CN111487988B - 基于稳态视觉诱发电位脑-机接口的脑控无人机方法 - Google Patents
基于稳态视觉诱发电位脑-机接口的脑控无人机方法 Download PDFInfo
- Publication number
- CN111487988B CN111487988B CN202010140554.7A CN202010140554A CN111487988B CN 111487988 B CN111487988 B CN 111487988B CN 202010140554 A CN202010140554 A CN 202010140554A CN 111487988 B CN111487988 B CN 111487988B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- brain
- instruction
- control
- 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.)
- Active
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000000007 visual effect Effects 0.000 title claims abstract description 11
- 230000000763 evoking effect Effects 0.000 title claims abstract description 9
- 230000000638 stimulation Effects 0.000 claims abstract description 37
- 239000013598 vector Substances 0.000 claims abstract description 33
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 238000000537 electroencephalography Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000008904 neural response Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
- 230000004400 visual pathway Effects 0.000 description 1
- 210000000239 visual pathway Anatomy 0.000 description 1
Images
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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Neurosurgery (AREA)
- Neurology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Dermatology (AREA)
- Biomedical Technology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于稳态视觉诱发电位脑‑机接口的脑控无人机方法,包括:构建SSVEP刺激界面设置一个“Keep”指令置于刺激界面中心,用于保持无人机飞行状态,起到“伪异步”的控制效果,当刺激界面工作在在线模式时,时长为Δt的SSVEP刺激片段将连续闪烁,直至用户操控无人机过程结束;EEG数据模块基于任务相关成分分析和线性判别模型的滑动时间窗方法对采集到的Δt时长的脑电信号进行处理,将分类结果映射到不同的无人机飞行控制指令向量;无人机飞行控制模块将m+1个EEG数据模块输出的控制指令向量进行融合,将融合后的指令向量传输给无人机,实现无人机的飞行控制。本发明利用脑机接口对无人机实现灵活、稳定及鲁棒的控制,使用者对无人机控制时不再依赖双手。
Description
技术领域
本发明涉及脑控无人机领域,尤其涉及一种基于稳态视觉诱发电位脑-机接口的脑控无人机方法。
背景技术
脑-机接口(brain-computer interface,BCI)是指不依赖于外周神经和肌肉,在人脑和外部设备之间建立起直接交流的通路。其为那些身体残疾但又有着完整意识的人,提供了一种与外部世界交流的有效入境。近年来,非侵入式头皮脑电图(electroencephalography,EEG))由于其相对较低的硬件费用和较高的时间分辨率被广泛用在脑-机接口系统中。最常用的脑控信号有P300,感觉运动节律(sensorimotor rhythm,SMR)和稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)。SSVEP是对重复性视觉刺激的周期性神经反应,它在视觉皮层中以闪烁频率及其谐波出现。当前,基于SSVEP的脑-机接口已达到较高的信息传输速率(information transfer rate,ITR),并且是最快的脑机接口范式。
脑-机接口技术的发展促使研究人员利用其开发基于脑机接口的实时机器人系统,包括脑控轮椅、外骨骼以及针对健康或残疾人的辅助系统。无人机因其便捷灵活,价格低廉安全可控性强等特点,在军事和民用领域得到了广泛应用。目前,无人机的控制形式以手动遥控模式为主,因此使用者的双手将被持续占用,无法同步进行其他工作。利用脑-机接口控制无人机,使得使用者在操控无人机的过程中解放双手,为实现多任务处理的工作提供了前提保障。
目前已有的脑控无人机技术主要依赖于运动想象脑机接口,虽然用户可以利用脑机接口实现对无人机的控制,但仍然存在诸多限制:
