CN111522445A - 智能控制方法 - Google Patents
智能控制方法 Download PDFInfo
- Publication number
- CN111522445A CN111522445A CN202010343331.0A CN202010343331A CN111522445A CN 111522445 A CN111522445 A CN 111522445A CN 202010343331 A CN202010343331 A CN 202010343331A CN 111522445 A CN111522445 A CN 111522445A
- Authority
- CN
- China
- Prior art keywords
- signal
- processing
- controlled object
- response
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000004044 response Effects 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 210000003205 muscle Anatomy 0.000 claims description 37
- 210000004556 brain Anatomy 0.000 claims description 20
- 230000009471 action Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 240000007651 Rubus glaucus Species 0.000 description 4
- 235000011034 Rubus glaucus Nutrition 0.000 description 4
- 235000009122 Rubus idaeus Nutrition 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002496 gastric effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 241000726221 Gemma Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004898 kneading Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
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
-
- 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
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
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)
- Dermatology (AREA)
- Neurosurgery (AREA)
- Neurology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本公开的实施例公开了智能控制方法，包括：响应于获取到生物电学信号，对所述生物电学信号进行预处理；对预处理后的生物电学信号进行分析处理，得到控制被控对象的控制信号；发送所述预处理后的生物电学信号和被所述控制信号控制的被控对象的控制状态参数。从而有效利用了生物电信号，实现了对被控对象的高精度的控制。
Description
技术领域
本公开的实施例涉及自动控制技术领域，具体涉及智能控制方法。
背景技术
人工智能与控制技术的发展，对相关行业的科学研究成果产生了迫切需求，大力研究与开发自动控制与人工智能技术已成为时代热潮。
生物电信号作为一种新型的智能控制信号源，主要包括心电、脑电、肌电、胃电、视网膜电等，这些体表生物电信号通常能通过电极拾取，经适当的生物电放大器放大，记录而成为心电图、脑电图、肌电图、胃电图、视网膜电图等。研究结果表明，与肌电信号相比，脑电信号由于能够直接反映人的大脑意识活动，故此它在智能控制中更具有优越性，且是一个刚刚兴起的拟人化控制的有用信号。但是由于脑电波的破译工作非常复杂，因此当今脑电波并没有得到广泛的市场化应用，并多停留在医疗领域。
相关技术中，对被控对象的控制方式仍然是机器控制的方式，对被控对象的控制精度低。
发明内容
本公开的实施例提出了生物信号控制系统和控制装置。
第一方面，本公开的实施例提供了一种智能控制方法，该方法包括：响应于获取到生物电学信号，对生物电学信号进行预处理；对预处理后的生物电学信号进行分析处理，得到控制被控对象的控制信号；发送预处理后的生物电学信号和被控制信号控制的被控对象的控制状态参数。
在一些实施例中，响应于获取到生物电学信号，对生物电学信号进行预处理，包括：响应于获取到肌肉电信号，对所述肌肉电信号进行预处理；以及，响应于获取到脑电信号，对所述脑电信号进行预处理。
在一些实施例中，响应于获取到肌肉电信号，对所述肌肉电信号进行预处理，包括：
响应于获取到手臂肌肉电信号，求取手臂肌肉电信号绝对值的平均值，利用移动窗口法，确定手臂肌肉电信号的行动段；
响应于提取到所述行动段上的手臂肌肉电信号，确定手势信息；
对所述手势信息进行运算处理，得到手势信息的四元数。
