CN105549743A - 一种基于脑-机接口的机器人系统及实现方法 - Google Patents

一种基于脑-机接口的机器人系统及实现方法 Download PDF

Info

Publication number
CN105549743A
CN105549743A CN201610028846.5A CN201610028846A CN105549743A CN 105549743 A CN105549743 A CN 105549743A CN 201610028846 A CN201610028846 A CN 201610028846A CN 105549743 A CN105549743 A CN 105549743A
Authority
CN
China
Prior art keywords
brain
robot
computer interface
user
eeg signals
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610028846.5A
Other languages
English (en)
Inventor
陈小刚
高小榕
徐圣普
刘明
胡勇
谢小波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Institute of Biomedical Engineering of CAMS and PUMC
Original Assignee
Tsinghua University
Institute of Biomedical Engineering of CAMS and PUMC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University, Institute of Biomedical Engineering of CAMS and PUMC filed Critical Tsinghua University
Priority to CN201610028846.5A priority Critical patent/CN105549743A/zh
Publication of CN105549743A publication Critical patent/CN105549743A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F4/00—Methods or devices enabling patients or disabled persons to operate an apparatus or a device not forming part of the body 

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Dermatology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Vascular Medicine (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明专利涉及一种基于脑-机接口的机器人系统及实现方法，其主要特点是包括：脑-机接口子系统通过测量电极获取脑电信号并对脑电信号进行特征提取得到使用者的意图，脑-机接口子系统将使用者的意图转换成控制命令并通过通讯子系统传输给机器人子系统，机器人子系统接收脑-机接口子系统的控制命令并控制机器人移动，该机器人子系统将自身采集的视频信息传送给脑-机接口子系统，并由脑-机接口子系统形成刺激界面反馈给使用者。本发明实现了稳态视觉诱发电位脑-机接口对机器人在八个方向移动控制，且系统无需训练就可实现对机器人的快速、精确控制，由于脑-机接口无需肢体动作参与，可将严重运动障碍的使用者移至预期位置，提高其生活质量。