1、无人机飞行控制指令较少,操控不够灵活;2、脑机接口信息传输速率较低,无法实现精确实时控制;3、多数研究从第三视角控制无人机,缺乏沉浸体验。
发明内容
本发明提供了一种基于稳态视觉诱发电位脑-机接口的脑控无人机方法,本发明为实现利用脑机接口对无人机实现灵活、稳定及鲁棒的控制,使得使用者对无人机控制时不再依赖其双手,详见下文描述:
一种基于稳态视觉诱发电位脑-机接口的脑控无人机方法,所述方法包括:
构建SSVEP刺激界面:设置一个“Keep”指令置于刺激界面中心,用于保持无人机飞行状态,起到“伪异步”的控制效果,当刺激界面工作在在线模式时,时长为Δt的SSVEP刺激片段将连续闪烁,直至用户操控无人机过程结束;
EEG数据模块:基于任务相关成分分析和线性判别模型的滑动时间窗方法对采集到的Δt时长的脑电信号进行处理,同时将分类结果映射到不同的无人机飞行控制指令向量;
无人机飞行控制模块:将m+1个EEG数据模块输出的控制指令向量进行融合,将融合后的指令向量传输给无人机,实现无人机的飞行控制。
其中,所述方法还包括:当刺激界面工作在离线模式时,
每个试次,在开始时都会提供时长为trest提示和视线转移时间;P个连续的Δt的SSVEP闪烁片段依次呈现,SSVEP刺激的闪烁以正弦编码方式采样;在每个闪烁段之前,将刺激开始时刻记录在与脑电数据同步的刺激通道上。
进一步地,所述将m+1个EEG数据模块输出的控制指令向量进行融合具体为:
EEG数据模块每更新一次指令,最近的m+1个向量被叠加一次,无人机控制向量随即更新,同时向无人机发送一次控制向量,直到无人机降落为止;
在收到“Keep”指令时,控制向量不变,收到“Hover”指令时,控制向量所有通道清零,无人机悬停。
无人机飞行状态的表达式为:
其中,FS表示当前四通道的飞行状态;η表示单位速度;Vi表示飞行控制向量,i为接收EEG数据模块指令的序号。
本发明提供的技术方案的有益效果是:
1、相较于已有发明,本发明极大的提高了脑控无人机系统的灵活性、稳定性和鲁棒性;
2、本发明在军事和民用领域均有广泛的应用前景,在军事领域,作战人员可利用该系统实现人脑对无人机的控制,从而解放双手,满足多任务作战需求;
3、在民用领域,本发明可以起到残疾人(如上肢残疾,中风,瘫痪等)的生活辅助效果,脑控无人机可以帮助其实现室内巡视、小件物品递送等。
附图说明
图1为不同模块间的关系图;
图2为一种可能的刺激界面频率、相位和控制指令对应关系图;
图3为脑控无人机数据处理示意图;
图4为控制无人机从三个不同的点起飞的实验任务示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
本发明设计了一种新颖的SSVEP刺激界面,该界面包括N个连续闪烁的刺激方块,对应N种不同的飞行指令,该刺激界面中还嵌入了无人机摄像机的回传视频流,用户可利用其实现第一视角控制。
其中,将状态保持指令“Keep”置于视野中间位置,用户在不需要调整无人机飞行状态时可注视该指令,以方便用户在观察无人机回传视频画面。然后,针对该刺激界面,本发明提出了一种SSVEP在线分析算法,在线工作状态下,脑-机接口的每Δt更新输出指令。最后,利用最近的四个指令,通过飞行控制向量,确定无人机的飞行状态。
本发明包括三个模块:1)SSVEP刺激界面;2)EEG数据模块;3)无人机飞行控制模块,模块间的关系如图1所示:
1、SSVEP刺激界面:
SSVEP刺激界面包括N个刺激方块,对应于N种不同的飞行控制指令。刺激方块的闪烁频率取值应大于6Hz,一种典型的SSVEP刺激界面实现如图2所示。本刺激界面设置了一个“Keep”指令置于刺激界面中心,使得使用者在利用该刺激界面控制无人机时,可利用该指令保持无人机飞行状态,起到“伪异步”控制的效果。
该刺激界面有两种模式:离线模式和在线模式。离线模式被用来建立用户的特异性模型,离线模式下,对于每个试次,在开始时都会提供时长为trest提示和视线转移时间。随后,P个连续的Δt的SSVEP闪烁片段依次呈现,SSVEP刺激的闪烁以正弦编码方式采样。在每个闪烁段之前,将事件触发(即刺激开始)时刻记录在与脑电数据同步的事件通道上。在线模式下,时长为Δt的SSVEP刺激片段将连续闪烁,直至用户操控无人机过程结束。
传统的SSVEP刺激界面遵循提示(休息)-刺激的模式,因此使用者仅能够在刺激的时间段内对无人机进行控制,而该刺激界面中,刺激将连续闪烁,直至用户操控无人机的过程结束,这极大的增加了用户对无人机控制的灵活度,使得用户能够在任意时间内对无人机进行控制。
其中,上述建立用户的特异性模型的步骤为本领域技术人员所公知,本发明实施例对此不做赘述。
2、EEG数据模块
EEG数据模块包括:预处理和数据分析两个部分。预处理包括:脑电数据截取,降采样,陷波和滤波。考虑到视觉通路的延迟,单个数据段从刺激起始时刻后0.14s开始截取,到刺激起始时刻后Δt+0.14s结束。截取后的数据段被降采样至合理采样率。为降低工频干扰,利用50Hz陷波器对数据进行陷波处理。最后为方便提取SSVEP特征,利用带通滤波器对所有数据段进行滤波处理。
数据分析基于任务相关成分分析(task-related component analysis,TRCA)和线性判别模型展开(linear discriminant analysis,LDA)。离线模式下采集到的数据被用于生成基于TRCA的平均模板和空间滤波器。由于在线实验中,每个试次的数据长度都较短,这里采用滑动窗口策略确保输出结果的准确性。每个滑动窗口覆盖了S个连续的EEG数据段,每段数据经过TRCA分类器得到决策值,并且将所得决策值相加。所有决策值中的最大值对应的刺激目标被判定为该滑动窗口下输出的控制指令。LDA分类器被用于判定决策指令的可信度。为训练LDA分类器,离线数据通过留一法交叉验证后的得到的正确样本及错误样本的最大和次大决策值,并分别被标记为True,False,作为LDA分类器训练集。决策指令对应的最大和次大决策值将被输入LDA分类器。若LDA分类器判定为True,则输出该决策结果,若输出为False,则不输出。脑电数据分析流程图如图3所示,(a)表示LDA分类器训练流程,(b)表示TRCA分类器的原理图,(c)表示脑控无人机系统数据流程图。
