基于稳态视觉诱发电位的脑机接口设计

为了设计出更适合的脑机接口,本文对基于稳态视觉诱发电位的概念进行了阐释,着重介绍了SSVEP信号原理与基础。对传统的三种刺激方法进行了简述,并最后选用LCD显示器实现简单闪烁刺激进行实验,采用正弦编码的方法对目标方块的灰度值进行调制,最终完成在线SSVEP-BCI系统设计。     

基于单通道脑机接口的小车控制系统设计

设计并实现了基于便携式单通道脑机接口的小车控制系统。该系统利用TGAM1_R2.4A模块采集人脑前额FP1处的脑电信号,通过蓝牙模块将信号传送至STM32控制单元。系统使用人脑专注度控制小车速度,利用眨眼信号结合方向指示灯控制小车运动方向。测试结果表明,该系统控制小车的速度和方向具有反应灵敏、稳定性较高的特点,该技术可以推广至对电动轮椅的控制。     

脑机接口系统的协同工作机制

脑机接口(Brain-Computer Interface,BCI)是一种新型的对外信息交流和设备控制方式。脑机接口系统的协同工作机制包含了人机协同和软硬件各模块间的协同。本文探讨了这些协同工作如何开展、各部件如何共同协调与协作来完成共同的任务。     

脑机接口系统中的交互技术研究

首先介绍了脑机接口(brain-computer interface,BCI)系统的概念和基本组成,交互技术在系统中的重要作用,以及目前国际上比较典型的交互技术;其次鉴于当前交互技术中存在的不足,分析了如何使人在脑机接口系统发挥更重要的作用,提出了一种新的脑机接口实验范式,该范式中随着被试操作技能的提高系统性能可以得到明显提升;之后建立了该实验范式的原型机系统——基于BCI的倒摆交互控制系统;最后对脑机交互技术的发展及脑机接口技术未来的应用做了展望。     

基于汉语音位发音想象的脑机接口研究

该文提出了一个基于汉语音位发音想象的脑机接口系统框架,使得受试者使用脑机接口系统时能更加自然和流畅。三名受试者参与了本实验研究,实验过程中受试者被要求想象四个汉语元音和四个辅音音位的发音部位及语音发音,以及一个不作想象任务的控制条件,同时记录其脑电数据。在数据处理阶段,本文对采集到的头皮脑电数据进行了频域、时域、空域分析,以提取出音位发音想象效应最优化的特征向量用于提高每两个条件间的配对分类效果。实验结果表明,音位发音想象效应的最优脑电频段为2~10Hz,时段为刺激呈现后300~500ms,头皮空间分布主要集中在感觉运动皮层区域。音位发音想象任务和控制条件相比具有较高的分类正确率,最高可达83%,为基于音位发音想象的汉语脑机接口系统研究提供了理论基础。此外,刺激材料间的Jaccard距离和分类正确率的高度相关性表明,音位发音想象任务可被视为复杂的发音器官运动想象任务,并且可由人脑感觉运动皮层区域的脑电信号来解码预测。     

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.     

脑-机接口研究进展

作为当前神经工程领域中最活跃的研究方向之一,脑-机接口在生物医学、神经康复和智能机器人等领域具有重要的研究意义和巨大的应用潜力.近10年来,脑-机接口技术得到了长足的进步和飞速的发展,应用领域也在逐渐扩大.在已有相关工作的基础上,介绍脑-机接口系统的主要组成部分,对各组成部分常涉及到的相关基本理论和技术作了总结和介绍,主要包括脑信号获取、脑信号预处理、特征提取、变换算法等相关技术和理论,最后对脑-机接口未来的研究方向进行了展望.     

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.     

基于CMP的脑机接口并行算法的设计与实现

脑机接口作为一种新型的不依赖于人体外周神经系统及肌肉组织的人机交互手段受到了广泛的关注。然而由于脑电信号自身的复杂性以及复杂的模式识别算法,使得传统的单机处理模式无法满足脑机接口实时在线分析的要求。同时,处理器的发展已经进入到了多核时代,有着大量的计算资源可供使用。基于此,本文提出了脑机接口关键算法并行化的一般框架,并依据该框架对P300脑机接口的识别分类算法进行了并行化。理论分析和实验结果表明并行化能有效的提高脑机接口的通信速率,为脑电信号的在线分类识别提供了新的思路。     