Description

一种基于脑-机接口的机器人系统及实现方法
技术领域
本发明属于移动机器人技术领域，尤其是一种基于脑-机接口的机器人系统及实现方法。
背景技术
近年来，机器人不仅广泛应用于工业界，而且也逐步进入人们的生活。由于辅助机器人能够为残疾人的日常生活自理提供支撑，因此，其需求呈逐渐攀升态势。健康使用者通常可通过常规输入(例如：鼠标、键盘和控制杆等)控制机器人，然而，老年人或严重运动障碍的病人对于常规输入的使用则相当困难。目前，很多研究尝试引入新的人机交互技术以使老年人或严重运动障碍的病人受益。其中，一种基于人对外界刺激或想象的神经响应且能够应用于人和机器互动的新颖交互技术(即脑-机接口)得到了广泛研究，其能够通过无创或有创的方式从人脑获取神经响应，并通过不同心理状态下神经响应的不同来解读人的意图。这种“读心”技术能够将人的意图以一定形式的命令传递给机器。脑-机接口相关研究已成功证明侵入式脑-机接口技术在猴子和瘫痪病人上是可行的。
目前，基于头皮脑电的非侵入式脑-机接口方法因能应用于健康受试者而得到广泛研究。头皮脑电是一种非侵入式监测大脑活动的方法，因其具有记录方便、安全和价格低廉的特点，将脑-机接口技术服务于严重运动障碍的病人成为可能。基于头皮脑电的脑-机器人接口由于能够给老年人或运动障碍病人提供一种自然、直观的方式来控制机器人而在机器人和神经工程领域广受推崇。基于脑-机接口的机器人控制系统的最终目标是能向机器人产生和传递稳定、精细的运动或情绪、意图，使其能够根据人的意图执行各种复杂任务。基于脑-机接口的机器人控制系统已被应用于控制移动机器人、机器臂、智能轮椅和类人型机器人，而且已有研究证实基于头皮脑电的脑-机接口进行机器人控制的可能性。
中国专利文献“基于脑-机接口的服务机器人子系统”(专利申请号200910068833.0)根据短时间闭眼后脑电中α波幅增强的特点，实现了脑电α波对服务机器人在四个方向移动控制。中国专利文献“基于脑-机接口的机械手臂控制系统及动作命令控制方案”(201110113626.X)、“基于脑机接口的肢体训练机器人及训练方法”(201310675803.2)以及“脑控机器人子系统的模糊离散事件共享控制方法”(201310015221.1)的脑-机接口模式均为想象运动。中国专利文献“基于稳态视觉诱发脑机接口的机器人控制方法”(201410103602.X)采用阈值判断法对提取的特征进行分类，与基于α波/想象运动的脑-机接口相比具有系统简单、较少训练和高信息传输率的特点，但是，该方法很大程度上依赖于阈值的选取以及脑电信号的信噪比。
发明内容
本发明的目的在于弥补现有技术的不足之处，提供一种设计合理、可靠性高且控制灵活的基于脑-机接口的机器人系统及实现方法。
本发明的目的是通过以下技术手段实现的：
一种基于脑-机接口的机器人系统，包括脑-机接口子系统、通讯子系统和机器人子系统；脑-机接口子系统通过测量电极获取脑电信号并对脑电信号进行特征提取得到使用者的意图，脑-机接口子系统将使用者的意图转换成控制命令并通过通讯子系统传输给机器人子系统，机器人子系统接收脑-机接口子系统的控制命令并控制机器人移动，该机器人子系统将自身采集的视频信息传送给脑-机接口子系统，并由脑-机接口子系统形成刺激界面反馈给使用者。
所述脑-机接口子系统包括脑-机计算机、脑-机显示器和脑电信号获取模块，所述脑-机计算机分别与脑电信号获取模块和脑-机显示器相连接，脑电信号获取模块通过电极与使用者大脑相连接。
所述电极的具体安放位置为：脑电测量电极安放在使用者的大脑枕区Pz、PO5、PO3、POz、PO4、PO6、O1、Oz、O2位置，上述测量电极分布符合国际10-20系统，参考电极安放在左侧乳突位置处，地电极安放在右侧乳突处，电极阻抗低于10KΩ。
所述脑电信号获取模块采用Synamps2放大器，其数据采样率为1000Hz，带通滤波1～100Hz，并进行在线50Hz陷波。
所述机器人子系统包括移动控制模块和摄像头模块，所述摄像头模块用于获取机器人移动方向上的视频信息并将视频信息通过通讯子系统传输给脑-机接口子系统；所述移动控制模块用于接收脑-机接口子系统的命令并实现对机器人的移动控制功能。
一种基于脑-机接口的机器人系统的实现方法，包括以下步骤：