3、无人机飞行控制模块
无人机飞行控制模块起到对EEG数据模块输出指令的数据缓存及处理功能。为增强无人机飞行的鲁棒性,即防止无人机由于某个或某几个与用户控制意图不符的指令而影响飞行安全及控制精度,该模块将m+1个EEG数据模块输出的指令通过一定的方式进行融合,并决定当前时刻的无人机飞行状态,具体过程如下:
无人机飞行状态由一个四通道的飞行控制向量决定,而飞行控制向量由最近的连续m+1个脑-机接口输出指令确定,即当前指令和前m个指令。无人机飞行状态的四个通道分别对应无人机在的水平、前后、上下和轴旋转的速度。每收到一个指令,该指令将被转化为一个四通道向量,对应通道数值将被置为1或-1,其他通道为0。例如,收到“Forward”指令,该指令将被转化为(0,1,0,0),而当收到“back”指令,则被转化为(0,-1,0,0)。
从无人机起飞开始,EEG数据模块每更新一次指令,最近的m+1个向量被叠加一次,无人机控制向量随即更新,同时向无人机发送一次控制向量,直到无人机降落为止。在收到“Keep”指令时,控制向量不变,收到“Hover”指令时,控制向量所有通道清零,无人机悬停,无人机飞行状态的表达式为:
其中,FS表示当前四通道的飞行状态;η表示单位速度;Vi表示飞行控制向量,i为当前脑-机接口指令接收序号。
下面结合具体的实验来验证本方法的可行性,详见下文描述:
参见图4,该实验要求用利用该系统(脑控)控制无人机从三个不同的点起飞,并通过一个0.6m直径的圆环,最后应降落在一个0.6m直径的圆环内。分别记录从不同起飞点到终点间所消耗的时间。同时记录用户使用键盘(手控)完成相同任务所消耗的时间。参与该实验的三位用户均未曾使用过该系统,结果记录如下:
表1 不同用户脑控无人机和手控无人机实验结果比较
由表1可知,脑控和手控的比值从1.34-3.15,均值为1.97,使用脑控完成任务的尝试次数均值为2,使用手控完成任务尝试次数均值为1.3,考虑到手控时,用户同时可以同时输出多个指令,因此证明该系统具有较优越的无人机飞行控制性能。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于稳态视觉诱发电位脑-机接口的脑控无人机方法,其特征在于,所述方法包括:
构建SSVEP刺激界面:设置一个“Keep”指令置于刺激界面中心,用于保持无人机飞行状态,起到“伪异步”的控制效果,当刺激界面工作在在线模式时,时长为Δt的SSVEP刺激片段将连续闪烁,直至用户操控无人机过程结束;
EEG数据模块:基于任务相关成分分析和线性判别模型的滑动时间窗方法对采集到的Δt时长的脑电信号进行处理,同时将分类结果映射到不同的无人机飞行控制指令向量;
无人机飞行控制模块:将m+1个EEG数据模块输出的控制指令向量进行融合,将融合后的指令向量传输给无人机,实现无人机的飞行控制;
所述将m+1个EEG数据模块输出的控制指令向量进行融合具体为:
EEG数据模块每更新一次指令,最近的m+1个向量被叠加一次,无人机控制向量随即更新,同时向无人机发送一次控制向量,直到无人机降落为止;
在收到“Keep”指令时,控制向量不变,收到“Hover”指令时,控制向量所有通道清零,无人机悬停;
其中,FS表示当前四通道的飞行状态;η表示单位速度;Vi表示飞行控制向量,i为接收EEG数据模块指令的序号。
2.根据权利要求1所述的一种基于稳态视觉诱发电位脑-机接口的脑控无人机方法,其特征在于,所述方法还包括:当刺激界面工作在离线模式时,
每个试次,在开始时都会提供时长为trest提示和视线转移时间;P个连续的Δt的SSVEP闪烁片段依次呈现,SSVEP刺激的闪烁以正弦编码方式采样;在每个闪烁段之前,将刺激开始时刻记录在与脑电数据同步的刺激通道上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010140554.7A CN111487988B (zh) | 2020-03-03 | 2020-03-03 | 基于稳态视觉诱发电位脑-机接口的脑控无人机方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010140554.7A CN111487988B (zh) | 2020-03-03 | 2020-03-03 | 基于稳态视觉诱发电位脑-机接口的脑控无人机方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111487988A CN111487988A (zh) | 2020-08-04 |
CN111487988B true CN111487988B (zh) | 2022-04-15 |
Family
ID=71811599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010140554.7A Active CN111487988B (zh) | 2020-03-03 | 2020-03-03 | 基于稳态视觉诱发电位脑-机接口的脑控无人机方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111487988B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112230767B (zh) * | 2020-09-30 | 2023-04-07 | 深圳睿瀚医疗科技有限公司 | 基于ssmvep-erp-osr混合脑机接口驱动的轮椅控制方法 |
