CN106933247A - 无人机的控制方法、装置及系统 - Google Patents
无人机的控制方法、装置及系统 Download PDFInfo
- Publication number
- CN106933247A CN106933247A CN201710202602.9A CN201710202602A CN106933247A CN 106933247 A CN106933247 A CN 106933247A CN 201710202602 A CN201710202602 A CN 201710202602A CN 106933247 A CN106933247 A CN 106933247A
- Authority
- CN
- China
- Prior art keywords
- eeg signal
- signal
- control instruction
- real
- brain wave
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 210000004556 brain Anatomy 0.000 claims abstract description 188
- 238000005259 measurement Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 18
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011017 operating method Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种无人机的控制方法、装置及系统,该方法包括:采集用户脑部未发出控制指令时的第一脑电波信号以及用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号;对第一脑电波信号以及多个不同的第二脑电波信号进行处理,得到用户脑部分别发出各个控制指令时的脑电波信号的参数;采集用户脑部发出的实时脑电波信号,对第一脑电波信号以及采集到的实时脑电波信号进行处理,得到实时脑电波信号的参数;将实时脑电波信号的参数与各个控制指令对应的脑电波信号的参数进行比对,得到实时脑电波信号对应的控制指令;将实时脑电波信号对应的控制指令发送至无人机。
Description
技术领域
本发明涉及无人机技术领域,更具体地,涉及一种无人机的控制方法、装置及系统。
背景技术
生物电现象是生命活动的基本特征之一。人类在进行思维活动时大脑产生的生物电信号就是脑电波,这些自发的生物电信号根据其频率的不同可划分为不同的脑电波类型。表1为不同脑电波类型的频率范围和对应的精神状态。
表1
上述脑电波可以通过放置在头皮的传感器进行测量和分析,并根据测量分析得到的脑电波进行脑机交互,实现对外部设备的控制,例如,对无人机的控制。
现有技术中,对测量得到的脑电波的幅值进行计算,得到其均值和均方值,这样的分析方式,并没有排除采集仪器以及其他原因产生的噪音信号的影响,另外,也没有排除每个人的脑电波的差异的因素的影响,导致脑电波的分析结果准确度较低。
发明内容
本发明的一个目的是提供一种无人机的控制方法、装置及系统的新技术方案。
根据本发明的第一方面,提供了一种无人机的控制方法,包括:
采集用户脑部未发出控制指令时的第一脑电波信号以及用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号;
对所述第一脑电波信号以及所述多个不同的第二脑电波信号进行处理,得到用户脑部分别发出各个控制指令时的脑电波信号的参数;
采集用户脑部发出的实时脑电波信号,对所述第一脑电波信号以及采集到的所述实时脑电波信号进行处理,得到所述实时脑电波信号的参数;
将所述实时脑电波信号的参数与所述各个控制指令对应的脑电波信号的参数进行比对,得到所述实时脑电波信号对应的控制指令;
将所述实时脑电波信号对应的控制指令发送至所述无人机。
可选地,脑电波信号的参数包括:脑电波信号的振幅和脑电波信号的频率。
可选地,对所述第一脑电波信号以及所述多个不同的第二脑电波信号进行处理,得到用户脑部分别发出各个控制指令时的脑电波信号的参数,包括:
基于以下计算式计算得到所述各个控制指令对应的脑电波信号的振幅S(l),