步骤1、将脑-机接口子系统、通讯子系统和机器人子系统连接在一起，并将脑电测量电极安放在使用者枕区，电极分布符合国际10-20系统，在左侧乳突处安放参考电极，在右侧乳突处安放接地电极；
步骤2、脑-机计算机将刺激界面呈现在脑-机显示器上：以机器人摄像头捕捉的图像为背景，并在该图像上出现八个正方形图片，分别位于图像的上、下、左、右、左上、右上、左下、右下八个方位，这八个图片以不同频率闪烁，每个图片对应于机器人的一个移动方向；
步骤3、使用者注视以一定频率闪烁的图像一段时间，枕区测量电极记录的脑电信号经脑电信号获取模块送往脑-机计算机，脑-机计算机对脑电信号进行特征提取得到使用者的意图，然后将使用者的意图转换成控制命令并通过通讯子系统传输给机器人子系统；
步骤4、机器人子系统接收脑-机接口子系统的控制指令控制机器人移动，并将机器人摄像头当前捕捉的图像通过通讯子系统反馈给使用者，以作为下一次目标识别任务的背景图像；
步骤5、返回步骤3并重复执行，进行下一次目标识别任务。
所述八个图片以不同频率闪烁的闪烁频率依次为12Hz、15Hz、13Hz、14Hz、8Hz、9Hz、10Hz和11Hz。
所述步骤2的刺激界面的背景为机器人摄像头捕捉的图像，并且在整个刺激期间图像保持静态不变，只在刺激结束后更新图像。
所述步骤3的具体实现方法包括以下步骤：
步骤31、脑-机计算机对采集到的脑电信号进行降采样处理，使采样频率降为250Hz；
步骤32、脑-机计算机对采集的脑电信号进行多个带通滤波，将降采样脑电信号分为多个频带信号；
步骤33、脑-机计算机分别计算上述各频带信号与各刺激频率对应的正弦-余弦参考信号的典型相关系数，并得到对应的最大相关系数；参考信号所用的谐波次数Nh＝5；
步骤34、脑-机计算机将各刺激频率下各频带对应的最大相关系数的平方乘上相应的权重系数并进行相加求和作为目标识别的特征；各频带对应的权重系数w＝(n)-1.25+0.25，其中，n为频带的序号，n＝1,2,…；
步骤35、脑-机计算机选择特征最大值所对应的刺激频率的图片为使用者所注视的目标；
步骤36、脑-机计算机根据检测出的目标进行相应的视觉反馈提示，将相应的目标块将变成红色，同时将分类结果翻译为机器人能识别的控制指令，通过通讯子系统将控制指令传输给机器人子系统。
所述步骤32中的多个频带信号分别为：7～70Hz、15～70Hz、23～70Hz、以及63～70Hz。
本发明的优点和积极效果是：
1、本发明将脑机接口与机器人有效地结合在一起，通过脑-机显示器显示刺激界面并获取脑电信号进行分析，获取使用者的意图从而可以快速而可靠地操控移动机器人。
2、本发明实现了用脑直接控制的机器人子系统，由于系统不需要额外的机器人智能参与，因此系统的成本和计算复杂度较低。
3、本发明允许使用者在一个未知环境下操控机器人，可用于辅助严重运动障碍病人对外交流，提高其生活质量。
附图说明
图1为本发明的系统连接图；
图2为本发明的脑-机显示器显示的刺激界面；
图3为脑电信号分解为多个频率组的构成图。
具体实施方式
以下结合附图对本发明实施例做进一步详述：
一种基于脑-机接口的机器人系统，如图1所示，包括脑-机接口子系统、通讯子系统和机器人子系统。脑-机接口子系统通过测量电极获取脑电信号并对脑电信号进行特征提取与分析得到使用者的意图，脑-机接口子系统将使用者的意图通过通讯子系统传输给机器人子系统，机器人子系统接收脑-机接口子系统的命令并控制机器人移动，同时，机器人子系统将自身采集的视频信息传送给脑-机接口子系统并将视频反馈给大脑。下面对三个系统分别进行说明：
所述脑-机接口子系统包括脑-机计算机、脑-机显示器和脑电信号获取模块，脑-机计算机分别与脑电信号获取模块和脑-机显示器相连接，脑电信号获取模块通过电极与使用者大脑相连接，具体连接方式为：测量电极安放在使用者的大脑枕区Pz、PO5、PO3、POz、PO4、PO6、O1、Oz、O2位置，上述测量电极分布符合国际10-20系统，参考电极安放在左侧乳突位置处，地电极安放在右侧乳突处，电极阻抗低于10KΩ。脑电信号获取模块采用Neuroscan公司的Synamps2放大器，数据采样率为1000Hz，带通滤波1～100Hz，并进行在线50Hz陷波。在本实施例中，脑-机显示器采用大小为23.6英寸、刷新率为60Hz、屏幕分辨率为1920×1080像素的AcerLCD脑-机显示器为刺激显示器，以机器人摄像头捕捉的图像为背景。