多模态脑机接口游戏系统的设计与应用

在脑机接口应用中,游戏是其中一个重要的应用方向。脑机接口通过所包含的精神和情感的状态信息能够丰富游戏的趣味性,游戏反过来会推广脑机接口技术的应用。提出并实现了多人脑机接口扫雷游戏系统,该系统是采用玩家在想象运动和P300刺激时的脑电信号作为扫雷光标的控制信号,从而实现将运动想象和P300电位这两种模态的结合并应用到扫雷游戏中。详细介绍了整个游戏系统的实现过程,并提供了八名玩家的实测结果。实验结果表明这两种模态结合应用在游戏中的可行性。     

基于ARM的脑机交互信号采集系统设计

在脑机交互(BCI)中,基于ARM以太网接口设计了脑电信号采集系统,主要由以太网控制器、ARM处理器、LCD液晶触摸屏组成.以太网控制器实时接收EEG信号处理器通过以太网发送来的脑电数据包,然后通过SPI接口将数据包送到ARM处理器内部,接收完毕后ARM处理器将数据包层层解封,最终得到脑电数据,进而可对脑电数据进行进一步处理,同时通过LCD液晶屏实时显示脑电图.相对于以电脑为中心的传统脑机交互信号采集系统,该系统具有体积小、能耗低、携带方便和实用化强等优点.试验证明,脑电信号的采集以及一些简单的信号处理可以在该系统中很好地实现.更多的信号处理正在进一步的试验中.本设计将逐步代替电脑,成为脑电信号采集和处理的中心,为脑机交互技术的实际应用提供可能,促进脑机交互研究向小型化,产品化方向发展.     

植入式脑机接口技术向医疗器械转化的问题与挑战

该文回顾了过去几十年脑机接口技术取得的成果,以及脑机接口科研成果向临床医疗器械转化过程中,将会面临的挑战。对此,该文首先介绍了脑机接口技术常用的信号源,包括脑电图、皮层电图和皮层内电信号及其特点;其次叙述了对商用脑机接口产品的解码能力和信息双向闭环的考量,讨论了目前脑机接口商用机设计中存在的稳定性、生物相容性挑战;最后阐述了植入式脑机接口向医疗器械转化过程中,产业化发展的政策、资金和技术路线的协同发展问题。     

脑机接口(BCI)系统的实时数据传输技术研究

脑机接口（BCI）系统包含两大模块：脑电信号采集与处理。其中采集和处理程序间实时数据传输是需要解决的关键问题之一。本系统采用LabVIEW语言开发信号采集程序,考虑程序运行速度,信号处理程序用Visual C^＋＋设计。本文对各种Windows下进程间通信（IPC）机制研究之后,提出用动态链接库（DLL）来实现基于文件映射的共享内存技术。实验结果表明,该技术能够很好地满足采集数据的大批量、高频率和多通道等要求。     

基于多模态脑机接口的智能小车自动驾驶系统

在传统的控制系统当中, 人们依赖于使用手柄、操纵杆等设备来与外部设备实现人机交互, 这对于具有运动障碍的患者来说是具有挑战的. 而脑机接口(BCI)技术可通过脑环将脑电信号转化为对外界设备的控制命令, 使这些患者可以由大脑“意识”直接控制外部设备. 本文提出一种基于多模态脑机接口的智能小车自动驾驶系统, 该系统融合了受试者的脑电信号、眼电信号和陀螺仪信号3种模态的信号来控制小车. 其中, 脑电信号用于控制小车的速度, 眼电信号用于控制小车的启停, 陀螺仪信号则用于控制小车的转向功能. 此外, 我们还融合了计算机视觉技术, 为智能小车增加了自动驾驶功能, 使得控制更加智能化. 经过实验表明, 10名受试者使用该系统控制小车的平均准确率达到了92.47%, 平均响应时间为1.55 s, 平均信息传递速率达到了55.94 bit/min, 从而说明该控制系统是有效且高效的. 此外, 为了验证小车的自动驾驶功能, 我们设置了多个对比实验进行验证. 实验结果表明, 与手动驾驶相比, 虽然该自动驾驶系统在操控小车的速度上存在劣势, 但是在准确率与稳定性上具有更好的性能优势. 证明该系统可以为残障人士带来更好的操控体验, 在脑控应用和自动驾驶领域具有广阔的应用前景.     

