大脑计算机接口(BCI)技术已经被用于帮助残疾患者在日常生活中,通过控制外部设备与大脑活动。无创性BCI系统通常依赖于参与这项脑电图(EEG)。许多好像需要用户执行特定的自愿任务产生不同的脑电波模式,如注意刺激或执行其他的心理任务(例如,运动图像),与人类的认知控制。BCI是用来控制智能外设brain-robot交互(BRI),但许多问题,如主体间的个体差异,精度,和信息传输速率,仍然需要解决。此外,开发共享控制方法结合人类智能和机器智能(如计算机视觉)提高房屋系统的性能是很重要的。
在这种背景下,各种唤起机制已经被提出,例如SSVEP(稳态视觉诱发电位),ERP(与事件相关电位),和MI(运动图像)。相应的控制智能外设包括轮椅,操纵者,无人机,人形机器人。与后续的问题,人类大脑和智能外设之间的交互必须考虑。因此,cognitive-based脑电图bci和人类的主题brain-robot互动指的是许多医学研究领域,工程、心理学、和机器人技术。它必须在21世纪最热门的新兴主题之一。
总结当前的研究现状,要解决问题,和挑战,x毛泽东等人的评论文章做了一个全面的报道特别会议。他们首先简要介绍了如今的背景和发展机器人技术。其次,他们讨论了以脑波图为基础的大脑信号模型对生成原则,唤起机制和实验范式。随后,他们详细地综述了常用方法解码大脑信号,即预处理,特征提取,特征分类,总结几个典型的应用实例。接下来,他们描述了一些砖的应用程序,包括轮椅、操纵者,无人机,人形机器人对同步和异步BCI-based技术。最后,他们解决一些存在的问题和挑战与未来展望技术。本文提供了一个有用的参考不仅初学者,也有经验的研究人员在这个领域做进一步的探索。
评论文章后,一些研究文章覆盖当前的发展趋势为特别会议。例如,旨在唤起机制,许多研究人员从事开发新的刺激模式来提高反应势在人类的大脑,这样能达到更高的分类精度。j .程等人相比的性能P300-based BCI半透明的脸之间的模式(STF-P)(可以看到主题目标字符闪烁刺激时)和传统的模式(.)(主题看不到目标字符闪烁刺激时)。他们提出了两种模式在6
尽管唤起机制,许多经典的因为它使得基于脑电图和改进的算法应用于识别不同模式。例如,常见的空间模式(CSP)和其他spatiospectral特征提取方法已成为最有效和成功的方法来解决MI模式识别的问题。然而,这些方法需要大量的预处理和后处理,容易影响分类精度。因此,w .张等人提出了低秩线性动力系统(LR-LDSs) MI脑电图来克服这些问题,同时通过提取时空特性,提高分类的性能。他们验证了系统在两个MI数据集和拟议中的LR-LDSs方法表现好于CSP和常见的空间谱模式(CSSP)。
此外,提出了一些混合动力好像因为它使得基于脑电图提高检测性能通过结合不同类型的模式。j .长等人设计了一个高效的脑电图分析框架应用程序混合基于MI和P300人脑计算机接口。传统方法分别优化两种形式。该方法优化连接在一起的MI和P300的特点在一块对角形式。在这个框架下,MI的混合特性和P300是可以习得的,直接选择,组合在一起。他们测试数据集上的方法基于MI的混合BCI和P300。分类精度使用他们的方法更稳定,优于其他方法。此外,可以获得更好的性能使用较短的时间内他们的方法。事实上,也有很多其他混合bci提出提高分类精度或控制命令的多样性。
t·李等人开发了一个新的运动图像控制技术和应用在3 d俄罗斯方块和一个类似的2 d游戏环境。他们的混合动力车BCI识别脑电图和眨眼眼电图(小城镇)信号。提高玩家的BCI控制能力,本文侧重于从脑电图特征提取和支持game-BCI系统操作控制策略。然后,他们比较数值空间差异特征提取与CSP及其提出multifeature提取。结果表明multifeature提取生产更加突出数值之间的差异从不同运动图像信号中提取空间特性。因此,建议身临其境和rich-control MI将改善环境相关的心理意象,增强MI-based BCI的技能。
不仅可以好像被用来与智能外设交互,而且他们与其他计算智能融合算法理解人类的大脑活动。例如,x毛等人投入了研究文章会话P300范式的融合和fuzzy-based图像处理算法提取对象代表一个人的意图。他们提出了一个P300-based IFCE(改进的模糊颜色提取器)来提取一个对象在杂乱的环境下,结合P300-based BCI计算算法。P300范式被用来选择一个种子像素代表一个对象,人类很感兴趣,和IFCE在嘈杂的环境中提取相应的对象。他们测试他们的系统在NAO人形机器人利用其相机。自从与BCI系统融合了计算机视觉,NAO将执行更多的行为通过更少的命令。这肯定会减少人类大脑的工作负载。
新兴的bci旨在帮助人们有严重运动障碍或长老,但现在他们有帮助的可能性的人无法用双手在某些情况下。研究人员正致力于提高分类精度和信息传输速率,通过设计新颖的脑电图唤起模式和一些自适应脑电图解码方法。计算机智能结合BCI能够提高砖的效率,所以越来越多的计算算法被添加到房屋系统。事实上,也有很多问题需要解决,如人与人之间的个体差异,EEG设备的便携性,等等。与脑电图的组合的出现和其他大脑信号检测方法(例如,功能磁共振成像和fNIRS),这种技术将特别有用在BCI系统设备和砖的设计。在未来,BCI必将发挥重要作用在砖筒系统作为一种先进的检测手段,为人类提供先进的智能设备。