听觉脑-机接口的智能机器人控制系统

脑-机接口系统普遍存在控制命令单一、控制效率低和控制负担重等问题.通过改进控制目标的功能或加入智能化模块可以从一定程度上改善这个问题;但这方面的研究工作相对较少.如何针对残疾人的实际情况,研究智能控制与脑-机接口系统的有效切合点,是脑-机接口系统智能化的关键所在.本文针对视觉缺陷残疾人,提出一种结合机器视觉功能的听觉脑-机接口系统,将机器人自动视觉搜索,目标智能识别与听觉脑-机接口系统相结合,利用听觉脑-机接口系统向机器人发出简单人名指令,机器人将根据指令自动搜索识别,实现目标的自动跟踪.在一定程度上弥补视觉损伤病人在日常生活中的缺陷,也为脑-机接口的智能化提供了一个依据.

基于脑-机接口的无线智能机器人控制系统

提出一种基于思维脑电的无线智能机器人控制系统设计方案。该系统采用想象左右手运动时产生的脑电信号作为智能服务机器人运动的控制信号,实现对服务机器人的控制,改善瘫痪患者生活自理能力。采用基于小波包分解的方法提取特征向量,利用基于欧式距离的方法进行模式识别,进而产生机器人运动控制信号,并通过LabVIEW串口发给单片机,单片机对该信号进行红外编码后发给智能机器人,用以控制其运动方向。实验结果证明,该设计方案有利于提高脑-机接口的实用性。

基于脑-机接口技术的智能服务机器人控制系统

结合脑-机接口技术和机器人技术,对脑电Alpha波阻断现象进行特征识别和提取,成功地在实验室实现了对服务机器人的控制。实验通过控制服务机器人在4个方向上运动的组合实验,考察了系统的实时性和控制的准确性。实验结果表明,经过简单的训练,受试者可达到91.5%的控制准确率。证明了利用Alpha波进行多选项控制设计的合理性及其应用价值。

基于EEG的康复机器人脑-计算机接口技术研究

脑-计算机接口(brain-computer interface,BCI)是一种新型的人机接口方式,是康复机器人关键技术之一。介绍了基于脑电信号EEG的康复机器人BCI技术,论述BCI系统结构、工作原理以及关键技术。设计了基于事件相关电位P300虚拟矩阵,通过在头皮上放置电极,采集诱发脑电信号,经放大、滤波后,依据独立分量分析(ICA)原理,应用FastICA算法对特征信号进行了提取。从仿真结果可以看出,提取信号能较好地逼近期望信号。通过判断运动或意识的类型与特征信号之间的关系,从而识别出不同的用户意图,为帮助病人建立一种新的通信、交流方式以及康复治疗等方面提供了依据。

基于非侵入式脑-机接口的机器臂控制系统

本研究旨在设计实现一套基于非侵入式脑-机接口的脑控机器人系统,使其能够根据用户意愿在三维空间完成机器臂的操控。在构建的脑控机器人系统中,结合了DENSO公司生产的6轴机器臂与15目标的稳态视觉诱发电位脑-机接口。通过自主设计的可视系统界面,用户只需注视以一定频率闪烁的目标块即可完成对机器臂输出动作命令的控制。实验中所有受试者均能通过意愿控制机器臂完成整个抓取任务,完成任务的平均时间为116.64±26.31秒。实验结果显示所构建的稳态视觉诱发电位脑-机接口能够对机器臂进行精确且鲁棒地控制,表明所构建的脑控机器人系统允许用户在未知环境下实现实时操控机器臂的目标。

直接脑控机器人接口技术

直接脑控机器人接口(Brain-controlled robot interface,BCRI)是一种新型的人-机器人接口技术,是脑-机器接口/脑-计算机接口(Brain-machine interface,BMI/Brain-computer interface,BCI)在机器人控制领域的重要应用和研究方向.研究者相继在Nature、Science和其他重要国际期刊上报道了相关的实验研究和开发,目前已成为国际前沿研究热点.本文主要围绕BCRI中的控制策略、BMI/BCI模块与机器人多层控制模块的适应和融合、BCRI中的脑信号自适应分类算法以及人、BMI/BCI模块和机器人控制系统的三边自适应展开论述,分析了目前的研究情况、存在的局限和面临的若干重要问题,指出进一步的研究思路和方向.