在一些实施例中，响应于获取到脑电信号，对所述脑电信号进行预处理，包括：响应于获取到脑电信号，对所述脑电信号进行滤波处理、线性放大处理、模数转换处理。
在一些实施例中，对预处理后的生物电学信号进行分析处理，得到控制被控对象的控制信号，包括：对预处理后的肌肉电信号进行信号解析和逻辑判断，得到控制被控对象的控制信号；以及，对预处理后的脑电信号进行特征数据的提取，得到控制被控对象的控制信号。
在一些实施例中，发送预处理后的生物电学信号和被所述控制信号控制的被控对象的控制状态参数，包括：发送所述预处理后的脑电信号至上位机；以及发送被所述控制信号控制的被控对象的控制状态参数至上位机，其中所述控制状态参数用于表明被控对象的运动状态。
第二方面，本公开的实施例提供了一种设备，设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一实施例所述的方法。
第三方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如第一方面任一实施例所述的方法。
本公开的实施例提供的智能控制方法，包括：响应于获取到生物电学信号，对所述生物电学信号进行预处理；对预处理后的生物电学信号进行分析处理，得到控制被控对象的控制信号；发送所述预处理后的生物电学信号和被所述控制信号控制的被控对象的控制状态参数。从而有效利用了生物电信号，实现了对被控对象的高精度的控制。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是根据本公开的智能控制方法的一个实施例的流程图；
图2是本公开的实施例的智能控制方法的一个应用场景的示意图；
图3是根据本公开的实施例的智能控制方法的一个应用场景的另一示意图；
图4是根据本公开的实施例的智能控制方法的一个应用场景的示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
实施例一：
如图1，示出了根据本公开的智能控制方法的一个实施例的流程图。该方法包括：
步骤101，响应于获取到生物电学信号，对生物电学信号进行预处理
在本实施例一些可选的实现方式中，响应于获取到生物电学信号，对所述生物电学信号进行预处理，包括：响应于获取到肌肉电信号，对所述肌肉电信号进行预处理；以及响应于获取到脑电信号，对脑电信号进行预处理。
在本实施例中，可以通过采集装置获取生物电学信号，例如可以通过可穿戴式的肌肉信号传感器采集手臂的肌肉电信号，也可以通过接地耳夹和电极采集大脑的脑电信号。
备选的，采集肌肉电信号时，可以采用基于运动传感器与医疗级肌电传感器的gForce模块的电路进行采集，在采集脑电信号时，可以采用TGAM脑电波采集芯片进行采集。
在本实施例一些可选的实现方式中，响应于获取到肌肉电信号，对肌肉电信号进行预处理，包括：响应于获取到手臂肌肉电信号，求取手臂肌肉电信号绝对值的平均值，利用移动窗口法，确定手臂肌肉电信号的行动段；响应于提取到所述行动段上的手臂肌肉电信号，确定手势信息；对所述手势信息进行运算处理，得到手势信息的四元数。
在本实施例中，可以将手臂肌肉上的传感器各个通道的肌肉电信号汇总求其绝对值平均值，利用移动窗口法，取若干连续时间序列对应的信号强度求局域平均，若其后若干点的均值都超过一定阈值，则视为一个动作开始，反之若其后若干点的局域均值都小于阈值，则视为一个动作结束。再获取平均值起始点，并将对应时间点作用于原始信号上，对各个通道信号进行行动段提取，并将长度较小的部分过滤，过滤部分视为噪音。通过对各通道行动段求区间的平均值MAV，可以看出对于不同的动作，MAV值的区别明显，不同手势对应的实验波形具有明显的不同，可以作为特征向量对信号进行特征提取。
在本实施例中，佩戴在手臂上的传感器采集到了肌肉电信号，电信号经过特征提取算法得到了原始数据，通过内嵌的 ARM Cortex M4 FPU 浮点运算单元，进行数据的运算与处理，并以四元数(x,y,z,w)的形式记录与保存，参考图2，图2示出了一个智能控制方法的应用场景的示意图，通过对手臂肌肉电信号的预处理，可以识别如图2中的特定手势的识别（如g1握拳、g2伸掌、g3曲腕、g4伸腕、g5空捏和g6开枪手势）。
在本实施例一些可选的实现方式中，响应于获取到脑电信号，对所述脑电信号进行预处理，包括：响应于获取到脑电信号，对脑电信号进行滤波处理、线性放大处理、模数转换处理。
对脑电信号进行滤波处理、线性放大处理、模数转换处理后可以将大脑的意识抽象成电脑波形的原始数据，不同的频率对应不同类型的电脑波形，人类在进行思维活动时，大脑会不断产生生物电信号，这些自发的生物电信号的频率变动范围通常在0.1Hz-50Hz之间，根据其频率不同可划分为Delta波、Theta波、Alpha波、Beta波、Gemma波等多种类型，这些不同频率波段范围的脑电波对应了不同的精神状态。生物在进行思维活动时，大脑无时无刻不在产生脑电波，这些自发的生物电信号的频率变动范围对应着不同的精神状态。当安静放松时，脑电波的低频成分居多，高频成分少；当激动机警时，脑电波的高频成分居多，低频成分少。
步骤102，对预处理后的生物电学信号进行分析处理，得到控制被控对象的控制信号。
在本实施例一些可选的实现方式中，对预处理后的生物电学信号进行分析处理，得到控制被控对象的控制信号，包括：对预处理后的肌肉电信号进行信号解析和逻辑判断，得到控制被控对象的控制信号；以及，对预处理后的脑电信号进行特征数据的提取，得到控制被控对象的控制信号。还可以对预处理后的生物电学信号采用机器学习的方式得到控制信号，优化控制精度
