相关实验视频
Updated: Jul 19, 2026
07:37
Assessment and Communication for People with Disorders of Consciousness
Published on: August 1, 2017
9.0K
基于混合大脑-计算机接口的硬和软车意图的识别
Jiawei Ju1, Aberham Genetu Feleke1, Longxi Luo1
1School of Mechanical Engineering, Beijing Institute of Technology, Beijing, China.
Cyborg and bionic systems (Washington, D.C.)
|January 31, 2025
概括
这项研究介绍了使用EEG和EMG信号来预测驾驶意图的混合脑电脑接口 (hBCI). 性能最好的hBCI在检测制动动作时达到96.37%的准确性.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 汽车工程 汽车工程
背景情况:
- 智能驾驶辅助系统需要准确预测驾驶员的意图.
- 现有的方法往往缺乏可靠地区分微妙的驾驶操作的能力,如制动.
研究的目的:
- 开发和评估新的混合脑计算机接口 (hBCI),用于分类驾驶员的意图 (硬制动,软制动,正常驾驶).
- 探索电脑图 (EEG) 和电肌图 (EMG) 信号的同时和顺序融合策略.
主要方法:
- 建议同时使用hBCI进行特征级 (hBCI-FL) 和分类器级 (hBCI-CL) 融合.
- 开发了顺序的hBCI (hBCI-SE1优先考虑EEG,hBCI-SE2优先考虑EMG) 进行硬制动检测.
- 利用了光谱特征和一个一对一的分类策略.
主要成果:
- 顺序的hBCI-SE1,优先考虑带有光谱特征的EEG信号和一对一的休息策略,显示了最高的性能.
- 在分类驾驶员意图方面实现了96.37%的平均系统准确度.
- 证明了混合BCI在实时驾驶意图识别方面的有效性.
结论:
- 集成EEG和EMG信号的混合脑电脑接口为先进的驾驶员辅助提供了一个有希望的方法.
- 拟议的hBCI-SE1模型提供了一种强大而准确的方法来检测像硬制动这样的关键驾驶事件.
- 这项研究有助于开发以人为中心的智能驾驶系统,提高安全性和舒适性.