基于多模式EEG的脑-机接口虚拟键鼠系统设计

现有的脑-机接口系统大都只基于单模式的脑电特征,系统能实现的功能非常有限,从而制约了脑-机接口系统的应用。采用基于多种模式脑电信号(electroencephalogram,EEG)的脑-机接口技术来实现虚拟键鼠系统,使得被试可以利用自身的脑电信号控制鼠标和键盘的操作。研究了脑-机接口中常用的3种脑电信号,分别是P300波、alpha波以及稳态视觉诱发电位(steady state visual evoked potential,SSVEP),通过设计实验成功的诱发出了被试相应的特征脑电信号。利用SSVEP的脑电特征设计6频率LED闪烁刺激的虚拟鼠标系统,实现控制鼠标光标移动、单击左键和单击右键的任务;利用P300波的脑电特征设计6×6的字符矩阵虚拟键盘系统,实现字符输入的任务;利用被试自主闭眼增强alpha波的脑电特征,实现鼠标和键盘应用切换的任务。研究了适宜这3种脑电特征的最佳测量电极组合及模式识别算法,使得对3种脑电信号的识别正确率均达到了85%以上。测试结果显示,文中设计的基于多模式EEG的脑-机接口虚拟键鼠系统能有效地实现鼠标控制以及键盘输入的任务。

基于脑电alpha波的便携式脑-机接口系统研究

对基于脑电alpha波的服务机器人控制方法进行了研究,并在前期采用计算机的脑-机接口系统研究基础上,设计了一种面向服务机器人的便携式脑-机接口系统。该系统选用脑电alpha波作为控制信号,用数字信号处理器替代已有系统中的计算机,实现了脑-机接口系统的集成化和便携化。最后,通过实验验证了系统的有效性和易操作性,为进一步研究开发能实时控制服务机器人完成更为复杂任务的脑-机接口系统提供了技术基础。

基于脑机接口技术的康复机器人综述

简述了脑-机接口系统的基本结构及其工作原理,归纳了系统信号采集、特征提取、选择分类及人机交互四个部分的基本技术处理方法,提出了脑-机接口系统存在的问题。重点阐述了基于脑机接口技术的康复机器人研究现状、研究中存在的问题及其研究前景。

基于干电极的头带式射频无线脑-机接口系统

研发了一种采用干电极的脑-机接口系统，此系统克服了现有脑机接口用脑电信号采集及信号处理系统笨重而不便于携带的缺点。此系统采用半导体微加工工艺制作的“干”电极作为采集脑电信号的电极，佩戴方便且能长时间使用。整个便携式脑机接口系统在脑电信号采集、处理和传输三个方面都采用了利于便携的设计，信号处理采用专用的集成电路，信号的采集和处理端与信号接收端采用射频芯片收发数据。整个系统的重量只有39g。该脑-机接口系统以人体的专注程度作为控制外部设备的控制信号，经过训练的受试者可以通过脑电信号实现对机器的控制。

脑-机接口技术在载人航天任务中的应用研究

1脑-机接口技术概述 脑-机接口技术概念 脑-机接口（BCI）是以脑电信号或其他相关技术为基础,将大脑活动特征转化为预定义的命令,从而实现与外界交流或者控制其他外部设备的先进技术,是一种不依赖身体肌肉组织系统和控制神经系统的新型智能接口技术。因此,我们可以把BCI定义为一个非肌肉通信系统,它可以使人体的大脑意图和外界环境进行直接的沟通交流,在计算机和大脑之间建立一个新的通信通道。

直接脑控机器人接口技术

在现代化科学技术发展带动作用下,作为一种新兴的人-机器人接口技术—直接脑控机器人技术成为了当下机器人控制研究领域的重要研究内容之一。文章首先对脑控机器人接口内容进行了详细的论述,并对BCRI关键技术之一进行了分析,已为今后直接脑控机器人接口技术参考使用。

“脑控”技术与脑-机接口

＂C-H-I-N-A＂,电脑屏幕上,英文单词＂中国＂被精准打出,但电脑前的测试员却没有敲击键盘,而是通过头上戴的与屏幕相连的＂黑头罩＂,运用＂脑电波＂打字;电动轮椅上的测试员也戴着黑色脑电帽,没有进行任何操作,只凭＂意念＂就完成了轮椅的行进、转弯操控……日前召开的2017世界机器人大会上,＂脑控机器人＂展示的场景令人惊叹。