以肌肉电信号为例，在对采集的肌肉电信号预处理后，可以将预处理的数据以无线的方式（例如蓝牙）发送至处理模块（例如树莓派）进一步对预处理的肌肉电信号进行解析与处理，并通过逻辑判断，得到特定的控制命令，并对被控对象进行控制。
参考图3，图3示出了智能控制方法的应用场景图，以脑电信号为例，在对采集的脑电信号预处理后（例如通过TGAM芯片进行预处理），可以将预处理的数据以无线的方式（例如蓝牙通信）发送至处理模块（例如树莓派），处理模块进一步对预处理的脑电信号（即原始脑电波数据中）提取特征数据，可以得到脑电信号的特征信息（例如脑电用于表明专注度、冥想度或眨眼识别等特征信息），该特征信息可以对被控对象进行控制。
步骤103，发送预处理后的生物电学信号和被控制信号控制的被控对象的控制状态参数。
在本实施例一些可选的实现方式中，发送预处理后的生物电学信号和被控制信号控制的被控对象的控制状态参数，包括：发送预处理后的脑电信号至上位机；以及发送被控制信号控制的被控对象的控制状态参数至上位机，其中控制状态参数用于表明被控对象的运动状态。
可以通过无线的方式（例如蓝牙HC05）向上位机发送预处理后脑电信号，在上位机中的交互界面中还原脑电波形。
参考图4，图4示出了本公开的实施例的智能控制方法的一个应用场景的另一示意图。
在本实施例中，可以通过脑电信号采集系统采集脑电信号以及通过肌电信号采集系统采集肌肉电信号；对脑电信号和肌电信号进行预处理，通过蓝牙模块将预处理后的生物电学信号发送至树莓派进行进一步处理，同时预处理后的脑电信号可以通过蓝牙模块发送至上位机中，在上位机的人机交互界面基于预处理后的脑电信号的数据显示脑电波，在树莓派对生物电学信号处理后，采用机器学习的方式对被控对象进行控制。
智能控制方法，包括：响应于获取到生物电学信号，对所述生物电学信号进行预处理；对预处理后的生物电学信号进行分析处理，得到控制被控对象的控制信号；发送所述预处理后的生物电学信号和被所述控制信号控制的被控对象的控制状态参数。从而有效利用了生物电信号，实现了对被控对象的高精度的控制。
实施例二：
一种设备，包括:一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如实施例一中的智能控制方法。
实施例三：
一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如实施例一中的方法。
上述实施例提供的方法、设备或者计算机可读介质可面向研究、教学等用途。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种智能控制方法，包括：
响应于获取到生物电学信号，对所述生物电学信号进行预处理；
对预处理后的生物电学信号进行分析处理，得到控制被控对象的控制信号；
发送所述预处理后的生物电学信号和被所述控制信号控制的被控对象的控制状态参数。
2.根据权利要求1所述的智能控制方法，其中，所述响应于获取到生物电学信号，对所述生物电学信号进行预处理，包括：
响应于获取到肌肉电信号，对所述肌肉电信号进行预处理；
以及，响应于获取到脑电信号，对所述脑电信号进行预处理。
3.根据权利要求2所述的智能控制方法，其中，所述响应于获取到肌肉电信号，对所述肌肉电信号进行预处理，包括：
响应于获取到手臂肌肉电信号，求取手臂肌肉电信号绝对值的平均值，利用移动窗口法，确定手臂肌肉电信号的行动段；
响应于提取到所述行动段上的手臂肌肉电信号，确定手势信息；
对所述手势信息进行运算处理，得到手势信息的四元数。
4.根据权利要求2所述的智能控制方法，其中，所述响应于获取到脑电信号，对所述脑电信号进行预处理，包括：
响应于获取到脑电信号，对所述脑电信号进行滤波处理、线性放大处理、模数转换处理。
5.根据权利要求1所述的智能控制方法，其中，对预处理后的生物电学信号进行分析处理，得到控制被控对象的控制信号，包括：
对预处理后的肌肉电信号进行信号解析和逻辑判断，得到控制被控对象的控制信号；
以及，对预处理后的脑电信号进行特征数据的提取，得到控制被控对象的控制信号。
6.根据权利要求1所述的智能控制方法，其中，发送所述预处理后的生物电学信号和被所述控制信号控制的被控对象的控制状态参数，包括：
发送所述预处理后的脑电信号至上位机；
以及发送被所述控制信号控制的被控对象的控制状态参数至上位机，其中所述控制状态参数用于表明被控对象的运动状态。
7.一种设备，包括:一个或多个处理器；存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
8.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010343331.0A CN111522445A (zh) | 2020-04-27 | 2020-04-27 | 智能控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010343331.0A CN111522445A (zh) | 2020-04-27 | 2020-04-27 | 智能控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111522445A true CN111522445A (zh) | 2020-08-11 |
Family
