CN106897656A - 基于运动想象的脑机接口训练方法及装置 - Google Patents

基于运动想象的脑机接口训练方法及装置 Download PDF

Info

Publication number
CN106897656A
CN106897656A CN201510957982.8A CN201510957982A CN106897656A CN 106897656 A CN106897656 A CN 106897656A CN 201510957982 A CN201510957982 A CN 201510957982A CN 106897656 A CN106897656 A CN 106897656A
Authority
CN
China
Prior art keywords
eeg signals
mental imagery
grasping movement
matrix
training scene
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
CN201510957982.8A
Other languages
English (en)
Inventor
梁爽
秦璟
王琼
王平安
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.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201510957982.8A priority Critical patent/CN106897656A/zh
Publication of CN106897656A publication Critical patent/CN106897656A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明适用于生物医学技术领域，提供了基于运动想象的脑机接口训练方法及装置。该方法包括：基于目标物体生成抓握运动训练场景；采集受试者根据所述抓握运动训练场景产生的原始脑电信号；对所述原始脑电信号进行预处理，并提取运动想象时间段对应的脑电信号；从所述运动想象时间段对应的脑电信号中获取运动想象脑电信号特征；根据提取的所述运动想象脑电信号特征训练分类器。本发明基于目标物体生成抓握运动训练场景，增加了受试者的运动想象能力，使受试者更容易产生运动想象的脑电信号特征，从而能够获得较好的训练效果，能够提高脑机接口的左右手运动想象任务的分类准确率，且操作简单、易于实现。

