CN114527867A - 一种融合眼位信息的无人机脑机辅助控制方法及设备 - Google Patents
一种融合眼位信息的无人机脑机辅助控制方法及设备 Download PDFInfo
- Publication number
- CN114527867A CN114527867A CN202111371935.7A CN202111371935A CN114527867A CN 114527867 A CN114527867 A CN 114527867A CN 202111371935 A CN202111371935 A CN 202111371935A CN 114527867 A CN114527867 A CN 114527867A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- brain
- eyeball
- visual
- 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 30
- 230000000007 visual effect Effects 0.000 claims abstract description 61
- 210000005252 bulbus oculi Anatomy 0.000 claims abstract description 54
- 210000004556 brain Anatomy 0.000 claims abstract description 37
- 210000001508 eye Anatomy 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000000638 stimulation Effects 0.000 claims abstract description 11
- 230000014759 maintenance of location Effects 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012880 independent component analysis Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 230000002269 spontaneous effect Effects 0.000 description 3
- 230000007177 brain activity Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000763 evoking effect Effects 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009155 sensory pathway Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- 230000002747 voluntary effect Effects 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06F3/013—Eye tracking input arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Dermatology (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本申请属于人机交互领域，特别涉及一种融合眼位信息的无人机脑机辅助控制方法及设备。方法包括：根据监控的脑电波生成多通道脑电波数据，并根据多通道脑电波数据获取EEG信号中视觉通道特征信息；根据监控的眼球运动生成眼球运动数据，以及根据监控的眼球注意力停留时间生成眼球停留数据；获取各个无人机任务流程对应的辅助决策，并通过配置辅助决策的接口实现对脑电仪模块不同频率的视觉刺激以及对眼动仪模块界面的自适应显示；对EEG信号中视觉通道特征信息进行处理，获取大脑注意力提取到的视觉频率特征，并与眼球运动数据以及眼球停留数据进行综合，获取操作员的意图；将操作员的意图转换成无人机飞行与任务控制指令。
Description
技术领域
本申请属于人机交互领域，特别涉及一种融合眼位信息的无人机脑机辅助控制方法及设备。
背景技术
脑机接口(BCI)控制指令由大脑活动信号中携带的不同特征模式产生，因此选择合理的EEG特征产生方式对于BCI的控制性能有着直接影响。根据EEG信号特征产生方式的不同，目前BCI技术可分为自发式和诱发式两种类型。在自发式BCI技术中，EEG特征通过被试主动执行特定的大脑意识活动即可产生，不依赖外部刺激。目前可用的自发意识活动包括运动想象MI、心算、集中注意力等。基于自发式BCI的脑机交互控制需要被试者经过长时间的训练，对脑部活性和信息检出解析能力都有极为严格的要求，在无人机人机交互方面使用这种方法不识别率和误识别率较高，合格的被试者经过训练能够达到80％。相对的，诱发式BCI技术需要通过外部刺激产生相应的EEG特征。外部刺激可以多种多样，比如明暗闪烁、物体移动、某种声音等多种预先定义的刺激事件，可以从视觉、听觉、触觉等感觉通路对被试施加刺激。单长时间刺激会导致生理疲劳，同时会破坏无人机显控界面友好性。