其中,R(l)代表采集到的第二脑电波信号的振幅,r(l)代表采集到的第一脑电波信号的振幅,n代表测量的时间点,x(n1)代表在时间点n1测量得到的采集到的第一脑电波信号的振幅,y(n)代表在时间点n测量得到的采集到的第二脑电波信号的振幅,Q代表测量的次数,
利用傅里叶变换公式对所述各个控制指令对应的脑电波信号的振幅S(l)进行处理,得到所述各个控制指令对应的脑电波信号的频率。
可选地,在采集用户脑部发出的实时脑电波信号,对所述第一脑电波信号以及采集到的所述实时脑电波信号进行处理,得到所述实时脑电波信号的参数之后,还包括:
判断所述实时脑电波信号的频率是否位于预设的频率阈值范围内,
根据判断结果确定是否进行将所述实时脑电波信号的参数与所述各个控制指令对应的脑电波信号的参数的比对操作。
可选地,所述预设的频率阈值范围为30Hz-100Hz。
根据本发明的第二方面,提供了一种无人机的控制装置,包括:
采集模块,用于采集用户脑部未发出控制指令时的第一脑电波信号以及用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号;
处理模块,用于对所述第一脑电波信号以及所述多个不同的第二脑电波信号进行处理,得到用户脑部分别发出各个控制指令时的脑电波信号的参数;
所述处理模块还用于:采集用户脑部发出的实时脑电波信号,对所述第一脑电波信号以及采集到的所述实时脑电波信号进行处理,得到所述实时脑电波信号的参数;
比对模块,用于将所述实时脑电波信号的参数与所述各个控制指令对应的脑电波信号的参数进行比对,得到所述实时脑电波信号对应的控制指令;
发送模块,用于将所述实时脑电波信号对应的控制指令发送至所述无人机。
可选地,脑电波信号的参数包括:脑电波信号的振幅和脑电波信号的频率。
可选地,所述处理模块还用于:
基于以下计算式计算得到所述各个控制指令对应的脑电波信号的振幅S(l),
其中,R(l)代表采集到的第二脑电波信号的振幅,r(l)代表采集到的第一脑电波信号的振幅,n代表测量的时间点,x(n1)代表在时间点n1测量得到的采集到的第一脑电波信号的振幅,y(n)代表在时间点n测量得到的采集到第二脑电波信号的振幅,Q代表测量的次数,
利用傅里叶变换公式对所述各个控制指令对应的脑电波信号的振幅S(l)进行处理,得到所述各个控制指令对应的脑电波信号的频率。
可选地,所述装置还包括:
判断模块,用于判断所述实时脑电波信号的频率是否位于预设的频率阈值范围内,
根据判断结果确定是否进行将所述实时脑电波信号的参数与所述各个控制指令对应的脑电波信号的参数的比对操作。
根据本发明的第三方面,提供了一种无人机控制系统,包括:无人机和如上述任一所述的无人机的控制装置。
本发明提供的无人机控制方法、装置及系统,通过对用户脑部未发出控制指令时的第一脑电波信号以及采集到的用户脑部发出的实时脑电波信号进行处理,得到用户脑部发出的实时脑电波信号的参数,避免了现有技术中采集仪器及其他原因产生的噪音信号的影响。另外,在实现对无人机的控制之前,对每一个用户均进行上述处理,避免了每个人的脑电波的差异的因素的影响,提高了对脑电波信号分析的准确度,进而准确地分析出用户发出的脑电波信号对应的控制命令。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1示出了根据本发明一个实施例的无人机的控制方法的处理流程图。
图2示出了根据本发明一个实施例的无人机的控制方法的另一种处理流程图。
图3示出了根据本发明一个实施例的无人机的控制装置的结构示意图。
图4示出了根据本发明一个实施例的无人机的控制装置的另一种结构示意图。
图5示出了根据本发明一个实施例的无人机控制系统的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明提供了一种无人机的控制方法。图1示出了根据本发明一个实施例的无人机的控制方法的处理流程图。参见图1,该方法至少包括步骤S102至步骤S110。
步骤S102,采集用户脑部未发出控制指令时的第一脑电波信号以及用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号;
步骤S104,对第一脑电波信号以及多个不同的第二脑电波信号进行处理,得到用户脑部分别发出各个控制指令时的脑电波信号的参数;
步骤S106,采集用户脑部发出的实时脑电波信号,对第一脑电波信号以及采集到的实时脑电波信号进行处理,得到实时脑电波信号的参数;
步骤S108,将实时脑电波信号的参数与各个控制指令对应的脑电波信号的参数进行比对,得到实时脑电波信号对应的控制指令;