脑-机计算机安装有利用基于Matlab的Psychtoolbox工具包编写的刺激程序，其利用采样正弦编码方法在脑-机显示器上实现所需的闪烁频率。在脑-机显示器上，脑-机计算机将接收机器人摄像头捕捉的图像为背景，如图2所述，在该背景图像上出现八个白色正方形图片，分别位于背景图像的上、下、左、右、左上、右上、左下、右下八个方位，这八个图片以不同频率闪烁，闪烁频率依次为12Hz、15Hz、13Hz、14Hz、8Hz、9Hz、10Hz和11Hz。每个图片对应于机器人的一个移动方向，即前进、后退、左转、右转、前进同时左转、前进同时右转、后退同时左转、后退同时右转。所述脑-机计算机内安装有脑电信号特征提取与转换程序，能够对脑电信号特征进行提取并获得特征的最大值所对应的刺激频率的图片为使用者所注视的目标，形成控制命令并传输给机器人子系统。
所述通讯子系统采用TCP/IP通讯协议将脑-机接口子系统和机器人子系统连接在一起，实现信息交互功能。
所述机器人子系统包括移动控制模块和摄像头模块，摄像头模块用于获取机器人移动方向上的视频信息并将视频信息通过通讯子系统传输给脑-机接口子系统。移动控制模块用于接收脑-机接口子系统的命令并实现对机器人的移动控制功能。
一种基于脑-机接口的机器人系统的实现方法包括以下步骤：
步骤1、将脑-机接口子系统、通讯子系统和机器人子系统连接在一起，将脑－机接口子系统的脑电测量电极安放在使用者枕区，电极分布符合国际10-20系统，在左侧乳突处安放参考电极，在右侧乳突处安放接地电极。
在本实施例中，脑电测量电机安防在使用者大脑枕区Pz、PO5、PO3、POz、PO4、PO6、O1、Oz、O2位置，这种电极分布分布符合国际10-20系统，电极阻抗低于10KΩ。然后通过Neuroscan公司的Synamps2放大器进行脑电信号获取与放大处理，数据采样率为1000Hz，带通滤波1～100Hz，并进行在线50Hz陷波。
步骤2、脑-机接口子系统的脑-机计算机将刺激界面呈现在脑-机显示器上，以机器人摄像头捕捉的图像为背景，并在该背景图像上出现八个正方形图片，分别位于图像的上、下、左、右、左上、右上、左下、右下八个方位，这八个图片以不同频率闪烁，每个图片对应于机器人的一个移动方向。
步骤3、当使用者注视以12Hz频率闪烁的图像2秒，枕区测量电极记录的脑电信号(脑电信号的主要频率成分为图像相同频率以及其谐波成分)经放大和模数转换后送往脑-机计算机，然后通过TCP/IP协议将得到的2秒时间长的脑电信号实时传输至脑-机计算机并对采集到的脑电信号进行以下步骤处理：
步骤31、脑-机计算机对采集到的脑电信号进行降采样处理，使采样频率降为250Hz；
步骤32、脑-机计算机对采集的脑电信号进行多个带通滤波，将降采样脑电信号分为多个频带信号，例如7～70Hz、15～70Hz、23～70Hz、以及63～70Hz，如图3所示；
步骤33、脑-机计算机分别计算上述各频带信号与各刺激频率对应的正弦-余弦参考信号的典型相关系数，并得到对应的最大相关系数；参考信号所用的谐波次数为5，即Nh＝5；
步骤34、脑-机计算机将各刺激频率下各频带对应的最大相关系数的平方乘上相应的权重系数并进行相加求和作为目标识别的特征；各频带对应的权重系数w＝(n)-1.25+0.25，其中，n为频带的序号，n＝1,2,…；
步骤35、脑-机计算机选择所述特征的最大值所对应的刺激频率的图片为使用者所注视的目标；
步骤36、脑-机计算机根据检测出的目标进行相应的视觉反馈提示，即相应的目标块将变成红色，同时将分类结果翻译为机器人能识别的控制指令，通过TCP/IP协议将控制指令传输给机器人。
步骤4、机器人子系统接收脑-机接口子系统的控制指令控制机器人移动，并将机器人摄像头当前捕捉的图像通过TCP/IP协议反馈给使用者，以作为下一次目标识别任务的背景图像。
步骤5、返回步骤3并重复执行，进行下一次目标识别任务。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (10)