Description

基于运动想象的脑机接口训练方法及装置
技术领域
本发明属于生物医学技术领域，尤其涉及基于运动想象的脑机接口训练方法及装置。
背景技术
脑机接口是一种不依赖于人们正常的外围神经和肌肉组织构成的通信技术，它是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接连接通路。在大脑活动过程中会产生不同特征的脑电信号，脑机接口借助于计算机及其它辅助外围设备对脑电信号进行检测、处理并转化为控制信号，实现人脑和外界之间的信息传输。脑机接口是涉及脑科学、认知科学以及其他工程技术学科的具有深远意义的新技术，为人们提供了一个研究脑功能与认知科学的交互平台，其在康复医疗、生活、娱乐乃至军事领域有着广泛的应用前景。
现有的脑机接口范式主要包括：基于视觉稳态的脑机接口、基于听觉的脑机接口、基于运动想象的脑机接口以及基于P300的脑机接口等。上述脑机接口系统通过检测用户大脑对视听觉刺激或运动意图等认知获得的响应，完成用户大脑与外界的直接交互。在诸多脑机接口范式中，基于运动想象的脑机接口具有操作方便以及用户使用自主性强等优点，因此得到广泛的研究。
然而，运动想象脑电信号属于自发生理电信号，其信噪比低，易受到强伪迹的干扰，具有高度非平稳性和非线性等特点。为提高运动想象脑电信号的识别率，现有技术主要从两个方面解决：一方面是通过改进的机器学习或信号处理算法来提高大脑运动想象状态的分类准确性；另一方面是通过对受试者进行运动想象控制能力的训练，增强被试运动想象信号特征，以达到提高大脑运动想象任务识别率的效果。现有的大部分研究关注在改进脑信号识别算法方面，而后者所涉及内容未受到广泛的关注。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：目前的研究集中于对脑信号识别算法的改进，忽视了通过设计不同训练方式以增强运动想象脑信号特征方面的研究。由于运动想象脑电属于自发脑电，其不可避免地存在信噪比低等问题，在信号质量低或特征不显著的前提下，即使采用先进的信号处理及识别算法，也无法明显提高训练效果。
发明内容
鉴于此，本发明实施例提供了一种基于运动想象的脑机接口训练方法及装置，以解决现有的基于运动想象的脑机接口训练技术的分类准确率较低、训练效果较差的问题。
第一方面，本发明实施例提供了一种基于运动想象的脑机接口训练方法，包括：
基于目标物体生成抓握运动训练场景；
采集受试者根据所述抓握运动训练场景产生的原始脑电信号；
对所述原始脑电信号进行预处理，并提取运动想象时间段对应的脑电信号；
从所述运动想象时间段对应的脑电信号中获取运动想象脑电信号特征；
根据提取的所述运动想象脑电信号特征训练分类器。
第二方面，本发明实施例提供了一种基于运动想象的脑机接口训练装置，包括：
训练场景生成单元，用于基于目标物体生成抓握运动训练场景；
采集单元，用于采集受试者根据所述抓握运动训练场景产生的原始脑电信号；
脑电信号提取单元，用于对所述原始脑电信号进行预处理，并提取运动想象时间段对应的脑电信号；
特征获取单元，用于从所述运动想象时间段对应的脑电信号中获取运动想象脑电信号特征；
训练单元，用于根据提取的所述运动想象脑电信号特征训练分类器。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例基于目标物体生成抓握运动训练场景，增加了受试者的运动想象能力，使受试者更容易产生运动想象的脑电信号特征，从而能够获得较好的训练效果，能够提高脑机接口的左右手运动想象任务的分类准确率，且操作简单、易于实现。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于运动想象的脑机接口训练方法的实现流程图；
图2是本发明实施例提供的基于运动想象的脑机接口训练方法中无目标物体的抓握运动训练场景的示意图；
图3是本发明实施例提供的基于运动想象的脑机接口训练方法中有静态目标物体的抓握运动训练场景的示意图；
图4是本发明实施例提供的基于运动想象的脑机接口训练方法中有动态目标物体的抓握运动训练场景的示意图；
图5是脑电信号的采集设备及训练环境的示意图；
图6是本发明实施例提供的基于运动想象的脑机接口训练方法步骤S103的具体实现流程图；
