从脑-机接口到脑-器交互

脑-机接口(brain computer interface,BCI)建立了大脑和非生物设备之间直接的信息交互通道.在认可BCI技术独特应用价值的基础上,进一步整合了身心医学与脑-机接口,强调了\"脑与身体\"和\"脑与环境\"的相互支撑关系,提出了脑-器交互(brain-apparatus communication,BAC)框架.对脑-机接口到脑-器交互的发展历程进行了概述,并从脑-器官交互、脑-外部环境交互以及两者融合方面讨论了脑器交互对人类健康的影响.     

2018年脑机接口研发热点回眸

 脑机接口提供了人脑与外部设备之间的直接通信通道,它的独特之处是不依赖于外周神经和肌肉组织。近年来,脑机接口领域发展迅速,脑机接口研究正在不断扩展,其应用范围也在不断扩大。本文综述了2018年脑机接口领域在系统应用与关键技术方面所取得的重要研究进展,展望了脑机接口智能化、移动化的发展新趋势,并提出脑机接口伦理风险的新思考。     

脑-机接口中脑波的拾取及滤噪的研究

脑-机接口（BCI）是在人脑和计算机或其他电子设备之间建立的一种直接信息交流和控制通道,是一种不依赖于常规大脑输出通路（外周神经和肌肉组织）的全新信息交流系统．BCI作为一种全新的信息交换与控制技术,将能为瘫痪病人,特别是那些丧失了基本肢体运动功能但思维正常的患者,提供一种与外界进行信息交流与控制的新途径,正受到越来越广泛的关注．脑-机接口中脑波的拾取及滤噪是其重要的环节,本文对脑-机接口中拾取脑波及干扰克服的方法进行了研究和分析．     

脑-机接口国内专利技术发展分析

脑-机接口是一种涉及多学科多领域的新颖的人机接口方式,标准的脑-机接口系统可以准确、快速地采集、识别出人脑在各种思想活动下的脑电信号,在医疗、航空、军事、生活娱乐等多个领域具有潜在应用价值.该文根据脑-机接口利用的脑电信号的来源和方式不同,对其研究方法中主要三个分类即视觉诱发电位、P300电位和运动想象进行了介绍,并对各分类国内主要申请人所申请的专利进行了分析,帮助更多申请人提升对技术的理解和把握,指导专利申请走向.     

基于Alpha波的异步脑-机接口系统

利用Alpha波建立了一个脑-机接口系统,包括脑电数据采集、脑电信号分析、特征提取和分类,并进行了实时在线分析.该脑-机接口系统的工作模式为异步,测试者可以任意选择何时启动系统,并随意选择4个命令中的一个进行输出,是一种更加自然的人机交互方式.实验结果表明,该系统取得了很高的分类正确率,具有很好的实用性.     

模拟阅读型脑-机接口信号分类研究

脑-机接口(BCI)研究中的一个关键问题是如何正确地对EEG信号进行模式分类,以输出控制命令.本文在对“模拟自然阅读”模式下非靶刺激和靶刺激诱发的EEG进行去均值、低通滤波、下采样和归一化等处理后,结合对视觉诱发事件相关电位时域特征分析,提取出最佳特征量,分别利用BP神经网络和线性感知器算法对这些特征模式进行了分类.最...     

采用相对小波能量法的脑-机接口设计

针对基于两种不同意识任务(想象左手运动和想象右手运动)的脑-机接口,提出采用相对小波能量的特征提取方法.首先深入研究了相对小波能量的计算方法,然后利用相对小波能量对脑电信号进行特征提取,最后采用支持向量机进行分类,并采用分类准确率和互信息作为该脑-机接口的评价标准.离线分析结果表明:分类准确率最高为85.7%,最大互信息为0.41比特.与较常用的自适应自回归(AAR)模型系数作为特征的方法相比,所提方法具有更高的识别准确率和互信息.     

时频分析在语言想像脑机接口中的应用

为了分析语言想像所诱导的脑电信号的时间和频率特性,利用事件相关谱扰动(ERSP)对信号进行时频分析.首先,经ERSP确定能量波动的频率范围;然后,根据该频率范围计算信号的事件相关(去)同步(ERD/ERS),并利用共空间模式和支持向量机分别对单次实验数据的特征值进行提取和分类.对8位被试的试验结果分析表明,被试间的频率范围具有显著的差异,其中4位被试的频率范围含有α波,3位被试含有α波和β波,1位被试的脑电信号在默读汉字时无明显变化.2个汉字默读时的脑电信号可产生相似的ERD/ERS.优化频率范围后针对这2个汉字的平均分类正确率分别提高了2.25%和1.39%.时频分析能更好地显示脑电信号的能量变化率,并能改善语言想像脑机接口的性能.     

脑-机接口中空域滤波技术现状与进展

作为一种特殊的人-机交互模式,脑-机接口(brain-computer interface,简称BCI)技术已成为当前脑科学和智能信息处理领域的研究热点.其中,基于头皮脑电(electroencephalography,简称EEG)的BCI(EEGBCI)技术因具有良好的安全性和可操作性,吸引了研究者的广泛关注.但头皮EEG非常有限的空间分辨率和易受干扰等特性,很大程度上限制了EEG-BCI技术的实用化进程.因此,EEG信号处理和模式识别新方法研究已成为BCI领域的一个关键问题.在现有的信号处理方法中,空域滤波技术在EEG伪迹消除和任务相关神经活动获取方面表现出了较明显的优势,近年来在EEG-BCI系统实现研究中得到了广泛应用.论文以运动想象BCI(motor imagery BCI,简称MIBCI)为应用背景,对独立分量分析(independent component analysis,简称ICA)和共同空间模式(common spatial pattern,简称CSP)两种代表性空域滤波方法的原理及其性能进行介绍、分析和比较,总结出两种方法各自的优势和不足,并给出了改进思路.同时指出,ICA空域滤波方法在运动想象脑-机接口系统实现中更具应用潜力.     