1.一种基于脑-机接口的机器人系统，其特征在于：包括脑-机接口子系统、通讯子系统和机器人子系统；脑-机接口子系统通过测量电极获取脑电信号并对脑电信号进行特征提取得到使用者的意图，脑-机接口子系统将使用者的意图转换成控制命令并通过通讯子系统传输给机器人子系统，机器人子系统接收脑-机接口子系统的控制命令并控制机器人移动，该机器人子系统将自身采集的视频信息传送给脑-机接口子系统，并由脑-机接口子系统形成刺激界面反馈给使用者。
2.根据权利要求1所述的一种基于脑-机接口的机器人系统，其特征在于：所述脑-机接口子系统包括脑-机计算机、脑-机显示器和脑电信号获取模块，所述脑-机计算机分别与脑电信号获取模块和脑-机显示器相连接，脑电信号获取模块通过电极与使用者大脑相连接。
3.根据权利要求2所述的一种基于脑-机接口的机器人系统，其特征在于：所述电极的具体安放位置为：脑电测量电极安放在使用者的大脑枕区Pz、PO5、PO3、POz、PO4、PO6、O1、Oz、O2位置，上述测量电极分布符合国际10-20系统，参考电极安放在左侧乳突位置处，地电极安放在右侧乳突处，电极阻抗低于10KΩ。
4.根据权利要求2所述的一种基于脑-机接口的机器人系统，其特征在于：所述脑电信号获取模块采用Synamps2放大器，其数据采样率为1000Hz，带通滤波1～100Hz，并进行在线50Hz陷波。
5.根据权利要求1所述的一种基于脑-机接口的机器人系统，其特征在于：所述机器人子系统包括移动控制模块和摄像头模块，所述摄像头模块用于获取机器人移动方向上的视频信息并将视频信息通过通讯子系统传输给脑-机接口子系统；所述移动控制模块用于接收脑-机接口子系统的命令并实现对机器人的移动控制功能。
6.一种如权利要求1至5任一项所述基于脑-机接口的机器人系统的实现方法，其特征在于包括以下步骤：
步骤1、将脑-机接口子系统、通讯子系统和机器人子系统连接在一起，并将脑电测量电极安放在使用者枕区，电极分布符合国际10-20系统，在左侧乳突处安放参考电极，在右侧乳突处安放接地电极；
步骤2、脑-机计算机将刺激界面呈现在脑-机显示器上：以机器人摄像头捕捉的图像为背景，并在该图像上出现八个正方形图片，分别位于图像的上、下、左、右、左上、右上、左下、右下八个方位，这八个图片以不同频率闪烁，每个图片对应于机器人的一个移动方向；
步骤3、使用者注视以一定频率闪烁的图像一段时间，枕区测量电极记录的脑电信号经脑电信号获取模块送往脑-机计算机，脑-机计算机对脑电信号进行特征提取得到使用者的意图，然后将使用者的意图转换成控制命令并通过通讯子系统传输给机器人子系统；
步骤4、机器人子系统接收脑-机接口子系统的控制指令控制机器人移动，并将机器人摄像头当前捕捉的图像通过通讯子系统反馈给使用者，以作为下一次目标识别任务的背景图像；
步骤5、返回步骤3并重复执行，进行下一次目标识别任务。
7.根据权利要求6所述的一种基于脑-机接口的机器人系统的实现方法，其特征在于：所述八个图片以不同频率闪烁的闪烁频率依次为12Hz、15Hz、13Hz、14Hz、8Hz、9Hz、10Hz和11Hz。
8.根据权利要求6所述的一种基于脑-机接口的机器人系统的实现方法，其特征在于：所述步骤2的刺激界面的背景为机器人摄像头捕捉的图像，并且在整个刺激期间图像保持静态不变，只在刺激结束后更新图像。
9.根据权利要求6所述的一种基于脑-机接口的机器人系统的实现方法，其特征在于：所述步骤3的具体实现方法包括以下步骤：
步骤31、脑-机计算机对采集到的脑电信号进行降采样处理，使采样频率降为250Hz；
步骤32、脑-机计算机对采集的脑电信号进行多个带通滤波，将降采样脑电信号分为多个频带信号；
步骤33、脑-机计算机分别计算上述各频带信号与各刺激频率对应的正弦-余弦参考信号的典型相关系数，并得到对应的最大相关系数；参考信号所用的谐波次数Nh＝5；
步骤34、脑-机计算机将各刺激频率下各频带对应的最大相关系数的平方乘上相应的权重系数并进行相加求和作为目标识别的特征；各频带对应的权重系数w＝(n)-1.25+0.25，其中，n为频带的序号，n＝1,2,…；
步骤35、脑-机计算机选择特征最大值所对应的刺激频率的图片为使用者所注视的目标；
步骤36、脑-机计算机根据检测出的目标进行相应的视觉反馈提示，将相应的目标块将变成红色，同时将分类结果翻译为机器人能识别的控制指令，通过通讯子系统将控制指令传输给机器人子系统。
10.根据权利要求9所述的一种基于脑-机接口的机器人系统的实现方法，其特征在于：所述步骤32中的多个频带信号分别为：7～70Hz、15～70Hz、23～70Hz、以及63～70Hz。
CN201610028846.5A 2016-01-18 2016-01-18 一种基于脑-机接口的机器人系统及实现方法 Pending CN105549743A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610028846.5A CN105549743A (zh) 2016-01-18 2016-01-18 一种基于脑-机接口的机器人系统及实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610028846.5A CN105549743A (zh) 2016-01-18 2016-01-18 一种基于脑-机接口的机器人系统及实现方法