图7是本发明实施例提供的基于运动想象的脑机接口训练方法中根据抓握运动训练场景中抓握运动的触发时间对滤波信号进行标记的示意图；
图8是本发明实施例提供的基于运动想象的脑机接口训练方法步骤S104的具体实现流程图；
图9是本发明实施例提供的基于运动想象的脑机接口训练装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1示出了本发明实施例提供的基于运动想象的脑机接口训练方法的实现流程图，详述如下：
在步骤S101中，基于目标物体生成抓握运动训练场景。
优选地，所述基于目标物体生成抓握运动训练场景包括：
生成无目标物体的抓握运动训练场景，生成有静态目标物体的抓握运动训练场景，和/或生成有动态目标物体的抓握运动训练场景。
图2示出了本发明实施例提供的基于运动想象的脑机接口训练方法中无目标物体的抓握运动训练场景的示意图。
图3示出了本发明实施例提供的基于运动想象的脑机接口训练方法中有静态目标物体的抓握运动训练场景的示意图。其中，静态目标物体可以为苹果或者水杯等，在此不作限定。
图4示出了本发明实施例提供的基于运动想象的脑机接口训练方法中有动态目标物体的抓握运动训练场景的示意图。其中，动态目标物体可以为会飞的昆虫等，在此不作限定。
优选地，所述基于目标物体生成抓握运动训练场景具体为：
基于目标物体生成三维虚拟抓握运动训练场景。
作为本发明的一个实施例，基于目标物体生成三维虚拟抓握运动训练场景。三维虚拟抓握运动训练场景相对于二维训练场景能增强受试者大脑的控制能力，能够方便受试者进行左右手运动想象能力训练，使受试者产生更容易识别的运动想象脑电信号特征，为后续脑电信号特征提取及分类器的训练提供可靠保证，降低训练难度，使操作更简单、更易于实现。
在步骤S102中，采集受试者根据所述抓握运动训练场景产生的原始脑电信号。
图5示出了脑电信号的采集设备及训练环境的示意图。参照图5，在实验过程中，受试者坐在安静的实验室内，眼睛注视着计算机屏幕上的抓握运动训练场景，根据抓握运动训练场景提示的动作想象相应的左/右手抓握动作。在无目标物体的抓握运动训练场景中，受试者根据无目标物体的抓握运动训练场景的提示想象自己的左/右手从伸展到握紧的过程；在有静态目标物体的抓握运动训练场景中，受试者根据有静态目标物体的抓握运动训练场景的提示想象自己的左/右手抓紧同侧静态目标物体的过程；在有动态目标物体的抓握运动训练场景中，受试者根据有动态目标物体的抓握运动训练场景的提示想象自己的左/右手抓握同侧动态目标物体的过程。
作为本发明的一个实施例，采用脑电记录仪器采集受试者根据抓握运动训练场景产生的原始脑电信号，例如，同时采集32通道的原始脑电信号，信号采样频率为256Hz。
作为本发明的一个实施例，单次实验任务时间共执行6.5秒，前2秒是放松阶段，后4.5秒是运动想象阶段。在放松阶段，计算机屏幕可呈现黑屏，提示受试者放松，尽量避免进行过多的思维活动。在运动想象阶段，计算机屏幕根据抓握运动训练场景出现不同的抓握运动任务的提示，受试者开始根据提示想象对应的左/右手抓握运动，每次抓握动作执行1.5秒。在整个运动想象阶段，执行3次抓握运动想象，分别对应于初始阶段(第2秒至第3.5秒)、中间阶段(第3.5秒至第5秒)以及结束阶段(第5秒至第6.5秒)。整个实验任务共分为5组，每组实验对三类抓握运动训练场景各采集40个样本，在这40个样本中，包括20个左手运动想象样本和20个右手运动想象样本。每组实验间休息3到5分钟。前4组共采集样本480个，作为训练数据集；最后1组共采集样本120个，作为测试数据集。
在步骤S103中，对所述原始脑电信号进行预处理，并提取运动想象时间段对应的脑电信号。
在步骤S104中，从所述运动想象时间段对应的脑电信号中获取运动想象脑电信号特征。
在步骤S105中，根据提取的所述运动想象脑电信号特征训练分类器。
在本发明实施例中，分类器为一线性分类器y＝sign(wTx+b)，其中，x是提取的运动想象脑电信号特征的特征向量，由特征值fn组合而成，b是分类面的附加阈值。
图6示出了本发明实施例提供的基于运动想象的脑机接口训练方法步骤S103的具体实现流程图，参照图6：
在步骤S601中，对所述原始脑电信号进行滤波，得到滤波信号；