CN112975982B (zh) * | 2021-03-16 | 2021-11-09 | 北京理工大学 | 一种基于脑机融合的空地协同多机器人系统 |
CN114305456B (zh) * | 2021-12-29 | 2024-05-03 | 杭州电子科技大学 | 一种基于稳态视觉诱发电位脑电信号的通道选择方法 |
CN114504319B (zh) * | 2022-01-30 | 2023-10-31 | 天津大学 | 一种基于脑控无人机高度反馈的注意力监测系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866775A (zh) * | 2012-09-04 | 2013-01-09 | 同济大学 | 基于多模式融合的脑机接口控制系统及方法 |
CN107211591B (zh) * | 2010-01-25 | 2013-10-16 | 西北工业大学 | 基于fpga的多传感器信息融合方法 |
CN103399627A (zh) * | 2012-12-14 | 2013-11-20 | 天津大学 | 基于变频闪烁刺激的脑-机接口范式 |
CN104503580A (zh) * | 2014-12-25 | 2015-04-08 | 天津大学 | 一种对稳态视觉诱发电位脑-机接口目标的识别方法 |
CN105105774A (zh) * | 2015-10-09 | 2015-12-02 | 吉林大学 | 基于脑电信息的驾驶人警觉度监测方法及监测系统 |
CN105549743A (zh) * | 2016-01-18 | 2016-05-04 | 中国医学科学院生物医学工程研究所 | 一种基于脑-机接口的机器人系统及实现方法 |
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 |
CN106621287A (zh) * | 2017-02-07 | 2017-05-10 | 西安交通大学 | 一种基于脑机接口与虚拟现实技术的上肢康复训练方法 |
CN206249101U (zh) * | 2016-11-07 | 2017-06-13 | 东南大学 | 基于稳态视觉诱发电位的无人机操控装置 |
CN107037889A (zh) * | 2017-03-06 | 2017-08-11 | 南昌大学 | 一种基于视觉脑机接口的自然书写字符输入方法及系统 |
CN107037883A (zh) * | 2017-04-13 | 2017-08-11 | 安徽大学 | 一种基于运动想象的混合脑机接口系统及方法 |
CN107168346A (zh) * | 2017-04-28 | 2017-09-15 | 上海交通大学 | 一种基于可穿戴显示器的异步式脑控无人机系统 |
CN107656612A (zh) * | 2017-09-06 | 2018-02-02 | 天津大学 | 基于p300‑ssvep的大指令集脑‑机接口方法 |
CN108415565A (zh) * | 2018-02-25 | 2018-08-17 | 西北工业大学 | 无人机脑机一体化智能控制方法与技术 |
CN109498368A (zh) * | 2018-12-14 | 2019-03-22 | 广西科技大学 | 一种外骨骼康复机器人控制系统 |
-
2020
- 2020-03-03 CN CN202010140554.7A patent/CN111487988B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107211591B (zh) * | 2010-01-25 | 2013-10-16 | 西北工业大学 | 基于fpga的多传感器信息融合方法 |
CN102866775A (zh) * | 2012-09-04 | 2013-01-09 | 同济大学 | 基于多模式融合的脑机接口控制系统及方法 |
CN103399627A (zh) * | 2012-12-14 | 2013-11-20 | 天津大学 | 基于变频闪烁刺激的脑-机接口范式 |
CN104503580A (zh) * | 2014-12-25 | 2015-04-08 | 天津大学 | 一种对稳态视觉诱发电位脑-机接口目标的识别方法 |
CN105105774A (zh) * | 2015-10-09 | 2015-12-02 | 吉林大学 | 基于脑电信息的驾驶人警觉度监测方法及监测系统 |
CN105549743A (zh) * | 2016-01-18 | 2016-05-04 | 中国医学科学院生物医学工程研究所 | 一种基于脑-机接口的机器人系统及实现方法 |
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 |
CN206249101U (zh) * | 2016-11-07 | 2017-06-13 | 东南大学 | 基于稳态视觉诱发电位的无人机操控装置 |
CN106621287A (zh) * | 2017-02-07 | 2017-05-10 | 西安交通大学 | 一种基于脑机接口与虚拟现实技术的上肢康复训练方法 |
CN107037889A (zh) * | 2017-03-06 | 2017-08-11 | 南昌大学 | 一种基于视觉脑机接口的自然书写字符输入方法及系统 |
CN107037883A (zh) * | 2017-04-13 | 2017-08-11 | 安徽大学 | 一种基于运动想象的混合脑机接口系统及方法 |