Publications (1)

Publication Number Publication Date
CN105549743A true CN105549743A (zh) 2016-05-04

Family

ID=55828968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610028846.5A Pending CN105549743A (zh) 2016-01-18 2016-01-18 一种基于脑-机接口的机器人系统及实现方法

Country Status (1)

Country Link
CN (1) CN105549743A (zh)

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105955486A (zh) * 2016-05-16 2016-09-21 西北工业大学 一种基于视觉激发脑电波辅助遥操作的方法
CN106020472A (zh) * 2016-05-13 2016-10-12 天津理工大学 一种基于下肢不同抬起幅度运动想象的脑机接口系统
CN106074021A (zh) * 2016-06-08 2016-11-09 山东建筑大学 基于脑机接口的智能轮椅系统及其动作方法
CN106341604A (zh) * 2016-09-29 2017-01-18 深圳市宏智力科技有限公司 基于脑波的录像控制方法及装置
CN106371451A (zh) * 2016-11-07 2017-02-01 东南大学 基于稳态视觉诱发电位的无人机操控方法及装置
CN106406510A (zh) * 2016-05-13 2017-02-15 天津理工大学 一种实时监控视频诱导的运动想象bci系统
CN106491251A (zh) * 2016-09-27 2017-03-15 中国医学科学院生物医学工程研究所 一种基于非侵入式脑机接口机器臂控制系统及其控制方法
CN107092887A (zh) * 2017-04-21 2017-08-25 重庆邮电大学 一种基于Multi‑bands FDBN的运动想象脑电信号的特征提取方法
CN107291239A (zh) * 2017-06-29 2017-10-24 清华大学 视觉刺激系统、视觉刺激产生方法及bci系统
CN107748622A (zh) * 2017-11-08 2018-03-02 中国医学科学院生物医学工程研究所 一种基于人脸感知的稳态视觉诱发电位脑‑机接口方法
CN107811735A (zh) * 2017-10-23 2018-03-20 广东工业大学 一种辅助进食方法、系统、设备及计算机存储介质
CN108153414A (zh) * 2017-12-19 2018-06-12 同济大学 稳态视觉诱发电位信号的识别方法、系统及装置
CN108294748A (zh) * 2018-01-23 2018-07-20 南京航空航天大学 一种基于稳态视觉诱发的脑电信号采集与分类方法
CN108388846A (zh) * 2018-02-05 2018-08-10 西安电子科技大学 基于典型相关分析的脑电α波检测识别方法
CN108762303A (zh) * 2018-06-07 2018-11-06 重庆邮电大学 一种基于运动想象的便携式脑控无人机系统及控制方法
CN109483572A (zh) * 2018-10-15 2019-03-19 昆明理工大学 一种基于家庭智能服务机器人控制系统及其控制方法
CN109521880A (zh) * 2018-11-27 2019-03-26 东南大学 一种基于混合生物电信号驱动的遥操作机器人系统及方法
CN109558004A (zh) * 2018-10-31 2019-04-02 杭州程天科技发展有限公司 一种人体辅助机器人的控制方法及装置
CN109909977A (zh) * 2019-03-20 2019-06-21 哈尔滨理工大学 一种基于脑电波的姿态自动跟随机器人
CN110134243A (zh) * 2019-05-20 2019-08-16 中国医学科学院生物医学工程研究所 一种基于增强现实的脑控机械臂共享控制系统及其方法
CN110141211A (zh) * 2019-06-13 2019-08-20 西安交通大学 一种基于经验模态分解的稳态视觉诱发电位的分类方法
CN110393527A (zh) * 2019-08-12 2019-11-01 东南大学 基于beamforming和CCA的稳态视觉诱发电位检出方法
CN111487988A (zh) * 2020-03-03 2020-08-04 天津大学 基于稳态视觉诱发电位脑-机接口的脑控无人机方法
CN112051780A (zh) * 2020-09-16 2020-12-08 北京理工大学 一种基于脑机接口的移动机器人编队控制系统及方法
CN112140113A (zh) * 2020-10-12 2020-12-29 北京邮电大学 一种基于脑-机接口的机器人控制系统及控制方法
CN113288181A (zh) * 2021-06-21 2021-08-24 杭州电子科技大学 基于稳态视觉诱发电位脑电信号识别的个体模板重构方法
CN114536361A (zh) * 2022-02-22 2022-05-27 上海睿触科技有限公司 一种脑机接口机器人运动控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1538340A (zh) * 2003-10-21 2004-10-20 东北大学 基于脑电信号的虚拟键盘和机器人控制系统
CN103845137A (zh) * 2014-03-19 2014-06-11 北京工业大学 基于稳态视觉诱发脑机接口的机器人控制方法
CN105171756A (zh) * 2015-07-20 2015-12-23 缪学良 一种视频结合二维坐标系操控远程机器人的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1538340A (zh) * 2003-10-21 2004-10-20 东北大学 基于脑电信号的虚拟键盘和机器人控制系统
CN103845137A (zh) * 2014-03-19 2014-06-11 北京工业大学 基于稳态视觉诱发脑机接口的机器人控制方法