在步骤S602中，根据所述抓握运动训练场景中抓握运动的触发时间对所述滤波信号进行标记；
在步骤S603中，根据标记信息从所述滤波信号中提取运动想象时间段对应的脑电信号。
在本发明实施例中，首先采用CAR(Common Average Reference，公共平均参考)方法对原始脑电信号进行滤波，然后进行带通滤波找到运动想象引起的大脑节律变化范围，该带通滤波的频率范围选取为7～30Hz，即脑电信号与运动想象有关的μ和β节律所在的频率范围。进行两次滤波后得到滤波信号，再根据抓握运动的触发时间对应的标记信息从滤波信号中提取运动想象时间段对应的脑电信号。
图7示出了本发明实施例提供的基于运动想象的脑机接口训练方法中根据抓握运动训练场景中抓握运动的触发时间对滤波信号进行标记的示意图。图7中的箭头表示根据抓握运动的触发时间对滤波信号进行标记。
图8示出了本发明实施例提供的基于运动想象的脑机接口训练方法步骤S104的具体实现流程图，参照图8：
在步骤S801中，根据所述运动想象时间段对应的脑电信号生成第一矩阵；
在步骤S802中，对左右手运动想象时间段对应的脑电信号矩阵进行对角化，得到投影矩阵；
在步骤S803中，通过所述投影矩阵对所述第一矩阵进行空间滤波，得到第二矩阵；
在步骤S804中，对所述第二矩阵进行预设变化，得到运动想象脑电信号特征。
在本发明实施例中，采用CSP(Common Spatial Pattern，公共空间模型)确定左/右手运动想象脑电信号特征。将单次实验任务的运动想象时间段对应的脑电信号表示为N×T维的第一矩阵E，其中，N是脑电信号采集设备的通道个数，T是脑电信号采集时每个通道的采样点个数。同时对角化左手运动想象对应的脑电信号矩阵和右手运动想象对应的脑电信号矩阵，且取其前m列和后m列特征向量，得到投影矩阵W。通过投影矩阵W对第一矩阵E进行空间滤波，得到第二矩阵Z＝WE。对第二矩阵Z进行预设变化得到运动想象脑电信号特征，即特征值fn。
应理解，在本发明实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
本发明实施例基于目标物体生成抓握运动训练场景，增加了受试者的运动想象能力，使受试者更容易产生运动想象的脑电信号特征，从而能够获得较好的训练效果，能够提高脑机接口的左右手运动想象任务的分类准确率，且操作简单、易于实现。
图9示出了本发明实施例提供的基于运动想象的脑机接口训练装置的结构框图，该装置可以用于运行图1至图8所示的基于运动想象的脑机接口训练方法。为了便于说明，仅示出了与本发明实施例相关的部分。
参照图9，该装置包括：
训练场景生成单元91，用于基于目标物体生成抓握运动训练场景；
采集单元92，用于采集受试者根据所述抓握运动训练场景产生的原始脑电信号；
脑电信号提取单元93，用于对所述原始脑电信号进行预处理，并提取运动想象时间段对应的脑电信号；
特征获取单元94，用于从所述运动想象时间段对应的脑电信号中获取运动想象脑电信号特征；
训练单元95，用于根据提取的所述运动想象脑电信号特征训练分类器。
优选地，所述训练场景生成单元91具体用于：
生成无目标物体的抓握运动训练场景，生成有静态目标物体的抓握运动训练场景，和/或生成有动态目标物体的抓握运动训练场景。
优选地，所述训练场景生成单元91具体用于：
基于目标物体生成三维虚拟抓握运动训练场景。
优选地，所述脑电信号提取单元93包括：
滤波子单元931，用于对所述原始脑电信号进行滤波，得到滤波信号；
标记子单元932，用于根据所述抓握运动训练场景中抓握运动的触发时间对所述滤波信号进行标记；
提取子单元933，用于根据标记信息从所述滤波信号中提取运动想象时间段对应的脑电信号。
优选地，所述特征获取单元94包括：
第一矩阵生成子单元941，用于根据所述运动想象时间段对应的脑电信号生成第一矩阵；
投影矩阵生成子单元942，用于对左右手运动想象时间段对应的脑电信号矩阵进行对角化，得到投影矩阵；
第二矩阵生成子单元943，用于通过所述投影矩阵对所述第一矩阵进行空间滤波，得到第二矩阵；
特征获取子单元944，用于对所述第二矩阵进行预设变化，得到运动想象脑电信号特征。
