基于混合视线-脑机接口与共享控制的人-机器人交互系统

设计了一种基于混合视线-脑机接口与共享控制的人-机器人交互系统,以使得用户可通过视线和意念对机器人末端在2维空间进行连续的运动控制,并在避障和趋近目标的任务中获得机器智能的辅助.首先,按照用户运动意念的强度对机器人末端的运动速度大小进行等比例连续调节,以提高用户对机器人的控制感以及完成任务的参与性.然后,提出了机器人末端运动方向的一种共享控制策略,动态地融合基于视线追踪技术所得到的用户方向控制指令以及由机器人避障和趋近目标的行为设定所得到的机器人系统方向控制指令,自适应地调整机器人系统对用户的辅助力度,以减轻用户脑力负荷,提高任务完成成功率.最后,针对搭建的基于混合视线-脑机接口和共享控制的人-机器人交互平台,通过实验验证了所提系统的有效性.     

动态调整用户认知负荷的智能增强现实系统

把认知负荷测量技术集成进空间增强现实系统,提出动态调整用户认知负荷水平的智能空间增强现实系统（ISARS）系统。ISARS的目标是对用户在进行任务时的认知状态进行实时监测,并根据用户认知状态动态调整空间增强现实系统的增强信息,以使用户处于最佳工作状态并提高工作效率和保证工作质量。ISARS包含两个子系统：空间增强现实（SAR）子系统和认知负荷度量（CLM）子系统,SAR子系统把不同的增强信息投影到物体物理表面。CLM子系统对用户在工作过程中的认知负荷进行度量。实验结果表明,ISARS能够根据用户当前认知负荷水平对任务相关的要素进行自适应调整以更好适合用户实际工作能力,从而提高用户工作效率。     

虚拟装配交互界面中的隐式交互算法研究

针对现有虚拟装配系统中交互是以设备为中心的显式交互,不能有效地感知用户操作意图,用户认知负担和操作负担较高的问题,为了提高虚拟装配系统的智能性,将隐式人机交互引入虚拟装配系统,提出一种基于场景任务的用户意图感知算法.首先建立场景知识模型和用户知识模型,并分别构建显式交互知识库和隐式交互知识库;然后利用专家系统推理用户显式操作意图和隐式操作意图,实现人手向目标位置平移时场景主动拉近和抓放场景物体时物体主动旋转2种情景下的人机相向互动.实验结果表明,该算法实现了人机协同交互,降低了用户的操作负担和认知负担.     

ICOMDT:一个面向动态任务的交互计算模型

近年来,包含动态任务的交互式系统得到了广泛的应用.基于现有对用户与动态任务交互的研究,提出一个面向动态任务的定量化可计算的交互模型ICOM^DT,用于解释用户与动态任务的交互行为,并实现用户意图预测.更具体地,将ICOM^DT应用于运动目标选择任务,设计了两个实验以验证模型的有效性.实验1收集用户数据对模型进行拟合并预测用户选择的错误率,实验结果表明,能够很好地拟合且预测值也与真实值接近;实验2将模型对用户意图的理解拓展为一种辅助运动目标选择技术ICOMPointer,通过在具体的游戏场景中与Windows原本的选择技术及两种现有的增强目标选择技术对比,发现使用ICOMPointer选中目标的平均完成时间更短,完成速度更快.ICOM^DT模型的提出对计算机理解用户意图,提高用户与动态任务的交互效率有着重要意义.     

认知Wi-Fi 2.0 无线网络多用户动态分层功率控制算法

具有认知性、自主性和适变性等特点的认知Wi-Fi 2.0无线网络技术,作为提高无线网络容量的重要技术不断引起学术界、标准组织和工业界的关注.针对现有功率控制技术不能刻画多个认知节点存在分层决策的现象,提出一种认知Wi-Fi 2.0无线网络中多用户动态分层功率控制算法.基于提出的斯坦科尔伯格(Stackelberg)容量最大化博弈模型,为认知Wi-Fi 2.0无线网络中感知信息不对称的多用户分别设计了分布式功率控制方法,实现领导者用户和跟随者用户的多阶段动态交互在保证个体效用的同时实现网络整体性能.该算法根据当前认知Wi-Fi 2.0无线网络中多个认知节点接入频谱顺序的不同,确定领导者用户和跟随者用户;然后,对于领导者和跟随者分别采用不同的功率控制策略,并多次交互实现多用户分层算法的动态交互收敛.蒙特卡洛仿真验证了算法的有效性.     

视觉P300脑机接口中的SOA扰动现象

异步操控性是脑机接口走向实际应用的关键技术之一.其关键点在于寻找一种可有效区分脑机接口工作状态和空闲状态的指标.建立了针对P300脑机接口的刺激起始异步(SOA)扰动模型,在仿真实验和实测数据中观察到SOA扰动谱线,并根据所提出的模型给出了合理解释.研究了SOA扰动的频域特性,结果表明,当SOA位于220 ms附近时,SOA扰动的强度最大,而当SOA低于150 ms时,SOA扰动强度将急剧减小.同时SOA扰动所具有的锁相性使得可以通过时域相干平均法进一步提高信噪比.SOA扰动可作为脑机接口处于工作状态的标志,为异步脑机接口的实现提供了一种新的研究思路.     