CN107168346A (zh) * | 2017-04-28 | 2017-09-15 | 上海交通大学 | 一种基于可穿戴显示器的异步式脑控无人机系统 |
CN107656612A (zh) * | 2017-09-06 | 2018-02-02 | 天津大学 | 基于p300‑ssvep的大指令集脑‑机接口方法 |
CN108415565A (zh) * | 2018-02-25 | 2018-08-17 | 西北工业大学 | 无人机脑机一体化智能控制方法与技术 |
CN109498368A (zh) * | 2018-12-14 | 2019-03-22 | 广西科技大学 | 一种外骨骼康复机器人控制系统 |
Non-Patent Citations (1)
Title |
---|
Enhancing Detection of SSVEPs for a High-Speed Brain Speller;Masaki Nakanishi 等;《IEEE Transactions on Biomedical Engineering》;20181231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111487988A (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111487988B (zh) | 基于稳态视觉诱发电位脑-机接口的脑控无人机方法 | |
Wang et al. | A wearable SSVEP-based BCI system for quadcopter control using head-mounted device | |
Yu et al. | Self-paced operation of a wheelchair based on a hybrid brain-computer interface combining motor imagery and P300 potential | |
Felzer et al. | HaWCoS: the" hands-free" wheelchair control system | |
CN107957783B (zh) | 一种基于脑电与肌电信息的多模式智能控制系统及方法 | |
CN104799984B (zh) | 基于脑控移动眼的残疾人辅助系统及其控制方法 | |
WO2019001360A1 (zh) | 一种基于视觉刺激的人机交互方法 | |
CN110824979B (zh) | 一种无人设备控制系统和方法 | |
CN103349595A (zh) | 基于多模式分层控制的脑机接口智能轮椅 | |
Wang et al. | Human-centered, ergonomic wearable device with computer vision augmented intelligence for VR multimodal human-smart home object interaction | |
Li et al. | Hybrid brain/muscle-actuated control of an intelligent wheelchair | |
CN206162388U (zh) | 一种脑机交互穿戴系统 | |
Duan et al. | Shared control of a brain-actuated intelligent wheelchair | |
CN112114662A (zh) | 一种现实增强的自适应动态多场景诱发脑控方法 | |
Zhang et al. | Study on robot grasping system of SSVEP-BCI based on augmented reality stimulus | |
CN108509040A (zh) | 基于多维信号处理和自适应学习的混合脑机接口系统 | |
Millán et al. | Non-invasive brain-actuated control of a mobile robot | |
CN110716578A (zh) | 一种基于混合型脑机接口的飞行器控制系统及其控制方法 | |
Taher et al. | EEG control of an electric wheelchair for disabled persons | |
Zhao et al. | On the improvement of classifying EEG recordings using neural networks | |
Mei et al. | Using SSVEP-BCI to continuous control a quadcopter with 4-DOF motions | |
Deng et al. | A VR-based BCI interactive system for UAV swarm control | |
Jeong et al. | Design of a brain-controlled robot arm system based on upper-limb movement imagery | |
CN106974780B (zh) | 基于差分航姿的智能轮椅控制方法 | |
Wang et al. | A Human‐Machine Interface Based on an EOG and a Gyroscope for Humanoid Robot Control and Its Application to Home Services |
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 |