本发明实施例基于目标物体生成抓握运动训练场景，增加了受试者的运动想象能力，使受试者更容易产生运动想象的脑电信号特征，从而能够获得较好的训练效果，能够提高脑机接口的左右手运动想象任务的分类准确率，且操作简单、易于实现。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于运动想象的脑机接口训练方法，其特征在于，包括：
基于目标物体生成抓握运动训练场景；
采集受试者根据所述抓握运动训练场景产生的原始脑电信号；
对所述原始脑电信号进行预处理，并提取运动想象时间段对应的脑电信号；
从所述运动想象时间段对应的脑电信号中获取运动想象脑电信号特征；
根据提取的所述运动想象脑电信号特征训练分类器。
2.如权利要求1所述的方法，其特征在于，所述基于目标物体生成抓握运动训练场景包括：
生成无目标物体的抓握运动训练场景，生成有静态目标物体的抓握运动训练场景，和/或生成有动态目标物体的抓握运动训练场景。
3.如权利要求1所述的方法，其特征在于，所述基于目标物体生成抓握运动训练场景具体为：
基于目标物体生成三维虚拟抓握运动训练场景。
4.如权利要求1所述的方法，其特征在于，所述对所述原始脑电信号进行预处理，并提取运动想象时间段对应的脑电信号包括：
对所述原始脑电信号进行滤波，得到滤波信号；
根据所述抓握运动训练场景中抓握运动的触发时间对所述滤波信号进行标记；
根据标记信息从所述滤波信号中提取运动想象时间段对应的脑电信号。
5.如权利要求1所述的方法，其特征在于，所述从所述运动想象时间段对应的脑电信号中获取运动想象脑电信号特征包括：
根据所述运动想象时间段对应的脑电信号生成第一矩阵；
对左右手运动想象时间段对应的脑电信号矩阵进行对角化，得到投影矩阵；
通过所述投影矩阵对所述第一矩阵进行空间滤波，得到第二矩阵；
对所述第二矩阵进行预设变化，得到运动想象脑电信号特征。
6.一种基于运动想象的脑机接口训练装置，其特征在于，包括：
训练场景生成单元，用于基于目标物体生成抓握运动训练场景；
采集单元，用于采集受试者根据所述抓握运动训练场景产生的原始脑电信号；
脑电信号提取单元，用于对所述原始脑电信号进行预处理，并提取运动想象时间段对应的脑电信号；
特征获取单元，用于从所述运动想象时间段对应的脑电信号中获取运动想象脑电信号特征；
训练单元，用于根据提取的所述运动想象脑电信号特征训练分类器。
7.如权利要求6所述的装置，其特征在于，所述训练场景生成单元具体用于：
生成无目标物体的抓握运动训练场景，生成有静态目标物体的抓握运动训练场景，和/或生成有动态目标物体的抓握运动训练场景。
8.如权利要求6所述的装置，其特征在于，所述训练场景生成单元具体用于：
基于目标物体生成三维虚拟抓握运动训练场景。
9.如权利要求6所述的装置，其特征在于，所述脑电信号提取单元包括：
滤波子单元，用于对所述原始脑电信号进行滤波，得到滤波信号；
标记子单元，用于根据所述抓握运动训练场景中抓握运动的触发时间对所述滤波信号进行标记；
提取子单元，用于根据标记信息从所述滤波信号中提取运动想象时间段对应的脑电信号。
10.如权利要求6所述的装置，其特征在于，所述特征获取单元包括：
第一矩阵生成子单元，用于根据所述运动想象时间段对应的脑电信号生成第一矩阵；
投影矩阵生成子单元，用于对左右手运动想象时间段对应的脑电信号矩阵进行对角化，得到投影矩阵；
第二矩阵生成子单元，用于通过所述投影矩阵对所述第一矩阵进行空间滤波，得到第二矩阵；
特征获取子单元，用于对所述第二矩阵进行预设变化，得到运动想象脑电信号特征。
CN201510957982.8A 2015-12-17 2015-12-17 基于运动想象的脑机接口训练方法及装置 Pending CN106897656A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510957982.8A CN106897656A (zh) 2015-12-17 2015-12-17 基于运动想象的脑机接口训练方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510957982.8A CN106897656A (zh) 2015-12-17 2015-12-17 基于运动想象的脑机接口训练方法及装置