情境感知驱动的移动设备自适应用户界面模型

为降低移动设备控制与对话中的用户认知负荷和操作难度,采取基于情境感知的自适应人机交互策略,分析其中的交互机制和可视化形式,建立用户界面模型指导界面设计和原型构建。该模型制定了原始情境数据的分类感知方式、作用机制和结构化组织形式,设定不同的自适应控制策略和情境触发规则,对自适应交互状态转移过程进行约束。形式化定义自适应过程中的界面模式及其转换函数,并提出重构、替代、几何变换、过滤和推送等具体可视化表达形式。根据用户反馈信息选取显性和隐性评价指标,构造评价函数评估自适应效果,对自适应机制进行相应调整与优化。应用此模型进行自适应手机名片夹界面的视觉设计和原型开发,测试结果表明,自适应界面能有效提高用户操作效率和主观满意度,进一步验证了模型的可行性与有效性。     

VR 系统信息可视化模型

针对虚拟环境中用户认知负荷较重和资源分配不协调问题,综合分析了人脑认知 活动中信息的显性化表达,提出一种基于分布式认知的信息可视化资源模型。通过计算机感知 虚拟环境中用户动作、行为、任务等信息,依据资源分配方案确定资源和信息之间映射关系, 并以信息表象的形式贮存;通过对信息表象进一步精致化,实现交互界面视觉元素的优化布局; 本文结合眼动追踪设备对VR 系统原型进行可用性评估实验,实验结果表明该可视化模型能够 降低用户认知负荷,改善用户体验。     

面向智能电视的隐式手势交互建模与算法

针对基于视觉的智能电视手势交互中用户认知负荷和操作负荷较重的问题,提出融合显式交互和隐式交互的手势交互算法.通过对基于视觉的智能电视手势交互场景分析,首先建立了基于用户行为和智能电视状态的多层次上下文模型,实现上下文的数据融合与特征提取;其次设计并实现了CDL-DFCM推理模型和显隐信息融合的隐式交互模型,识别交互情景事件并感知用户意图;最后实现用户与智能电视的隐式交互.实验结果表明,与现有算法相比,该算法在操作准确率、时间开销和手势移动距离等方面得到了明显改善,并有效地提升了用户体验.     

基于认知用户移动性的协作频谱感知研究

协作频谱感知能在一定程度上消除多径和阴影的影响,然而现有协作频谱感知方案均假设各认知用户处于静止状态,未考虑认知用户在协作感知期间的移动对检测性能的影响。针对上述问题,在集中式频谱检测方法的基础上,提出一种认知用户移动状态下的协作检测模型,使主用户处于静止状态,认知用户以一定速度作匀速直线运动。仿真及分析结果表明,随着移动认知用户速度的增大,运用线性融合规则的移动认知用户与静止认知用户协作检测性能均逐渐降低,因此需选择移动速度较小的认知用户作为协作对象以提高频谱感知的整体检测性能。     

The role of human factors in stereotyping behavior and perception of digital library users: a robust clustering approach

To deliver effective personalization for digital library users, it is necessary to identify which human factors are most relevant in determining the behavior and perception of these users. This paper examines three key human factors: cognitive styles, levels of expertise and gender differences, and utilizes three individual clustering techniques: k-means, hierarchical clustering and fuzzy clustering to understand user behavior and perception. Moreover, robust clustering, capable of correcting the bias of individual clustering techniques, is used to obtain a deeper understanding. The robust clustering approach produced results that highlighted the relevance of cognitive style for user behavior, i.e., cognitive style dominates and justifies each of the robust clusters created. We also found that perception was mainly determined by the level of expertise of a user. We conclude that robust clustering is an effective technique to analyze user behavior and perception.     

交互感知应用微云服务框架

当前,开发使用微云服务的交互感知应用时存在开发困难以及重复开发的问题.为解决这些问题,设计并实现了为交互感知应用提供微云服务的框架Bolt.Bolt服务框架以ZeroMQ消息处理队列为基础,分为三部分：Bolt Client Lib库、Bolt Service Lib库以及Bolt Broker代理,构成“Client-Broker-Service”的三级架构.Bolt Client Lib和Bolt Service Lib分别为移动端应用和微云端处理引擎分别提供API,使应用与处理引擎的开发得以分离,降低了开发难度并减少重复开发的情况.实验结果表明,与Gabriel等应用相比,Bolt服务框架使用的通信端口降低到2个,同时,将系统开销降低到1ms左右的时间.     

