人意念控制机械臂喝水日本意念控制机器人.ppt

人意念控制机械臂喝水日本意念控制机器人.ppt

  1. 1、本文档共23页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
人意念控制机械臂喝水日本意念控制机器人

念力 读心术 机械臂 灵魂出窍 意念控制 读心术 大脑控制的机械臂 灵魂出窍 BCI脑机接口技术 脑机接口——定义 脑机接口(brain-computer interface,BCI):它是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接连接通路。在该定义中, “脑”一词意指有机生命形式的脑或神经系统,而并非仅仅是“mind”。 “机”意指任何处理或计算的设备,其形式可以从简单电路到硅芯片。 脑机接口——关键技术 信号的表征:EEG、EMG、fMRI 信号的采集:侵入式、半侵入式、脑外 信号处理、分析及特征提取: 去噪滤波? P300信号分析?小波分析+奇异值分解、STFT+Fisher距离、 模式识别:SVM、BP网络 脑机接口——信号的表征EEG 要求:反映大脑思维、实时且快速的收集、明确的分类 EEG(electroencephalograph)信号类型: 自发脑电信号:在不同的意识状态下,人们脑电中的不同节律呈现出各异的活动状态。 1924年德国医生汉斯·贝格尔(Hans Berger)第一次从颅骨受损的病人头部测到了极为微弱的电流。在经过近五年的漫长实验后,他终于确认了这种神秘的电流的确来自于脑部活动。 脑机接口——信号的表征EEG EEG(electroencephalograph)信号类型: 自发脑电信号: α:醒并闭眼时的脑电波定义为阿尔法 β:睁开眼睛时的脑电波定义为贝塔 δ:熟睡时的德尔塔 θ:困倦、冥想或被催眠时的西塔 γ:进行复杂的思想活动或者情绪波动时的伽玛 μ:只能在掌管运动的区域探知的缪 上述自发的脑电波频率或区域不同 脑机接口——信号的表征EEG EEG(electroencephalograph)信号类型: 视觉诱发电位(VEP):视觉器官受到光或图形刺激后,在大脑特定部位所记录的EEG 电位变化。 P300:是一种内源性的与认知功能相关的特殊诱发电位 ,主要与心理因素相关。 受刺激后,诱发的脑电波图像的第三个正波峰P3一般出现在刺激后300ms,故称之我P300。 不需要训练,多用于简单应用中。 脑机接口——信号的表征EEG EEG(electroencephalograph)信号类型: 事件相关同步(ERS)或去同步电位(ERD):单边的肢体运动或想象运动,对侧脑区产生事件相关去同步电位,同侧脑区产生事件相关同步电位。 皮层慢电位:皮层慢电位(SCP)是皮层电位的变化,持续时间几百毫秒到几秒,实验者通过反馈训练学习,可以自主控制SCP 幅度产生正向或负向偏移。 以上两种型号需要经过一定的训练才能达到预期的效果,并且还需要考虑个体的差异性,所以这两种信号暂时用得不多。 脑机接口——信号的采集 侵入式:用于重建特殊感觉(例如视觉)以及瘫痪病人的运动功能。此类脑机接口通常直接植入到大脑的灰质。 1978年,Dobelle在一位男性盲人Jerry的视觉皮层植入了68个电极的阵列,并成功制造了光幻视(Phosphene)。 脑机接口——信号的采集 部分侵入式:部分侵入式脑机接口一般植入到颅腔内,但是位于灰质外。 非侵入式:非侵入式的装置方便佩戴于人体,但由于颅骨对信号的衰减作用和对神经元发出的电磁波的分散和模糊效应,记录到信号的分辨率并不高。 实际应用中多为非侵入式 脑机接口——信号预处理、分析及特征提取 信号预处理:包括信号的放大(一般1000倍)、滤波去噪(如工频干扰)、A/D转换等。 信号分析及特征提取: P300分析法:意念控制电话呼叫视频 脑机接口——信号预处理、分析及特征提取 信号分析及特征提取: STFT+Fisher距离: STFT表示short-time Fourier transform即短时傅里叶变化,是一种局部的傅里叶变化,与小波分析有相同之处。 原始的时域信号能量分散,通过STFT转换为频域信号能量集中体现,因而更能反映出信号的特征。 Fisher距离表示了不同频率段数据对特征分类的贡献度。 脑机接口——信号预处理、分析及特征提取 信号分析及特征提取: 小波分析+奇异值分解: 小波分解将经过预处理的EEG信号进行5级分解,最终获取5个有用的频带部分,为:0~4Hz,4~8Hz,8~16Hz,16~32Hz和32~64Hz;它们正好分别近似对应EEG信号的δ 波、 θ波、 α波、 β波和γ波的频带。将这5个频带的数据组成一个5行 1024列的特征向量矩阵,然后对这个矩阵进行奇异值分解,将计算到的特征值构成一个5维的特征向量,以作为模式识别的特征。 脑机接口——模式识别 SVM:低维度的非线性划分变为高维度线性划分 脑机接口——模式识别 BP神经网络:近似任意非线性

文档评论(0)

magui + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8140007116000003

1亿VIP精品文档

相关文档