现有深度学习技术在应用时的一些局限性与问题。     

车载物联网技术及其应用探讨

随着车载物联网技术的高速发展,车载物联网技术已经开始被多个领域所应用,并取得了很大的成功,如何实现车载物联网技术的更高发展成为当前热门研究课题.本文首先详细概述了车载物联网相关理论,然后分析了当前车载物联网技术在不同领域中的应用,最后对当前我国车载物联网技术所面临的挑战进行了详细的分析研究.     

Using a brain-computer interface (BCI) in reducing math anxiety: Evidence from South Africa

Prior studies have indicated that learning mathematics is highly associated with attitudes towards mathematics and emotions like math anxiety. Over the years, strong empirical evidence has emerged, showing that math anxiety has a significant negative effect on mathematics performance. Interestingly enough, some researchers have shown that math anxiety can be trained and reduced. However, the proposed interventions have mostly focused on teachers as oppose to students, while the existing physiological approaches like cognitive behavioural therapy require administration by trained professionals. With recent advancements in technology, low cost commercial brain-computer interface (BCI) devices that can capture human emotions in real time have been developed and can have a potential use in training and reducing math anxiety. In this study, the objective was to determine if using a BCI mathematics educational game can help students to effectively reduce math anxiety. To attain this objective, a within-subjects longitudinal research design with eight data gathering waves was adopted as the primary methodology to ascertain changes in the participant's level of math anxiety across two sessions that took place on separate days. Analysis of data captured across two training sessions with a BCI mathematics educational game showed that math anxiety can be effectively trained and reduced with a BCI. In addition, the results showed that math anxiety has a significant negative impact on mathematics performance which is congruent with prior studies. These findings provide a novel way in which a low cost non-invasive BCI device can be used for educational purposes.