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。

基于意识任务的机器人脑控系统

目前机器人的控制系统基本需要双手遥控,对残疾人等无法提供便利,提出了一种全新的脑电信号(electroencephalography,EEG)控制机器人方法。采用无需外界刺激的意识任务诱发特征EEG,通过便携式脑电设备采集EEG,经过特征提取与指令分类,实现对机器人的控制。针对意识任务需要被试进行大量的训练,设计了离线训练系统。针对EEG信噪比较低的问题,研究了意识任务下EEG处理方法。最后设计了在线机器人脑控系统,利用想象左手运动、想象右手运动、想象单词生成分别控制机器人左转、右转与前进,利用眨眼信号控制机器人停止。实验结果表明,从准确率、舒适度两方面来看,基于意识任务的机器人脑控系统有效实现了机器人的控制。

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。