步骤S110,将实时脑电波信号对应的控制指令发送至无人机。
本发明提供的无人机控制方法,通过对用户脑部未发出控制指令时的第一脑电波信号以及采集到的用户脑部发出的实时脑电波信号进行处理,得到用户脑部发出的实时脑电波信号的参数,避免了现有技术中采集仪器及其他原因产生的噪音信号的影响。另外,在实现对无人机的控制之前,对每一个用户均进行上述处理,避免了每个人的脑电波的差异的因素的影响,提高了对脑电波信号分析的准确度,进而准确地分析出用户发出的脑电波信号对应的控制命令。
本发明实施例中,上述涉及的脑电波信号的参数包括:脑电波信号的振幅和脑电波信号的频率。
上述步骤S104,对用户脑部未发出控制指令时的第一脑电波信号以及用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号进行处理,得到用户脑部发出的各个控制指令时的脑电波信号的振幅和频率。基于计算式(1)计算得到采集到的第一脑电波信号的振幅r(l),
其中,n1代表测量的时间点,x(n1)代表在时间点n1测量得到的采集到的第一脑电波信号的振幅,Q代表测量的次数。例如,在时间点n1=0时测量得到采集到的第一脑电波信号的振幅,在时间点n1=1时测量得到采集到的第一脑电波信号的振幅,依次得到在时间点n1=2、n1=3……n1=Q-1时测量得到采集到的第一脑电波信号的振幅。基于计算式(2)计算得到同一个用户脑部发出控制指令时采集到的第二脑电波信号的振幅R(l),
其中,n代表测量的时间点,y(n)代表在时间点n测量得到的采集到第二脑电波信号的振幅,Q代表测量的次数。例如,在时间点n=0时测量得到的采集到的第二脑电波信号的振幅,在时间点n=1时测量得到的采集到的第二脑电波信号的振幅,依次得到在时间点n=2、n=3……n=Q-1时测量得到的采集到的第二脑电波信号的振幅。需要说明地是,上述涉及的时间点n1=0和n=0均代表第一次测量的时间点,时间点n1=1和n=1均代表第二次测量的时间点,依次得到,时间点nQ-1=Q-1和nQ-1=Q-1均代表第Q次测量的时间点。然后,基于计算式(3)计算得到各个控制指令对应的脑电波信号的振幅S(l),
上述通过计算式(3)计算得到各个控制指令对应的脑电波信号的振幅S(l),滤除了用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号中夹杂的噪音信号,得到的各个控制指令对应的脑电波信号的振幅S(l)更加精确。
在计算得到各个控制指令对应的脑电波信号的振幅S(l),利用傅里叶变换公式计算得到各个控制指令对应的脑电波信号的频率f,傅里叶变换公式如下,
将计算得到的各个控制指令对应的脑电波信号的振幅S(l)代入傅里叶变换公式,得到各个控制指令对应的脑电波信号的频率f。上述计算得到的各个控制指令对应的脑电波信号的振幅S(l)和频率f作为采集到的该用户的脑部发出的脑电波信号的比对对象。
本发明实施例中,在采集到用户脑部发出的实时脑电波信号之后,利用上述计算式(2)得到用户脑部发出的实时脑电波信号的振幅,然后利用上述计算式(3)计算得到滤除噪音信号之后的用户脑部发出的实时脑电波信号的振幅,进而再利用傅里叶变换公式计算得到用户脑部发出的实时脑电波信号的频率。
在计算得到的用户脑部发出的实时脑电波信号的振幅和频率与上述计算得到的各个控制指令对应的脑电波信号的振幅和频率进行比对之前,本发明实施例中,判断用户脑部发出的实时脑电波信号的频率是否位于预设的频率阈值范围内。若判断结果为用户脑部发出的实时脑电波信号的频率位于预设的频率阈值范围内,则将计算得到的用户脑部发出的实时脑电波信号的振幅和频率与各个控制指令对应的脑电波信号的振幅和频率进行比对。用户在操作无人机时,脑部发出的控制指令时都应处在心理活动活跃的精神状态下,因此,本发明实施例中,预设的频率阈值范围为30Hz到100Hz。若计算得到的用户脑部发出的实时脑电波信号的频率位于30Hz到100Hz范围内,则可以判断用户脑部发出的实时脑电波信号为有效脑电波信号,进而进行后续的对比操作,得到该脑电波信号对应的控制指令,并将控制指令发送至无人机。
下面以一个具体实施例对本发明提供的无人机的控制方法作进一步说明。图2示出了根据本发明一个实施例的无人机的控制方法的另一种处理流程图。参见图2,该方法至少包括步骤S202至步骤S218。
步骤S202,采集用户脑部未发出控制指令时的第一脑电波信号。该操作步骤涉及的采集操作为每隔一段时间采集一次用户脑部未发出控制指令时的第一脑电波信号。