基于稳态视觉诱发电位的脑 机接口实验研究

为提取应用于脑-机接口系统的稳态视觉诱发电位信号(SSVEP),运用叠加平均与快速傅里叶变换(FFT)相结合的方法,由其频谱图上得到作为输入信号的稳态视觉诱发电位信号.通过实验确定了叠加平均次数与最佳视觉刺激颜色,并对混合闪光刺激下SSVEP的提取进行了研究.实验结果表明,该方法提取出的SSVEP信号能够反映使用者的控制意图,可应用于脑-机接口系统.     

2017年脑机接口研发热点回眸

 脑机接口通过解码人类思维活动过程中的脑神经活动信息,构建人脑与外部世界的直接信息传输通路。近年来脑机接口领域发展已经步入快车道,相关技术正在走向成熟,并得到工业界越来越多的关注。本文盘点了2017年度脑机接口在应用系统实现方面所取得的重要成果,介绍了其应用关键技术研究的新进展,展望了脑机接口研发的未来趋势。     

脑肌电多设备集成系统的接口硬件设计

脑肌电控制是使用人的脑电和肌电信号对设备进行控制的新型人机控制方式。为了方便其多设备类型集成控制系统的构建,设计了一种兼容多设备控制信号的新型脑肌电控制系统信号接口,详细描述了其3层结构工作原理、不同模式的工作流程以及各功能模块的硬件设计。接口还具备针对误操作的安全保护功能,该功能采用显示反馈和二次确认的方式实现,可以有效优化控制系统的安全性能。     

脑机接口的MapReduce计算模型

研究了脑机接口各项计算任务的时间关系,把脑机接口的计算过程分成了三个阶段,并把前两个阶段映射为了MapReduce机制的Map和Reduce,提出了脑机接口的MapReduce计算模型. 由于脑机接口的绝大多数计算量集中在前两个阶段,该模型能够显著减少脑机接口的计算时间.     

基于脑电信号控制的机电开关装置设计

本文介绍一种基于脑电α波信号控制的电器开关装置．该装置通过操作者睁、闭眼调整脑电α波幅值来控制外接机电装置开关．文中给出了装置的设计原理、构成部件和控制功能．经受试者初步实验结果证明该装置具有无需繁复学习与生物反馈训练的易操作性，为进一步研究开发能实时操作使用的脑-机接口系统提供了技术基础．     

脑-机接口系统的类协同式半监督学习

针对如何提高有标签样本不足时的分类精度问题。提出脑-机接口系统(BCI)的类协同半监督学习算法(LCTSSL),采用有监督和无监督两种算法提取双特征训练双分类器协同扩充有标签样本集。在训练前后阶段设置不同置信度度量,选择两分类器分类结果一样的高置信度样本进行标记,保持每类每次新标记样本数目一样,提高有标样本集的可信度及识别系统的鲁棒性。迭代更新两分类器、有监督提取系统及相应特征,充分利用新标签信息。最后利用BCI竞赛2005的数据I证明LCTSSL算法的有效性。     

脑机接口技术发展新趋势——基于2019-2020年研究进展

 脑机接口旨在通过直接从大脑信号中实时解码用户意图来为辅助设备提供丰富、强大的命令信号。近年来,脑机接口技术的理论和实际应用的研究进展迅速,技术日趋成熟,其应用领域也在不断扩大。概述了2019-2020年脑机接口领域在硬件、算法、范式、应用等方面取得的重要研究进展和发生的热点事件,展望了未来脑机接口技术的发展趋势。     

小波变换在视觉诱发电位信号提取中的应用

在基于视觉诱发电位脑机接口研究中,需要在强噪声背景下迅速准确地提取出微弱的视觉诱发电位信号。对信号进行小波分解,分析诱发电位信号及噪声在不同尺度上的分布特点,选择诱发电位信号能量相对集中且能较好反映信号主要特征的频带设计了小波时频滤波器。小波时频滤波器结合少量次累加平均,可提高信噪比,提取出视觉诱发电位信号。实验表明,平均刺激9-20次就能提取出信号。本方法能准确快速地提取出有明显特征的诱发电位信号,有利于提高脑机接口通信速度及正确率。     

基于脑电Alpha波的脑-机接口控制实验

对脑电alpha波阻断现象的识别提取与家用电器遥控装置的结合进行了研究，以探索实时脑机接口（brain-computer interface，BCI）系统的可行性．对5～12名受试者进行睁闭眼实验并记录其动态脑电数据，提取alpha波阻断现象发生过程的关键参数．在实时操作平台上对受试者进行4组遥控器按键操作的组合实验，以考察系统的响应速度与指令传递的准确率．总结出了Alpha波阻断现象对应的阈值电压经验计算公式，并建立了以最大噪声背景电平作为甄别开关动作真伪的判据原则．结果显示该系统具有较高的控制成功率和稳定性，表明实时脑机接口系统具有潜在的临床应用价值与研究前景.