CN105171756A (zh) * 2015-07-20 2015-12-23 缪学良 一种视频结合二维坐标系操控远程机器人的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张杨松: ""基于稳态视觉诱发电位的脑机制及脑_机接口研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106020472A (zh) * 2016-05-13 2016-10-12 天津理工大学 一种基于下肢不同抬起幅度运动想象的脑机接口系统
CN106406510A (zh) * 2016-05-13 2017-02-15 天津理工大学 一种实时监控视频诱导的运动想象bci系统
CN105955486A (zh) * 2016-05-16 2016-09-21 西北工业大学 一种基于视觉激发脑电波辅助遥操作的方法
CN106074021A (zh) * 2016-06-08 2016-11-09 山东建筑大学 基于脑机接口的智能轮椅系统及其动作方法
CN106491251B (zh) * 2016-09-27 2022-02-01 中国医学科学院生物医学工程研究所 一种基于非侵入式脑机接口机器臂控制系统及其控制方法
CN106491251A (zh) * 2016-09-27 2017-03-15 中国医学科学院生物医学工程研究所 一种基于非侵入式脑机接口机器臂控制系统及其控制方法
CN106341604A (zh) * 2016-09-29 2017-01-18 深圳市宏智力科技有限公司 基于脑波的录像控制方法及装置
CN106371451A (zh) * 2016-11-07 2017-02-01 东南大学 基于稳态视觉诱发电位的无人机操控方法及装置
CN107092887A (zh) * 2017-04-21 2017-08-25 重庆邮电大学 一种基于Multi‑bands FDBN的运动想象脑电信号的特征提取方法
CN107291239A (zh) * 2017-06-29 2017-10-24 清华大学 视觉刺激系统、视觉刺激产生方法及bci系统
CN107291239B (zh) * 2017-06-29 2020-03-31 清华大学 视觉刺激系统、视觉刺激产生方法及bci系统
CN107811735A (zh) * 2017-10-23 2018-03-20 广东工业大学 一种辅助进食方法、系统、设备及计算机存储介质
CN107811735B (zh) * 2017-10-23 2020-01-07 广东工业大学 一种辅助进食方法、系统、设备及计算机存储介质
CN107748622A (zh) * 2017-11-08 2018-03-02 中国医学科学院生物医学工程研究所 一种基于人脸感知的稳态视觉诱发电位脑‑机接口方法
CN108153414A (zh) * 2017-12-19 2018-06-12 同济大学 稳态视觉诱发电位信号的识别方法、系统及装置
CN108153414B (zh) * 2017-12-19 2021-06-15 同济大学 稳态视觉诱发电位信号的识别方法、系统及装置
CN108294748A (zh) * 2018-01-23 2018-07-20 南京航空航天大学 一种基于稳态视觉诱发的脑电信号采集与分类方法
CN108388846B (zh) * 2018-02-05 2021-06-08 西安电子科技大学 基于典型相关分析的脑电α波检测识别方法
CN108388846A (zh) * 2018-02-05 2018-08-10 西安电子科技大学 基于典型相关分析的脑电α波检测识别方法
CN108762303A (zh) * 2018-06-07 2018-11-06 重庆邮电大学 一种基于运动想象的便携式脑控无人机系统及控制方法
CN109483572A (zh) * 2018-10-15 2019-03-19 昆明理工大学 一种基于家庭智能服务机器人控制系统及其控制方法
CN109483572B (zh) * 2018-10-15 2021-09-07 昆明理工大学 一种基于家庭智能服务机器人控制系统及其控制方法
CN109558004A (zh) * 2018-10-31 2019-04-02 杭州程天科技发展有限公司 一种人体辅助机器人的控制方法及装置
CN109521880A (zh) * 2018-11-27 2019-03-26 东南大学 一种基于混合生物电信号驱动的遥操作机器人系统及方法
CN109909977A (zh) * 2019-03-20 2019-06-21 哈尔滨理工大学 一种基于脑电波的姿态自动跟随机器人
CN110134243A (zh) * 2019-05-20 2019-08-16 中国医学科学院生物医学工程研究所 一种基于增强现实的脑控机械臂共享控制系统及其方法
CN110141211A (zh) * 2019-06-13 2019-08-20 西安交通大学 一种基于经验模态分解的稳态视觉诱发电位的分类方法
CN110393527A (zh) * 2019-08-12 2019-11-01 东南大学 基于beamforming和CCA的稳态视觉诱发电位检出方法
CN110393527B (zh) * 2019-08-12 2021-12-28 东南大学 基于beamforming和CCA的稳态视觉诱发电位检出方法
CN111487988A (zh) * 2020-03-03 2020-08-04 天津大学 基于稳态视觉诱发电位脑-机接口的脑控无人机方法
CN111487988B (zh) * 2020-03-03 2022-04-15 天津大学 基于稳态视觉诱发电位脑-机接口的脑控无人机方法
CN112051780A (zh) * 2020-09-16 2020-12-08 北京理工大学 一种基于脑机接口的移动机器人编队控制系统及方法
CN112140113A (zh) * 2020-10-12 2020-12-29 北京邮电大学 一种基于脑-机接口的机器人控制系统及控制方法
CN113288181A (zh) * 2021-06-21 2021-08-24 杭州电子科技大学 基于稳态视觉诱发电位脑电信号识别的个体模板重构方法
CN113288181B (zh) * 2021-06-21 2022-09-27 杭州电子科技大学 基于稳态视觉诱发电位脑电信号识别的个体模板重构方法
CN114536361A (zh) * 2022-02-22 2022-05-27 上海睿触科技有限公司 一种脑机接口机器人运动控制方法