步骤S204,采集用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号。该操作步骤涉及的采集操作为每隔一段时间采集一次用户脑部发出该控制指令时的第二脑电波信号。本发明涉及的多个控制指令具体为无人机向上飞行、无人机向下飞行、无人机向前飞行、无人机向后飞行、无人机加速飞行、无人机减速飞行等。以无人机向上飞行、无人机向下飞行、无人机向前飞行、无人机向后飞行的控制指令为例,该操作步骤可具体为采集用户脑部发出的无人机向上飞行的控制指令时的脑电波信号,采集用户脑部发出的无人机向下飞行的控制指令时的脑电波信号,采集用户脑部发出的无人机向前飞行的控制指令时的脑电波信号,以及采集用户脑部发出的无人机向后飞行的控制指令时的脑电波信号。
步骤S206,利用上述计算式(3)和傅里叶变换公式分别计算得到用户脑部发出多个控制指令时的多个不同的第二脑电波信号的振幅和频率。例如,利用计算式(3)分别计算得到用户脑部发出的无人机向上飞行的控制指令时的脑电波信号的振幅和频率,用户脑部发出的无人机向下飞行的控制指令时的脑电波信号的振幅和频率,用户脑部发出的无人机向前飞行的控制指令时的脑电波信号的振幅和频率,用户脑部发出的无人机向后飞行的控制指令时的脑电波信号的振幅和频率,并将上述计算得到用户脑部发出的多个控制指令时的脑电波信号的振幅和频率作为采集到的该用户的脑部发出的脑电波信号的比对对象。
步骤S208,用户脑部发出一控制指令,采集用户脑部发出该控制指令时的脑电波信号。
步骤S210,利用上述计算式(3)和傅里叶变换公式计算得到用户脑部发出该控制指令时的脑电波信号的振幅和频率。
步骤S212,判断计算得到的用户脑部发出该控制指令时的脑电波信号的频率是否位于预设频率阈值范围内。本发明涉及的预设频率阈值范围为30Hz-100Hz。
若判断结果为否,则返回继续执行步骤S202。若判断结果为是,则执行步骤S214,将计算得到的用户脑部发出该控制指令时的脑电波信号的振幅和频率与步骤S206计算得到用户脑部发出多个控制指令时的不同的多个第二脑电波信号的振幅和频率分别进行比对,得到用户脑部发出的脑电波信号对应的控制指令。具体地,将计算得到的用户脑部发出的脑电波信号的振幅和频率分别与用户脑部发出的无人机向上飞行的控制指令时的脑电波信号的振幅和频率,用户脑部发出的无人机向下飞行的控制指令时的脑电波信号的振幅和频率,用户脑部发出的无人机向前飞行的控制指令时的脑电波信号的振幅和频率,用户脑部发出的无人机向后飞行的控制指令时的脑电波信号的振幅和频率进行比对,根据比对结果得到用户脑部发出的脑电波信号对应的控制指令。
步骤S216,将控制指令发送至无人机。本发明实施例中,该控制指令经模数转换之后发送至无人机。
步骤S218,无人机接收到控制指令后,实现该控制指令对应的飞行操作。
本发明实施例列举的控制指令并不仅限于列举出的关于飞行操作的指令,还可为其他任意飞行操作的指令,或者,还可为关于操控摄像系统的指令,例如,拍照指令、摄像指令等操作。
基于同一发明构思,本发明提供了一种无人机的控制装置。图3示出了根据本发明一个实施例的无人机的控制装置的结构示意图,参见图3,该装置至少包括:采集模块310,用于采集用户脑部未发出控制指令时的第一脑电波信号以及用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号;处理模块320,用于对第一脑电波信号以及多个不同的第二脑电波信号进行处理,得到用户脑部分别发出各个控制指令时的脑电波信号的参数;处理模块320还用于:采集用户脑部发出的实时脑电波信号,对第一脑电波信号以及采集到的实时脑电波信号进行处理,得到实时脑电波信号的参数;比对模块330,用于将实时脑电波信号的参数与各个控制指令对应的脑电波信号的参数进行比对,得到实时脑电波信号对应的控制指令;发送模块340,用于将实时脑电波信号对应的控制指令发送至无人机。
本发明实施例涉及的采集模块310可为一传感器,发送模块340可为一WIFI通信模块。
本发明实施例中,脑电波信号的参数包括:脑电波信号的振幅和脑电波信号的频率。
本发明实施例中,处理模块320还用于:基于以下计算式计算得到各个控制指令对应的脑电波信号的振幅S(l),
其中,R(l)代表采集到的第二脑电波信号的振幅,r(l)代表采集到的第一脑电波信号的振幅,n代表测量的时间点,x(n1)代表在时间点n1测量得到的采集到的第一脑电波信号的振幅,y(n)代表在时间点n测量得到的采集到的第二脑电波信号的振幅,Q代表测量的次数,利用傅里叶变换公式对各个控制指令对应的脑电波信号的振幅S(l)进行处理,得到各个控制指令对应的脑电波信号的频率。
