通过脑电波控制机器人

李,p.l.。、常H.-C。、谢长廷T.-Y。,等(2012)．一种基于脑电波驱动的小型机器人汽车分解方法。系统、人与控制论学报，A部分:系统与人，42(5):1053-1064 细节

客户研究亮点

20世纪70年代，美国政府资助的一个研究项目首次研究了与大脑直接互动的智能设备。如今，“脑机接口”(BCI)以多种形式存在，从消费级游戏设备到假肢再到学生学习系统。

由于无创，脑电图(EEG)仍然是BCI设备的一个有吸引力的选择。然而，挑战在于找到方法，使信号的信息传输速率最大化，以便对外部设备进行有效控制。

李等(2012)选择使用视觉诱发电位(visual-evoked potentials, VEPs)，即脑电图中视觉刺激诱发的信号，来控制一辆小型无线机器人车。vep具有高重现性，响应时间快，并且在视觉刺激开始时是时间和相位锁定的，这使得它们在BCI设备中非常有用。

11名男性参与者(22-27岁)的脑电图信号用BioAmp记录下来，用来编码机器人汽车的左、前、右运动。为了使信息传递速率最大化，采用集合经验模态分解(EEMD)和匹配滤波器检测器提取VEP信号。

所有11名试图驾驶机器人汽车通过其1.5米“s形”路线的受试者都能够在平均84.5秒的时间内完成。与基于fft信号分解的类似研究的<33比特/分钟相比，该方法提高了精度，平均信息传输速率为42.1比特/分钟。

尽管eemd方法的计算强度更高，但与其他方法相比，基于eemd的方法在准确性和处理延迟之间可能是一个有利的折衷。