ID=71902778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010343331.0A Pending CN111522445A (zh) | 2020-04-27 | 2020-04-27 | 智能控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111522445A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004180817A (ja) * | 2002-12-02 | 2004-07-02 | National Institute Of Advanced Industrial & Technology | 生体信号を利用した作業支援マニピュレータシステム |
| US20050113744A1 (en) * | 2003-11-21 | 2005-05-26 | Cyberkinetics, Inc. | Agent delivery systems and related methods under control of biological electrical signals |
| US20120200497A1 (en) * | 2011-02-04 | 2012-08-09 | Invensense, Inc. | High fidelity remote contoller device for digital living room |
| US20160235323A1 (en) * | 2013-09-25 | 2016-08-18 | Mindmaze Sa | Physiological parameter measurement and feedback system |
| US20170161903A1 (en) * | 2015-12-03 | 2017-06-08 | Calay Venture S.á r.l. | Method and apparatus for gesture recognition |
| CN107510454A (zh) * | 2017-10-11 | 2017-12-26 | 兰州交通大学 | 基于多阶滤波的肌电信号采集装置及系统 |
| CN107961120A (zh) * | 2017-12-08 | 2018-04-27 | 中国电子科技集团公司第二十七研究所 | 一种基于脑电控制的智能轮椅控制系统 |
| WO2018094720A1 (zh) * | 2016-11-24 | 2018-05-31 | 浙江大学 | 基于临床脑电信号控制机械手运动的脑机接口系统及其应用 |
| CN109453509A (zh) * | 2018-11-07 | 2019-03-12 | 龚映清 | 一种基于肌电和运动捕捉的虚拟上肢控制系统及其方法 |
| US20190219997A1 (en) * | 2018-01-12 | 2019-07-18 | Superior Marine Products Llc | Gesturing for control input for a vehicle |
| CN110956701A (zh) * | 2019-10-24 | 2020-04-03 | 中国人民解放军军事科学院国防科技创新研究院 | 生活辅助系统及生活辅助方法 |
-
2020
- 2020-04-27 CN CN202010343331.0A patent/CN111522445A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004180817A (ja) * | 2002-12-02 | 2004-07-02 | National Institute Of Advanced Industrial & Technology | 生体信号を利用した作業支援マニピュレータシステム |
| US20050113744A1 (en) * | 2003-11-21 | 2005-05-26 | Cyberkinetics, Inc. | Agent delivery systems and related methods under control of biological electrical signals |
| US20120200497A1 (en) * | 2011-02-04 | 2012-08-09 | Invensense, Inc. | High fidelity remote contoller device for digital living room |
| US20160235323A1 (en) * | 2013-09-25 | 2016-08-18 | Mindmaze Sa | Physiological parameter measurement and feedback system |
| US20170161903A1 (en) * | 2015-12-03 | 2017-06-08 | Calay Venture S.á r.l. | Method and apparatus for gesture recognition |
| WO2018094720A1 (zh) * | 2016-11-24 | 2018-05-31 | 浙江大学 | 基于临床脑电信号控制机械手运动的脑机接口系统及其应用 |
| CN107510454A (zh) * | 2017-10-11 | 2017-12-26 | 兰州交通大学 | 基于多阶滤波的肌电信号采集装置及系统 |
| CN107961120A (zh) * | 2017-12-08 | 2018-04-27 | 中国电子科技集团公司第二十七研究所 | 一种基于脑电控制的智能轮椅控制系统 |