本发明实施例中,参见图4,该装置还包括:判断模块350,用于判断用户脑部发出的实时脑电波信号的频率是否位于预设的频率阈值范围内,根据判断结果确定是否进行将实时脑电波信号的参数与各个控制指令对应的脑电波信号的参数的比对操作。
基于同一发明构思,本发明还提供了一种无人机控制系统。图5示出了根据本发明一个实施例的无人机控制系统的结构示意图。参见图5,该系统至少包括:无人机510和上述任一实施例涉及的无人机控制装置520。无人机控制装置520通过将采集到的用户脑部发出的实时脑电波信号的参数与处理得到用户脑部发出的各个控制指令时的脑电波信号的参数进行比对,得到用户脑部发出的脑电波信号对应的控制指令,并将该控制指令发送至无人机。无人机接收到控制指令后,根据该控制指令执行相对应的操作,例如,关于飞行操作的指令,或者,关于操控摄像系统的指令,等等。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种无人机的控制方法,其特征在于,包括:采集用户脑部未发出控制指令时的第一脑电波信号以及用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号;
对所述第一脑电波信号以及所述多个不同的第二脑电波信号进行处理,得到用户脑部分别发出各个控制指令时的脑电波信号的参数;
采集用户脑部发出的实时脑电波信号,对所述第一脑电波信号以及采集到的所述实时脑电波信号进行处理,得到所述实时脑电波信号的参数;
将所述实时脑电波信号的参数与所述各个控制指令对应的脑电波信号的参数进行比对,得到所述实时脑电波信号对应的控制指令;
将所述实时脑电波信号对应的控制指令发送至所述无人机。
2.根据权利要求1所述的方法,其特征在于,脑电波信号的参数包括:脑电波信号的振幅和脑电波信号的频率。
3.根据权利要求2所述的方法,其特征在于,对所述第一脑电波信号以及所述多个不同的第二脑电波信号进行处理,得到用户脑部分别发出各个控制指令时的脑电波信号的参数,包括:
基于以下计算式计算得到所述各个控制指令对应的脑电波信号的振幅S(l),
其中,R(l)代表采集到的第二脑电波信号的振幅,r(l)代表采集到的第一脑电波信号的振幅,n代表测量的时间点,x(n1)代表在时间点n1测量得到的采集到的第一脑电波信号的振幅,y(n)代表在时间点n测量得到的采集到的第二脑电波信号的振幅,Q代表测量的次数,
利用傅里叶变换公式对所述各个控制指令对应的脑电波信号的振幅S(l)进行处理,得到所述各个控制指令对应的脑电波信号的频率。
4.根据权利要求2所述的方法,其特征在于,在采集用户脑部发出的实时脑电波信号,对所述第一脑电波信号以及采集到的所述实时脑电波信号进行处理,得到所述实时脑电波信号的参数之后,还包括:
判断所述实时脑电波信号的频率是否位于预设的频率阈值范围内,
根据判断结果确定是否进行将所述实时脑电波信号的参数与所述各个控制指令对应的脑电波信号的参数的比对操作。
5.根据权利要求4所述的方法,其特征在于,所述预设的频率阈值范围为30Hz-100Hz。
6.一种无人机的控制装置,其特征在于,包括:
采集模块,用于采集用户脑部未发出控制指令时的第一脑电波信号以及用户脑部分别发出多个控制指令时的多个不同的第二脑电波信号;
处理模块,用于对所述第一脑电波信号以及所述多个不同的第二脑电波信号进行处理,得到用户脑部分别发出各个控制指令时的脑电波信号的参数;
所述处理模块还用于:采集用户脑部发出的实时脑电波信号,对所述第一脑电波信号以及采集到的所述实时脑电波信号进行处理,得到所述实时脑电波信号的参数;
比对模块,用于将所述实时脑电波信号的参数与所述各个控制指令对应的脑电波信号的参数进行比对,得到所述实时脑电波信号对应的控制指令;
发送模块,用于将所述实时脑电波信号对应的控制指令发送至所述无人机。
7.根据权利要求6所述的装置,其特征在于,脑电波信号的参数包括:脑电波信号的振幅和脑电波信号的频率。
8.根据权利要求7所述的装置,其特征在于,所述处理模块还用于:
基于以下计算式计算得到所述各个控制指令对应的脑电波信号的振幅S(l),
其中,R(l)代表采集到的第二脑电波信号的振幅,r(l)代表采集到的第一脑电波信号的振幅,n代表测量的时间点,x(n1)代表在时间点n1测量得到的采集到的第一脑电波信号的振幅,y(n)代表在时间点n测量得到的采集到的第二脑电波信号的振幅,Q代表测量的次数,