单片机的显示接口电路设计

介绍了利用单片机的串、并行接口和专用显示接口 IC 设计显示接口电路的方法,并提供了4种动态和静态显示的硬件接口电路。     

基于脑机接口的控制器

为实现大脑与设备的通讯,研究基于脑机接口的控制器．本文研究脑电信号（EEG）的特征提取,实验通过E．Prime心理学软件结合Neuroscan公司生产的64导脑电采集设备获取脑电原始信号,利用小波算法对原始脑电信号进行分析,提取感兴趣的频段小波系数作为特征;分析脑电信号的功率谱,基于Fisher准则设计分类器．本文在研究脑机接口（Brine．ComputerInterface,BCI）的基础上通过想象实现了对运动的控制．以轮椅为实际控制对象,仅仅通过两个电极采集脑电信号,设计制作了控制器,理论验证实验成功的通过想象控制轮椅的四个方向的运动．本文最后还探讨了脑机接口的应用前景．     

基于认知任务的脑机接口方法研究

提出一种通过脑电波来识别放松状态以及乘法作业状态从而实现脑机接口的新方法。利用脑电仪记录受测者放松状态以及乘法作业时的大脑左右半球枕叶部的脑电信号,采用Welch法分别估计出这2个部位8Hz~10Hz、1Hz~13Hz、14Hz~30Hz 3个频段的功率谱,以各个功率谱平均值和2Hz~30Hz频段功率谱平均值的比值作为分类特征,采用支持向量机的方法建立了分类器,从而实现了脑机接口。4个受测者的实验结果表明识别准确率都大于94.44%,最高为98.89%。由于只采用了2个采集点,因此如果采用某种编码方式,该脑机接口技术就可更加方便地用于写字、控制轮椅等方面。     

Analysis of Collaborative Brain Computer Interface (BCI) Based Personalized GUI for Differently Abled

Brain-Computer Interfaces (BCI) use Electroencephalography (EEG) signals recorded from the brain scalp, which enable a communication between the human and the outside world. The present study helps the patients who are people locked-in to manage their needs such as accessing of web url’s, sending/receiving sms to/from mobile device, personalized music player, personalized movie player, wheelchair control and home appliances control. In the proposed system, the user needs are designed as a button in the form of a matrix, in which the main panel of rows and columns button is flashed in 3 sec intervals. Subjects were asked to choose the desired task/need from the main panel of the GUI by blinking their eyes twice. The double eye blink signals extracted by using the bio-sensor of NeuroSky’s mind wave device with portable EEG sensors are used as the command signal. Each task is designed and implemented using a Matlab tool. The developed Personalized GUI application collaborated with the EEG device accesses the user’s need. Once the system identifies the desired option through the input control signal, the appropriate algorithm is called and performed. The users can also locate the next required option within the matrix. Therefore, users can easily navigate through the GUI Model. A list of personalized music, movies, books and web URL’s are preloaded in the database. Hence, it could be suitable to assist disabled people to improve their quality of life. Analysis of variance (ANOVA) is also carried out to find out the significant signals influencing a user’s need in order to improve the motion characteristics of the brain computer interface based system.     

CNN实现的运动想象脑电分类及人-机器人交互

基于脑电的脑机交互能帮助肢体运动障碍患者进行日常生活和康复训练,但是,由于脑电信号存在信噪比较低、个体差异性大等问题,导致脑电特征的提取与分类还需要进一步提高准确性和效率.因此,在减少脑电采集通道数目、增加分类数目的前提下,基于卷积神经网络对运动想象中的脑电信号进行分类.首先,基于已有方法进行探索实验,建立由3层卷积层、3层池化层和2层全连接层构成的卷积神经网络;然后针对想象左手、右手、脚的运动和静息态设计与开展了实验,获取了相关脑电数据;之后,利用脑电数据训练出基于卷积神经网络的分类模型,测试结果表明,该模型平均分类识别率达到了82.81%,且高于已有的相关分类算法;最后,将已建立的分类模型应用于运动想象信号的在线分类,设计与开发了脑机交互应用原型系统,驱动人-机器人之间的实时交互,帮助用户利用运动想象控制仿人机器人的抬手、前进等运动状态.进一步的测试结果表明,机器人对用户控制命令的平均识别率达到了80.31%,从而验证了所提方法可以对运动想象脑电数据进行较为精确的实时分类,可以促进脑机接口技术在人-机器人交互中的应用.     

VALENCE: affective visualisation using EEG

VALENCE is an interactive visualisation controlled by live brainwave monitoring. We used a wireless EEG headset to monitor the player's alpha waves (an indicator of relaxation) and valence (an indicator of emotion or arousal). The game world is an emergent system of attractive and repulsive forces responding to EEG input.