| US20190219997A1 (en) * | 2018-01-12 | 2019-07-18 | Superior Marine Products Llc | Gesturing for control input for a vehicle |
| CN109453509A (zh) * | 2018-11-07 | 2019-03-12 | 龚映清 | 一种基于肌电和运动捕捉的虚拟上肢控制系统及其方法 |
| CN110956701A (zh) * | 2019-10-24 | 2020-04-03 | 中国人民解放军军事科学院国防科技创新研究院 | 生活辅助系统及生活辅助方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘岚馨: "基于可穿戴设备的多传感器手势设计与识别方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rodríguez-Tapia et al. | Myoelectric interfaces and related applications: current state of EMG signal processing–a systematic review | |
| Elsayed et al. | Brain computer interface: EEG signal preprocessing issues and solutions | |
| Wei et al. | A real-time wearable emotion detection headband based on EEG measurement | |
| CN105361880B (zh) | 肌肉运动事件的识别系统及其方法 | |
| Jiang et al. | IoT-based remote facial expression monitoring system with sEMG signal | |
| Huang et al. | A review of electroencephalogram signal processing methods for brain-controlled robots | |
| CN106618562A (zh) | 一种可穿戴的癫痫脑电发作脑区定位装置及定位方法 | |
| CN107212883B (zh) | 一种基于脑电控制的机械臂写字装置及控制方法 | |
| CN109044280A (zh) | 一种睡眠分期方法及相关设备 | |
| Gjoreski et al. | An inter-domain study for arousal recognition from physiological signals | |
| CN117918863A (zh) | 一种脑电信号实时伪迹处理与特征提取的方法和系统 | |
| Yosi et al. | Emotion recognition using electroencephalogram signal | |
| CN106843509B (zh) | 一种脑机接口系统 | |
| CN111522445A (zh) | 智能控制方法 | |
| KR101034875B1 (ko) | 뇌파의 패턴을 이용한 의사 추론 방법 | |
| Limchesing et al. | A review on recent applications of EEG-based BCI in wheelchairs and other assistive devices | |
| Gaurav et al. | Entropy based EEG irregularity quantification in single-channel SSVEP-based BCIS | |
| CN114237383B (zh) | 基于前额单导联脑电信号的多状态识别方法 | |
| RU2661756C2 (ru) | Устройство мозг-машинного интерфейса для дистанционного управления экзоскелетными конструкциями | |
| Bandara et al. | Differentiation of signals generated by eye blinks and mouth clenching in a portable brain computer interface system | |
| CN108537200B (zh) | 一种用于通过动作识别选择性地收集脑电图数据的装置及方法 | |
| CN204158401U (zh) | 脑认知及心理状态检测装置 | |
| CN114936574A (zh) | 一种基于bci的高灵活度机械手系统及其实现方法 | |
| CN211906218U (zh) | 生物信号控制系统、装置和可穿戴设备 | |
| Kumar et al. | Advances in non-invasive EEG-based brain-computer interfaces: Signal acquisition, processing, emerging approaches, and applications |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200811 |