利用傅里叶变换公式对所述各个控制指令对应的脑电波信号的振幅S(l)进行处理,得到所述各个控制指令对应的脑电波信号的频率。
9.根据权利要求7所述的装置,其特征在于,所述装置还包括:
判断模块,用于判断所述实时脑电波信号的频率是否位于预设的频率阈值范围内,
根据判断结果确定是否进行将所述实时脑电波信号的参数与所述各个控制指令对应的脑电波信号的参数的比对操作。
10.一种无人机控制系统,其特征在于,包括:无人机和如权利要求6-9任一所述的无人机的控制装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710202602.9A CN106933247B (zh) | 2017-03-30 | 2017-03-30 | 无人机的控制方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710202602.9A CN106933247B (zh) | 2017-03-30 | 2017-03-30 | 无人机的控制方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106933247A true CN106933247A (zh) | 2017-07-07 |
CN106933247B CN106933247B (zh) | 2020-05-29 |
Family
ID=59425286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710202602.9A Active CN106933247B (zh) | 2017-03-30 | 2017-03-30 | 无人机的控制方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106933247B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399004A (zh) * | 2018-02-11 | 2018-08-14 | 广东欧珀移动通信有限公司 | 脑电波的分析方法及相关产品 |
CN109460147A (zh) * | 2018-10-24 | 2019-03-12 | 重庆科技学院 | 一种意念控制运动系统及其方法 |
CN109491510A (zh) * | 2018-12-17 | 2019-03-19 | 深圳市道通智能航空技术有限公司 | 一种无人机控制方法、装置、设备及存储介质 |
CN113009931A (zh) * | 2021-03-08 | 2021-06-22 | 北京邮电大学 | 一种有人机与无人机混合编队协同控制装置及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426768A (zh) * | 2011-08-16 | 2012-04-25 | 海尔集团公司 | 基于体电波控制电子设备的系统及方法 |
CN104281264A (zh) * | 2014-09-26 | 2015-01-14 | 上海闻泰电子科技有限公司 | 一种智能数据传输系统及方法 |
CN104515905A (zh) * | 2013-09-29 | 2015-04-15 | 哈尔滨工业大学 | 基于cqt多分辨率的被试的脑电信号自适应频谱分析方法 |
CN104914994A (zh) * | 2015-05-15 | 2015-09-16 | 中国计量学院 | 基于稳态视觉诱发电位的飞行器控制系统和飞行控制方法 |
CN105292456A (zh) * | 2015-11-24 | 2016-02-03 | 齐心 | 一种多旋翼无人飞行器 |
CN105468138A (zh) * | 2015-07-15 | 2016-04-06 | 武汉理工大学 | 基于脑机接口技术与激光雷达的智能车辆避障导航方法 |
CN205281404U (zh) * | 2015-11-30 | 2016-06-01 | 北京航空航天大学 | 一种脑电波控制机械臂的系统 |
WO2016168117A2 (en) * | 2015-04-14 | 2016-10-20 | John James Daniels | Wearable electric, multi-sensory, human/machine, human/human interfaces |