眼位信息采集通常作为无人机人机工效评估的某一指标，用来评估显控设计和用户工效，在交互控制方面需要对眼位信息进行驻留时间评估，来确定用户的明确意图，通常设计时延在3-5s不等，交互上效率不高。
因此，希望有一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。
发明内容
本申请的目的是提供了一种融合眼位信息的无人机脑机辅助控制方法及设备，以解决现有技术存在的至少一个问题。
本申请的技术方案是：
本申请的第一个方面提供了一种融合眼位信息的无人机脑机辅助控制方法，包括：
监控脑电波，并根据监控的脑电波生成多通道脑电波数据，并根据多通道脑电波数据获取EEG信号中视觉通道特征信息；
监控眼球运动，并根据监控的眼球运动生成眼球运动数据，以及用于监控眼球注意力停留时间，并根据监控的眼球注意力停留时间生成眼球停留数据；
获取各个无人机任务流程对应的辅助决策，并通过配置辅助决策的接口实现对所述脑电仪模块不同频率的视觉刺激以及对眼动仪模块界面的自适应显示；
对所述EEG信号中视觉通道特征信息进行处理，获取大脑注意力提取到的视觉频率特征，并与所述眼球运动数据以及所述眼球停留数据进行综合，获取操作员的意图；
将所述操作员的意图转换成无人机飞行与任务控制指令，并将所述无人机飞行与任务控制指令发送给无人机指控控制系统。
在本申请的至少一个实施例中，所述辅助决策包括战术辅助决策、操作辅助决策以及特情处置辅助决策。
在本申请的至少一个实施例中，对所述EEG信号中视觉通道特征信息进行处理包括预处理、特征提取以及分类。
在本申请的至少一个实施例中，对所述EEG信号中视觉通道特征信息进行预处理采用独立分量分析法以及带通滤波法。
在本申请的至少一个实施例中，对所述EEG信号中视觉通道特征信息进行特征提取采用主成分分析法。
本申请的第二个方面提供了一种融合眼位信息的无人机脑机辅助控制设备，包括：
脑电仪模块，用于监控脑电波，并根据监控的脑电波生成多通道脑电波数据，并根据多通道脑电波数据获取EEG信号中视觉通道特征信息；
眼动仪模块，用于监控眼球运动，并根据监控的眼球运动生成眼球运动数据，以及用于监控眼球注意力停留时间，并根据监控的眼球注意力停留时间生成眼球停留数据；
无人机辅助控制决策模块，用于获取各个无人机任务流程对应的辅助决策，并通过配置辅助决策的接口实现对所述脑电仪模块不同频率的视觉刺激以及对眼动仪模块界面的自适应显示；
脑眼数据融合模块，用于对所述EEG信号中视觉通道特征信息进行处理，获取大脑注意力提取到的视觉频率特征，并与所述眼球运动数据以及所述眼球停留数据进行综合，获取操作员的意图；
无人机控制指令生成与发送模块，用于将所述操作员的意图转换成无人机飞行与任务控制指令，并将所述无人机飞行与任务控制指令发送给无人机指控控制系统。
在本申请的至少一个实施例中，所述辅助决策包括战术辅助决策、操作辅助决策以及特情处置辅助决策。
在本申请的至少一个实施例中，对所述EEG信号中视觉通道特征信息进行处理包括预处理、特征提取以及分类。
在本申请的至少一个实施例中，对所述EEG信号中视觉通道特征信息进行预处理采用独立分量分析法以及带通滤波法。
在本申请的至少一个实施例中，对所述EEG信号中视觉通道特征信息进行特征提取采用主成分分析法。
发明至少存在以下有益技术效果：
本申请的融合眼位信息的无人机脑机辅助控制方法，将脑机接口中采集的EEG视觉通道信息进行处理和识别，获取大脑注意力提取到的视觉频率特征，并与眼位信息进行再次综合，获取操作员准确的意图，经过在半物理仿真中进行应用验证，识别处理时延控制在150ms，准确率达到95％以上。
附图说明
图1是本申请一个实施方式的融合眼位信息的无人机脑机辅助控制设备架构图；
图2是本申请一个实施方式的数据处理软件相关网络通信配置示意图；
图3是本申请一个实施方式的脑电仪视觉通道信号阻抗值显示示意图；
图4是本申请一个实施方式的脑电波数据显示示意图；
图5是本申请一个实施方式的选择指令界面。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。
在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制。
下面结合附图1至图5对本申请做进一步详细说明。
本申请的第一个方面提供了一种融合眼位信息的无人机脑机辅助控制方法，包括以下步骤：
监控脑电波，并根据监控的脑电波生成多通道脑电波数据，并根据多通道脑电波数据获取EEG信号中视觉通道特征信息；
监控眼球运动，并根据监控的眼球运动生成眼球运动数据，以及用于监控眼球注意力停留时间，并根据监控的眼球注意力停留时间生成眼球停留数据；
获取各个无人机任务流程对应的辅助决策，并通过配置辅助决策的接口实现对脑电仪模块不同频率的视觉刺激以及对眼动仪模块界面的自适应显示；
对EEG信号中视觉通道特征信息进行处理，获取大脑注意力提取到的视觉频率特征，并与眼球运动数据以及眼球停留数据进行综合，获取操作员的意图；
将操作员的意图转换成无人机飞行与任务控制指令，并将无人机飞行与任务控制指令发送给无人机指控控制系统。
在本申请的一个优选实施例中，辅助决策包括战术辅助决策、操作辅助决策以及特情处置辅助决策等。