脑电波绘图机器人数据采集与控制算法研究

脑电波信号可以反映人的情绪、精神状态及专注状态,用于治疗和康复等,设计了一个基于脑-机接口技术的脑电波数据采集、分析、控制的绘图机器人。首先,采用脑电波采集模块的金属电极通过感知前额、耳垂处的生物电信号,解析出脑电波的α、β等5种波,进而获取专注度和放松度等信息。数据通过无线蓝牙模块传输给ARM Cortex-M4处理器,阈值滤波算法进行滤波去噪。设计了脉冲宽度调制(PWM)控制算法,XYZ三个维度上的3个步进电机采用256细分驱动,步距角细分为0.42″,通过导轨同步带控制画笔运动轨迹。该方案消除了电机的低频振荡,提高了输出转矩、分辨率、步距的均匀度,使画笔运动更平稳,控制精度达到3 mm。

清华大学研制成功实时脑-机接口系统

2006年6月14日，由清华大学医学院神经工程研究所研制的“脑-机接口（Brain—Computer Interface）”系统首次进行公开演示。两名同学头戴“电极帽”，无须输入任何指令，用自己的意念便可以各控制一只机器狗来踢足球，一只进攻，一只防守。

基于运动相关皮层电位握力运动模式识别研究

面向基于脑–机接口(Brain-computer interface,BCI)的脑–机交互控制(Brain-machine interaction control,BMIC)—直接脑控机器人,提出一种新的左、右手握力运动参数范式,在该范式下探索左、右手握力运动相关皮层电位/运动相关电位(Movement-related potentials,MRPs)的时域特征表示并识别握力运动模式.在涉及左、右手4个不同任务的实验中采集了11个健康被试的脑电信号,任务期间要求被试以2种握力变化模式之一完成自愿握力运动,每种任务随机重复30次.不同握力任务之间具有显著差异的运动相关电位特征用于识别握力运动模式.分别用基于核的Fisher线性判别分析和支持向量机识别4个不同的握力运动任务.研究结果进一步证实运动相关电位可以表征握力运动规划、运动执行和运动监控的脑神经机制过程.基于核的Fisher线性判别分析和支持向量机分别获得24±4%和21±5%的平均错误分类率.最小误分类率是12%,所有被试平均最小误分类率为20.9±5%.与传统的仅仅识别参与运动的肢体类型以及识别单侧肢体运动参数的研究相比,本研究可望为脑–机交互控制/脑控机器人接口提供更多的力控制意图指令,奠定了后续的对比研究基础.

脊髓损伤患者的下肢功能重建：智能化康复手段

现代科学技术发展为脊髓损伤患者重建下肢功能提供了新的手段,如脑-机接口技术、神经假体、康复机器人、减重步行训练等。在临床实践中,上述康复手段的优点和缺点日益凸显,其结合应用成为一种研究趋势。应根据智能化的特点及患者自身状况,选择合适的康复手段。

意念移物不再是神话

电影、小说中有“意念移物”的神话，意识的作用曾被视作唯物主义的禁忌。今天，我们要为我们的“主观臆测”付出代价，而“意念”的“威力”已不再是《黑客帝国》、《蜘蛛侠》的专利。

Editorial:Brain-machine interface(BMI) and cyborg intelligence

Brain-machine interfaces(BMIs)aim at building a direct communication pathway between the brain and an external device,and represent an area of research where significant progress has been made during the past decade.Based on BMIs,mind information can be read out by neural signals to

数智化技术在脊髓损伤康复中的应用

随着数字化、人工智能等技术的突破及应用领域的逐渐拓展,外骨骼机器人、脑机接口、脊髓-神经调控等数智化技术应用于脊髓损伤(spinal cord injury,SCI)后改善或代偿躯体功能以提高SCI患者生活自理能力和生活质量的研究越来越多。数智化康复技术的发展为SCI后的功能重建提供了全新的应用平台,数字化及智能化赋能的康复新技术在SCI后临床康复治疗中具有广阔的应用前景。该文就外骨骼机器人、脑机接口技术、脊髓-神经调控技术应用于SCI后功能恢复的现状进行阐述。