移动手持环境下触摸式目标选择技术对比

目的触摸输入方式存在"肥手指"、目标遮挡和肢体疲劳现象,会降低触摸输入的精确度。本文旨在探索在移动式触摸设备上,利用设备固有特性来解决小目标选择困难与触摸输入精确度低的具体策略,并对具体的策略进行对比。方法结合手机等移动式触摸设备所支持的倾斜和运动加速度识别功能,针对手机和平板电脑等移动式触摸输入设备,实证地考察了直接触摸法、平移放大法、倾斜法和吸引法等4种不同的目标选择技术的性能、特点和适用场景。结果通过目标选择实验对4种技术进行了对比,直接触摸法、平移放大法、倾斜法、吸引法的平均目标选择时间,错误率和主观评价分别为(86.06 ms,62.28%,1.95),(1 327.99 ms,6.93%,3.87),(1 666.11 ms,7.63%,3.46)和(1 260.34 ms,6.38%,3.74)。结论 3种改进的目标选择技术呈现出了比直接触摸法更优秀的目标选择能力。     

速率期望比较下的宽带频谱接入简化算法

为解决认知无线网络中宽带频谱感知模式的计算量大和感知时间延长等问题,提出了一种基于速率的认知无线网络低复杂度宽带频谱感知算法。在宽带频谱感知的基础上,设定选择条件,对信道的期望传输速率进行比较,确定需要感知的信道,以实现减少认知无线网络次用户系统的信道感知时间和感知计算量的目标。经过仿真实验分析对比表明,该算法可以有效地平衡次用户系统吞吐量最大化和主用户系统的干扰之间的矛盾。     

Multimodal Intelligent Eye-Gaze Tracking System

This article presents a series of user studies to develop a new eye-gaze tracking–based pointing system. We developed a new target prediction model that works for different input modalities and combined the eye-gaze tracking–based pointing with a joystick controller that can reduce pointing and selection times. The system finds important applications in cockpit of combat aircraft and for computer novice users. User studies confirmed that users can perform significantly faster using this new eye-gaze tracking–based system for both military and everyday computing tasks compared to existing input devices. As part of the study it was also found that the amplitude of maximum power component obtained through Fourier Transform of pupil signal significantly correlates with selection times and perceived cognitive load of users in terms of Task Load Index scores.     

认知无线Mesh网络中基于概率的贪婪频谱决策技术研究

认知无线电网络传统的频谱决策方法中次用户根据不同的判据选择信道,会引起信道竞争和拥塞。针对认知无线Mesh网络中基于概率的频谱决策方法,提出一种贪婪信道选择算法,当发生频谱切换时,其结合改进的抢占优先(相似文献   

认知用户基于频谱特征的动态频谱接入算法

认知无线电频谱接入技术的关键是指导认知用户如何选择合适的空闲信道以及如何在认知用户间实现频谱共享。在公共控制信道较难获得的情况下,基于部分可观测 Markov 决策过程（POMDP）的频谱预测算法,可以显著地提高系统的吞吐量。认知系统如果不加区分地使用授权频谱将可能导致所选择的频谱空洞不能满足认知用户需求。针对认知用户对不同信道容量的需求,引用适量选择原则,并运用融合接入策略,研究认知无线网络动态频谱接入过程。另外,通过大量仿真对认知用户的吞吐量和系统碰撞率进行分析,结果表明融合接入策略可以有效地提高系统的吞吐量及系统碰撞率。     

Multimodal selection techniques for dense and occluded 3D virtual environments

Object selection is a primary interaction technique which must be supported by any interactive three-dimensional virtual reality application. Although numerous techniques exist, few have been designed to support the selection of objects in dense target environments, or the selection of objects which are occluded from the user's viewpoint. There is, thus, a limited understanding on how these important factors will affect selection performance. In this paper, we present a set of design guidelines and strategies to aid the development of selection techniques which can compensate for environment density and target visibility. Based on these guidelines, we present new forms of the ray casting and bubble cursor selection techniques, which are augmented with visual, audio, and haptic feedback, to support selection within dense and occluded 3D target environments. We perform a series of experiments to evaluate these new techniques, varying both the environment density and target visibility. The results provide an initial understanding of how these factors affect selection performance. Furthermore, the results showed that our new techniques adequately allowed users to select targets which were not visible from their initial viewpoint. The audio and haptic feedback did not provide significant improvements, and our analysis indicated that our introduced visual feedback played the most critical role in aiding the selection task.     

Spectrum Allocation for Cognitive Radio Networks Using the Fireworks Algorithm

The fireworks algorithm features a small number of parameters, remarkable optimization ability, and resistance to a local optimum. Based on the graph coloring model, the fireworks algorithm is introduced for the first time to solve the spectrum allocation problem for cognitive radio networks, thus maximizing utility and fairness of spectrum allocation. Two-layer binary coding is adopted for individual fireworks. The first layer refers to the coding of cognitive users used to determine channels that can be connected with the user. The second layer refers to the auxiliary coding of channels responsible for addressing mutual interference among multiple cognitive users when they connect with the same channel at the same time. Explosion operator, mutation operator, and the selection operation are designed to allocate the spectrum for the cognitive radio network. Simulation results demonstrate superiority and efficiency of the proposed algorithm in terms of spectrum allocation.