在本申请的一个优选实施例中，对EEG信号中视觉通道特征信息进行处理包括预处理、特征提取以及分类。本实施例中，对EEG信号中视觉通道特征信息进行预处理采用独立分量分析法(ICA)以及带通滤波法。ICA分解脑电信号得到独立分量，以去除眼动、肌动等带来的生物电伪迹；带通滤波法滤除低频的电极漂移噪声和高频毛刺干扰，最终获取相对干净的脑电信息。本实施例中，对EEG信号中视觉通道特征信息进行特征提取采用主成分分析法。特征提取和降维是为了解决脑电信号采样频率高、通道数多、数据维数高的问题，主要采用主成分分析法(PCA)，获取视觉通道的主要信号特征，并在时域和频域分开处理。其中，时域降采样法保留了波形在时域上的变化趋势，适用于时域上有明显特征的脑电信号；主成分分析法通过提取脑电信号的主要分量达到降噪和降维的作用；一致空间模式通过寻找一组新的正交基使得原始信号在新的投影空间上具有更好的区分性。分类采用基于统计学习模型的方法，利用无人机辅助决策控制的定义刺激方案，事先选择了一组电极通道和眼动位置区间训练了多个支持向量机(support vector machine，SVM)分类器，并分类器级联的思路，将多分类器的得分平均作为最终得分。
基于上述的融合眼位信息的无人机脑机辅助控制方法，本申请的第二个方面提供了一种融合眼位信息的无人机脑机辅助控制设备，如图1所示，包括：
脑电仪模块，用于监控脑电波，并根据监控的脑电波生成多通道脑电波数据，并根据多通道脑电波数据获取EEG信号中视觉通道特征信息；
眼动仪模块，用于监控眼球运动，并根据监控的眼球运动生成眼球运动数据，以及用于监控眼球注意力停留时间，并根据监控的眼球注意力停留时间生成眼球停留数据；
无人机辅助控制决策模块，用于获取各个无人机任务流程对应的辅助决策，并通过配置辅助决策的接口实现对脑电仪模块不同频率的视觉刺激以及对眼动仪模块界面的自适应显示；
脑眼数据融合模块，用于对EEG信号中视觉通道特征信息进行处理，获取大脑注意力提取到的视觉频率特征，并与眼球运动数据以及眼球停留数据进行综合，获取操作员的意图；
无人机控制指令生成与发送模块，用于将操作员的意图转换成无人机飞行与任务控制指令，并将无人机飞行与任务控制指令发送给无人机指控控制系统。
本申请的融合眼位信息的无人机脑机辅助控制设备，辅助决策包括战术辅助决策、操作辅助决策以及特情处置辅助决策。对EEG信号中视觉通道特征信息进行处理包括预处理、特征提取以及分类。对EEG信号中视觉通道特征信息进行预处理采用独立分量分析法以及带通滤波法。对EEG信号中视觉通道特征信息进行特征提取采用主成分分析法。
在本申请的一个实施方式中，中间数据处理功能可以配置相关网络通信内容，同时接收刺激进行数据处理分析，参见图2；本实施例中，配置脑机信号采集到的阻抗等内容，采用8导输入数据处理，全部为视觉关联，参见图3；获取脑电波数据，导入后台处理，参见图4；决策给出的注视指令选项，产生脑电，脑机眼动协同工作能够将脑电-眼动协同处理的信息进行比对分析最终得出选择的指令结果，参见图5。
本申请的融合眼位信息的无人机脑机辅助控制方法及设备，解决脑机接口对被试者个体的要求和训练差异性的问题；提高脑机接口交互识别准确率和识别时间，推动脑机接口技术与眼位识别技术的工程化应用；同辅助决策算法支持，适应性进行闪烁等视觉刺激激励，降低传统诱发脑机接口识别方案中长时间外部刺激交互带来的视觉疲劳。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种融合眼位信息的无人机脑机辅助控制方法，其特征在于，包括：
监控脑电波，并根据监控的脑电波生成多通道脑电波数据，并根据多通道脑电波数据获取EEG信号中视觉通道特征信息；
监控眼球运动，并根据监控的眼球运动生成眼球运动数据，以及用于监控眼球注意力停留时间，并根据监控的眼球注意力停留时间生成眼球停留数据；
获取各个无人机任务流程对应的辅助决策，并通过配置辅助决策的接口实现对所述脑电仪模块不同频率的视觉刺激以及对眼动仪模块界面的自适应显示；
对所述EEG信号中视觉通道特征信息进行处理，获取大脑注意力提取到的视觉频率特征，并与所述眼球运动数据以及所述眼球停留数据进行综合，获取操作员的意图；
将所述操作员的意图转换成无人机飞行与任务控制指令，并将所述无人机飞行与任务控制指令发送给无人机指控控制系统。
2.根据权利要求1所述的融合眼位信息的无人机脑机辅助控制方法，其特征在于，所述辅助决策包括战术辅助决策、操作辅助决策以及特情处置辅助决策。
3.根据权利要求2所述的融合眼位信息的无人机脑机辅助控制方法，其特征在于，对所述EEG信号中视觉通道特征信息进行处理包括预处理、特征提取以及分类。
4.根据权利要求1所述的融合眼位信息的无人机脑机辅助控制方法，其特征在于，对所述EEG信号中视觉通道特征信息进行预处理采用独立分量分析法以及带通滤波法。
5.根据权利要求1所述的融合眼位信息的无人机脑机辅助控制方法，其特征在于，对所述EEG信号中视觉通道特征信息进行特征提取采用主成分分析法。
6.一种融合眼位信息的无人机脑机辅助控制设备，其特征在于，包括：
脑电仪模块，用于监控脑电波，并根据监控的脑电波生成多通道脑电波数据，并根据多通道脑电波数据获取EEG信号中视觉通道特征信息；
眼动仪模块，用于监控眼球运动，并根据监控的眼球运动生成眼球运动数据，以及用于监控眼球注意力停留时间，并根据监控的眼球注意力停留时间生成眼球停留数据；
无人机辅助控制决策模块，用于获取各个无人机任务流程对应的辅助决策，并通过配置辅助决策的接口实现对所述脑电仪模块不同频率的视觉刺激以及对眼动仪模块界面的自适应显示；
脑眼数据融合模块，用于对所述EEG信号中视觉通道特征信息进行处理，获取大脑注意力提取到的视觉频率特征，并与所述眼球运动数据以及所述眼球停留数据进行综合，获取操作员的意图；
无人机控制指令生成与发送模块，用于将所述操作员的意图转换成无人机飞行与任务控制指令，并将所述无人机飞行与任务控制指令发送给无人机指控控制系统。
7.根据权利要求6所述的融合眼位信息的无人机脑机辅助控制设备，其特征在于，所述辅助决策包括战术辅助决策、操作辅助决策以及特情处置辅助决策。
8.根据权利要求7所述的融合眼位信息的无人机脑机辅助控制设备，其特征在于，对所述EEG信号中视觉通道特征信息进行处理包括预处理、特征提取以及分类。
9.根据权利要求8所述的融合眼位信息的无人机脑机辅助控制设备，其特征在于，对所述EEG信号中视觉通道特征信息进行预处理采用独立分量分析法以及带通滤波法。
10.根据权利要求9所述的融合眼位信息的无人机脑机辅助控制设备，其特征在于，对所述EEG信号中视觉通道特征信息进行特征提取采用主成分分析法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111371935.7A CN114527867A (zh) | 2021-11-18 | 2021-11-18 | 一种融合眼位信息的无人机脑机辅助控制方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111371935.7A CN114527867A (zh) | 2021-11-18 | 2021-11-18 | 一种融合眼位信息的无人机脑机辅助控制方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114527867A true CN114527867A (zh) | 2022-05-24 |
Family
ID=81619102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111371935.7A Pending CN114527867A (zh) | 2021-11-18 | 2021-11-18 | 一种融合眼位信息的无人机脑机辅助控制方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114527867A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108255293A (zh) * | 2017-12-07 | 2018-07-06 | 中国航空工业集团公司西安航空计算技术研究所 | 眼动-脑电混合人机接口系统架构 |
| CN110442232A (zh) * | 2019-06-18 | 2019-11-12 | 中国人民解放军军事科学院国防科技创新研究院 | 联合眼动和脑机接口的可穿戴式增强现实机器人控制系统 |
| US20200192478A1 (en) * | 2017-08-23 | 2020-06-18 | Neurable Inc. | Brain-computer interface with high-speed eye tracking features |
| CN112346569A (zh) * | 2020-11-05 | 2021-02-09 | 江苏集萃脑机融合智能技术研究所有限公司 | 一种瞳孔脑电混合脑机接口平台及其处理方法 |
| CN112990074A (zh) * | 2021-03-31 | 2021-06-18 | 北京理工大学 | 基于vr的多场景自主式控制的混合脑机接口在线系统 |
-
2021
- 2021-11-18 CN CN202111371935.7A patent/CN114527867A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200192478A1 (en) * | 2017-08-23 | 2020-06-18 | Neurable Inc. | Brain-computer interface with high-speed eye tracking features |
| CN108255293A (zh) * | 2017-12-07 | 2018-07-06 | 中国航空工业集团公司西安航空计算技术研究所 | 眼动-脑电混合人机接口系统架构 |
| CN110442232A (zh) * | 2019-06-18 | 2019-11-12 | 中国人民解放军军事科学院国防科技创新研究院 | 联合眼动和脑机接口的可穿戴式增强现实机器人控制系统 |
| CN112346569A (zh) * | 2020-11-05 | 2021-02-09 | 江苏集萃脑机融合智能技术研究所有限公司 | 一种瞳孔脑电混合脑机接口平台及其处理方法 |
| CN112990074A (zh) * | 2021-03-31 | 2021-06-18 | 北京理工大学 | 基于vr的多场景自主式控制的混合脑机接口在线系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王夏爽等: "视觉诱发脑电信号的处理研究", 系统仿真学报, vol. 29, 31 December 2017 (2017-12-31), pages 146 - 154 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lemm et al. | Spatio-spectral filters for improving the classification of single trial EEG | |
| Liao et al. | Combining spatial filters for the classification of single-trial EEG in a finger movement task | |
| US9107595B1 (en) | Node excitation driving function measures for cerebral cortex network analysis of electroencephalograms | |
| Lee et al. | A brain-wave-actuated small robot car using ensemble empirical mode decomposition-based approach | |
| Ren et al. | Affective assessment by digital processing of the pupil diameter | |
| CN103793058A (zh) | 一种主动式脑机交互系统运动想象任务分类方法及装置 | |
| Valeriani et al. | Enhancement of group perception via a collaborative brain–computer interface | |
| CN112084879B (zh) | 一种运动想象脑电的块选择共空间模式特征提取方法 | |
| CN107656612B (zh) | 基于p300-ssvep的大指令集脑-机接口方法 | |
| CN104978035A (zh) | 基于体感电刺激诱发p300的脑机接口系统及其实现方法 | |
| CN112488002B (zh) | 基于n170的情绪识别方法及识别系统 | |
| CN110262658B (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 | |
| Mahajan et al. | A real time set up for retrieval of emotional states from human neural responses | |
| CN104127179A (zh) | 一种优势电极组合与经验模式分解的脑电特征提取方法 | |
| CN111273767A (zh) | 一种基于深度迁移学习的助听脑机接口系统 | |
| CN109009098B (zh) | 一种运动想象状态下的脑电信号特征识别方法 | |
| CN109770900A (zh) | 基于卷积神经网络的脑机接口指令下发方法、系统、装置 | |
| Tanaka et al. | SSVEP frequency detection methods considering background EEG | |
| Krauledat | Analysis of nonstationarities in EEG signals for improving brain-computer interface performance | |
| Liu et al. | EEG classification for multiclass motor imagery BCI | |
| Jian et al. | Improving classification accuracy of SSVEP based BCI using RBF SVM with signal quality evaluation | |
| Yasemin et al. | Single trial detection of error-related potentials in brain–machine interfaces: a survey and comparison of methods | |
| Belhadj et al. | CSP features extraction and FLDA classification of EEG-based motor imagery for Brain-Computer Interaction | |
| CN114557708A (zh) | 基于脑电双特征融合的体感刺激意识检测装置和方法 | |
| Vareka et al. | Using the Windowed means paradigm for single trial P300 detection |
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 |