CN106108847A (zh) * | 2016-06-21 | 2016-11-16 | 北京理工大学 | 信号处理方法、装置及系统 |
CN106292705A (zh) * | 2016-09-14 | 2017-01-04 | 东南大学 | 基于蓝牙脑电耳机的多旋翼无人机意念遥操作系统及操作方法 |
CN106445165A (zh) * | 2016-10-19 | 2017-02-22 | 海南爱目无线科技有限公司 | 一种基于脑电波解析技术的头戴式控制系统 |
-
2017
- 2017-03-30 CN CN201710202602.9A patent/CN106933247B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426768A (zh) * | 2011-08-16 | 2012-04-25 | 海尔集团公司 | 基于体电波控制电子设备的系统及方法 |
CN104515905A (zh) * | 2013-09-29 | 2015-04-15 | 哈尔滨工业大学 | 基于cqt多分辨率的被试的脑电信号自适应频谱分析方法 |
CN104281264A (zh) * | 2014-09-26 | 2015-01-14 | 上海闻泰电子科技有限公司 | 一种智能数据传输系统及方法 |
WO2016168117A2 (en) * | 2015-04-14 | 2016-10-20 | John James Daniels | Wearable electric, multi-sensory, human/machine, human/human interfaces |
CN104914994A (zh) * | 2015-05-15 | 2015-09-16 | 中国计量学院 | 基于稳态视觉诱发电位的飞行器控制系统和飞行控制方法 |
CN105468138A (zh) * | 2015-07-15 | 2016-04-06 | 武汉理工大学 | 基于脑机接口技术与激光雷达的智能车辆避障导航方法 |
CN105292456A (zh) * | 2015-11-24 | 2016-02-03 | 齐心 | 一种多旋翼无人飞行器 |
CN205281404U (zh) * | 2015-11-30 | 2016-06-01 | 北京航空航天大学 | 一种脑电波控制机械臂的系统 |
CN106108847A (zh) * | 2016-06-21 | 2016-11-16 | 北京理工大学 | 信号处理方法、装置及系统 |
CN106292705A (zh) * | 2016-09-14 | 2017-01-04 | 东南大学 | 基于蓝牙脑电耳机的多旋翼无人机意念遥操作系统及操作方法 |
CN106445165A (zh) * | 2016-10-19 | 2017-02-22 | 海南爱目无线科技有限公司 | 一种基于脑电波解析技术的头戴式控制系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399004A (zh) * | 2018-02-11 | 2018-08-14 | 广东欧珀移动通信有限公司 | 脑电波的分析方法及相关产品 |
CN108399004B (zh) * | 2018-02-11 | 2021-09-14 | Oppo广东移动通信有限公司 | 脑电波的分析方法及相关产品 |
CN109460147A (zh) * | 2018-10-24 | 2019-03-12 | 重庆科技学院 | 一种意念控制运动系统及其方法 |
CN109460147B (zh) * | 2018-10-24 | 2022-02-01 | 重庆科技学院 | 一种意念控制运动系统及其方法 |
CN109491510A (zh) * | 2018-12-17 | 2019-03-19 | 深圳市道通智能航空技术有限公司 | 一种无人机控制方法、装置、设备及存储介质 |
CN113009931A (zh) * | 2021-03-08 | 2021-06-22 | 北京邮电大学 | 一种有人机与无人机混合编队协同控制装置及方法 |