Similar Documents

Publication Publication Date Title
CN105549743A (zh) 一种基于脑-机接口的机器人系统及实现方法
US11602300B2 (en) Brain-computer interface based robotic arm self-assisting system and method
CN108681396B (zh) 基于脑-肌电双模态神经信号的人机交互系统及其方法
CN106214391B (zh) 基于脑机接口的智能护理床及其控制方法
US7187968B2 (en) Apparatus for acquiring and transmitting neural signals and related methods
CN101987048A (zh) 假肢控制方法和系统
CN102499797B (zh) 假肢控制方法及系统
CN106491251B (zh) 一种基于非侵入式脑机接口机器臂控制系统及其控制方法
CN103358311B (zh) 基于生物电信号解码的机器人操控方法及系统
CN108992066A (zh) 基于肌电信号的便携式下肢行为模式实时识别系统及方法
CN108742611B (zh) 一种随机动态参数电刺激条件下的自主肌电提取方法
CN107981997A (zh) 一种基于人脑运动意图的智能轮椅控制方法及系统
CN105242784B (zh) 基于交叉调制频率的稳态视觉诱发电位脑‑机接口方法
CN111571619A (zh) 一种基于ssvep脑控机械臂抓取的生活辅助系统与方法
CN111584027B (zh) 融合复杂网络和图卷积的脑控康复系统运动想象识别系统
CN113805694A (zh) 一种基于脑机接口与计算机视觉的辅助抓取系统及方法
CN113180992A (zh) 基于脑电交互及肌电检测的上肢康复外骨骼闭环控制系统及方法
CN106708273A (zh) 一种基于eog的开关装置及开关键实现方法
Li et al. An adaptive P300 model for controlling a humanoid robot with mind
CN110472595B (zh) 脑电信号的识别模型构建方法、装置以及识别方法、装置
CN113359991B (zh) 一种面向残疾人的智能脑控机械臂辅助进食系统及方法
CN106843509B (zh) 一种脑机接口系统
CN112578682A (zh) 一种基于眼电控制的智能助障家居系统
Li et al. A new directional intention identification approach for intelligent wheelchair based on fusion of EOG signal and eye movement signal
Park et al. Application of EEG for multimodal human-machine interface

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160504

WD01 Invention patent application deemed withdrawn after publication