Publications (1)

Publication Number Publication Date
CN106897656A true CN106897656A (zh) 2017-06-27

Family

ID=59188801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510957982.8A Pending CN106897656A (zh) 2015-12-17 2015-12-17 基于运动想象的脑机接口训练方法及装置

Country Status (1)

Country Link
CN (1) CN106897656A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108403112A (zh) * 2018-04-02 2018-08-17 东北电力大学 基于嗅觉脑电波和gs-svm进行感官物质分类的方法
CN109947235A (zh) * 2017-12-21 2019-06-28 中国科学院深圳先进技术研究院 自主行走意图识别方法及装置
CN111728822B (zh) * 2020-07-24 2021-11-26 清华大学 用于脑损伤后的脑机交互闭环康复机器人控制方法
CN113869084A (zh) * 2020-06-30 2021-12-31 北京清华长庚医院 脑电信号处理方法、脑机接口设备及存储介质
CN116360602A (zh) * 2023-05-16 2023-06-30 中国第一汽车股份有限公司 一种脑机接口功能改进、测试方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101923392A (zh) * 2010-09-02 2010-12-22 上海交通大学 脑电信号的异步脑机交互控制方法
CN103300852A (zh) * 2012-10-19 2013-09-18 西安电子科技大学 基于运动想象脑电控制遥控小车的训练方法
CN103793058A (zh) * 2014-02-13 2014-05-14 山西大学 一种主动式脑机交互系统运动想象任务分类方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101923392A (zh) * 2010-09-02 2010-12-22 上海交通大学 脑电信号的异步脑机交互控制方法
CN103300852A (zh) * 2012-10-19 2013-09-18 西安电子科技大学 基于运动想象脑电控制遥控小车的训练方法
CN103793058A (zh) * 2014-02-13 2014-05-14 山西大学 一种主动式脑机交互系统运动想象任务分类方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梁爽: ""基于3D视觉刺激器的BCI系统的设计与实现"", 《中国优秀硕士学位论文全文数据库（电子期刊） 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109947235A (zh) * 2017-12-21 2019-06-28 中国科学院深圳先进技术研究院 自主行走意图识别方法及装置
CN108403112A (zh) * 2018-04-02 2018-08-17 东北电力大学 基于嗅觉脑电波和gs-svm进行感官物质分类的方法
CN113869084A (zh) * 2020-06-30 2021-12-31 北京清华长庚医院 脑电信号处理方法、脑机接口设备及存储介质
CN113869084B (zh) * 2020-06-30 2022-09-16 北京清华长庚医院 脑电信号处理方法、脑机接口设备及存储介质
CN111728822B (zh) * 2020-07-24 2021-11-26 清华大学 用于脑损伤后的脑机交互闭环康复机器人控制方法
CN116360602A (zh) * 2023-05-16 2023-06-30 中国第一汽车股份有限公司 一种脑机接口功能改进、测试方法、装置、设备及介质
CN116360602B (zh) * 2023-05-16 2023-08-18 中国第一汽车股份有限公司 一种脑机接口功能改进、测试方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN106897656A (zh) 基于运动想象的脑机接口训练方法及装置
CN110069958B (zh) 一种密集深度卷积神经网络的脑电信号快速识别方法
Ebrahimi et al. Brain-computer interface in multimedia communication
Kamousi et al. Classification of motor imagery tasks for brain-computer interface applications by means of two equivalent dipoles analysis
CN111783942B (zh) 一种基于卷积循环神经网络的脑认知过程模拟方法
Kam et al. Non-homogeneous spatial filter optimization for ElectroEncephaloGram (EEG)-based motor imagery classification
Fang et al. A multichannel surface EMG system for hand motion recognition
CN110353702A (zh) 一种基于浅层卷积神经网络的情感识别方法及系统
Hsu Application of quantum-behaved particle swarm optimization to motor imagery EEG classification
Wang et al. Local temporal common spatial patterns for robust single-trial EEG classification
CN108433722A (zh) 便携式脑电采集设备及其在ssvep和运动想象中的应用
CN102184019B (zh) 基于隐性注意的视听联合刺激脑-机接口方法
CN109247917A (zh) 一种空间听觉诱发p300脑电信号识别方法及装置
CN109766845B (zh) 一种脑电信号分类方法、装置、设备和介质
CN107122050B (zh) 基于csfl-gdbn的稳态运动视觉诱发电位脑-机接口方法
CN104799852B (zh) 基于超限学习机自编码的运动想象脑电信号特征的提取方法
CN106774847A (zh) 基于虚拟现实技术的三维视觉P300‑Speller系统
CN110074779A (zh) 一种脑电信号识别方法及装置
CN107661099A (zh) 一种检测不同脑力负荷水平下运动状态的脑电分析方法
Gao et al. Multi-ganglion ANN based feature learning with application to P300-BCI signal classification
Szafir et al. An exploration of the utilization of electroencephalography and neural nets to control robots
CN110262658A (zh) 一种基于强化注意的脑机接口字符输入系统及实现方法
Sita et al. Feature extraction and classification of EEG signals for mapping motor area of the brain
CN106095086A (zh) 一种基于无创电刺激的运动想象脑机接口控制方法
CN106774851A (zh) 基于脑机接口的触感手指运动康复系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170627