CN113009931B (zh) * | 2021-03-08 | 2022-11-08 | 北京邮电大学 | 一种有人机与无人机混合编队协同控制装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106933247B (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106933247A (zh) | 无人机的控制方法、装置及系统 | |
US20200237246A1 (en) | Automatic recognition and classification method for electrocardiogram heartbeat based on artificial intelligence | |
EP3876191B1 (en) | Estimator generation device, monitoring device, estimator generation method, estimator generation program | |
EP3406189A1 (en) | System and method for heart rate estimation | |
JP6884344B2 (ja) | 脳内ネットワークの活動推定システム、脳内ネットワークの活動推定方法、脳内ネットワークの活動推定プログラム、および、学習済み脳活動推定モデル | |
CN106503799A (zh) | 基于多尺度网络的深度学习模型及在脑状态监测中的应用 | |
US11317840B2 (en) | Method for real time analyzing stress using deep neural network algorithm | |
CN109033513B (zh) | 电力变压器故障诊断方法与电力变压器故障诊断装置 | |
EP3389478B1 (en) | Systems and methods for linear-time clustering for bounded, repeatable, rare events in physiological signals | |
Schiecke et al. | Convergent cross mapping: Basic concept, influence of estimation parameters and practical application | |
CN114209320B (zh) | 一种基于图互信息最大化的抑郁症患者脑电识别系统 | |
CN115919330A (zh) | 基于多层次se注意力和图卷积的eeg情绪状态分类方法 | |
CN114190953A (zh) | 针对脑电采集设备的脑电信号降噪模型的训练方法和系统 | |
EP3502979A1 (en) | A probability-based detector and controller apparatus, method, computer program | |
CN113425312B (zh) | 脑电数据处理方法及装置 | |
Nayak et al. | Optimal design of zero-phase digital Riesz FIR fractional-order differentiator | |
CN106228029B (zh) | 基于众包的量化问题求解方法和装置 | |
CN116597946B (zh) | 一种基于房-树-人的青少年心理健康检测方法 | |
CN109615140B (zh) | 一种预测行人运动的方法及装置 | |
CN116186561A (zh) | 基于高维时序图网络的跑步姿势识别纠正方法及系统 | |
CN113017634B (zh) | 情绪评估方法、装置、电子设备和计算机可读存储介质 | |
CN114795247A (zh) | 脑电信号分析方法、装置、电子设备和存储介质 | |
Turnip et al. | P300 detection using nonlinear independent component analysis | |
CN109697472B (zh) | 一种子情绪划归方法 | |
CN114521868B (zh) | 脉冲信号分类装置、可穿戴设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |