基于Emotiv Epoc+的眼动信号采集与识别方法研究

使用Emotiv Epoc+脑电波采集头戴设备,对10位被测人员的上、下、左、右、眨眼2次和眨眼3次6种眼球扫视运动信号进行采集,每人每个动作采集5组数据,共获得300组实验数据.对14通道的信号进行带通滤波后,采用短时能量计算方法优选2个最敏感通道,然后对优选出的通道信号采用归一化极值方法进行特征提取,最后采用特征匹配法对信号进行识别.实验结果表明:水平方向眼动识别率达到99.9%,垂直方向眼动识别率达到97.3%,平均识别率达到98.6%.

基于脑机接口的机器人辅助脑瘫康复面部表情训练系统设计

本文针对脑瘫(CP)患儿这一特殊群体,研究设计了基于脑机接口(BCI)技术的表情辅助训练系统。系统采用的脑机接口设备是Emotiv EPOC+,通过WebSocket通信协议获取和传递脑电信号,并且使用小波包变换对信号进行处理,获取信号的特征值;使用V-REP仿真软件设计仿真四轮小车,将获取到的特征值用于控制仿真小车实现不同方向的运动,以达到吸引患儿的注意力、提高训练效果的目的。设定了带有图片的人机交互界面增强引导患儿注意力。通过与医院康复师现场实验,验证了该技术的可行性,可为相关设备研发提供技术储备。

基于Emotiv的脑机接口研究

针对脑机接口中存在的信号容易受到干扰、操作复杂的问题,利用经济便携式脑电采集设备Emotiv EPOC+搭载了一套基于稳态视觉刺激的脑机交互系统。该脑机接口系统首次将功率谱密度分析、典型相关性分析等方法按照不同权重相结合,使得目标识别的准确率高达98.6%,且该系统具有很高的抗噪能力和可拓展性。

基于脑机接口的机器人辅助脑瘫康复表情训练系统设计

本文基于脑机接口(BCI)设备Emotiv EPOC+设计了机器人辅助脑瘫康复面部表情训练系统。系统在Python开发环境中使用WebSocket通信协议设定服务器与客户端用来完成获取设备信号和对信号进行处理以及应用的工作,使用小波变换处理方法捕捉单一通道在某一训练时段的特征信号,通过触发对应的特征信号与动作关系指令驱动机器人。设置了人机交互界面,辅助训练师引导脑瘫患儿完成训练,以达到对脑瘫患儿注意力、反应能力及其面部肌肉训练的目的。

基于稳态视觉诱发电位的在线脑机接口研究

针对脑机接口中存在的抗噪声能力差、操作复杂的问题,利用便携式脑电采集设备Emotiv EPOC以及NAO机器人,搭建了一个抗噪能力较好的稳态视觉诱发在线脑机接口系统。该系统采用典型相关性分析进行稳态视觉诱发电位的频率识别。在线实验中受试者通过Emotiv控制NAO机器人运动,四类任务的准确率达到87.50%。在线实验没有回避周围的噪声,表明该系统具有较好的抗噪能力。

基于脑机接口技术的写字系统建模仿真与实现

针对生机电一体化系统中生物体与机电装置之间的信息传递与交互能力不足的问题,利用脑电采集设备EmotivEPOC和机械臂,搭建了一个信息传输速率较快的基于脑机接口技术的写字系统并进行了系统建模仿真与实现。在系统建模中通过带通滤波和CCA(Canonical Correlation Analysis)算法组合对稳态视觉诱发电位进行频率识别,其四分类的准确率高达91.6%。在线实验中通过Emotiv EPOC控制机械臂实现了对简单汉字的书写,达到了系统建模仿真的目的。