北京，2023年10月16日/PRNewswire/-全球領先的全息增強現實（“AR”）技術提供商WiMi全息雲股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”），今天宣布，該公司開發了基于多模式腦電圖的混合腦機接口系統，該系統具有視覺伺服模塊，該模塊結合了SSVEP和運動圖像信号，并引入了視覺伺服模塊來提高機器人執行抓握任務的性能。通過組合不同類型的腦電信号，用戶可以更自由、更直觀地控制機器人執行各種動作，從而提供更令人滿意的服務體驗。
基于多模态腦電的視覺伺服混合腦機接口系統的實現方法主要包括信号采集、信号處理、控制命令生成和視覺伺服模塊的設計。
1.信号采集：系統首先需要采集用戶的腦電信号和視覺反饋信号。為了實現多模态控制，系統同時獲取SSVEP和運動圖像信号。
SSVEP信号采集：通過将腦電圖電極放置在用戶的頭皮上，系統可以采集用戶的SSVEP信息。SSVEP是一種閃爍視覺誘發電位，當用戶的視覺注意力集中在特定頻率的閃爍刺激上時，大腦會産生特定頻率的電信号。為了實現多模态控制，系統在視覺界面上提供三種不同頻率的閃爍刺激，每個刺激對應機器人的一個控制命令，如向前、向左和向右。
運動圖像信号采集：除了SSVEP信号外，系統還需要采集用戶的運動圖像信号。這是通過在特定區域上通過EEG電極獲取用戶的運動圖像信号來實現的。當用戶想象抓握動作時，相關聯的運動圖像信号被捕獲并用于控制機器人執行抓握動作。
信号處理：信号采集後，需要對獲得的原始腦電圖信号進行處理和分析，以提取有用的信息，并進行特征提取和分類，從而識别用戶的意圖。
SSVEP信号處理：對于SSVEP的信号，系統首先需要對原始信号進行濾波和預處理，以消除噪聲和幹擾。然後，通過提取光譜特征，它識别出用戶當前的視覺注意力集中在哪個頻率，從而确定用戶的意圖是向前、向左還是向右。
電機圖像信号處理：對于電機圖像信号，系統需要對原始信号進行預處理，以消除噪聲和幹擾。然後，通過特征提取和分類來識别用戶想象中的動作，如抓握動作。
在WiMi的基于腦電的多模式視覺伺服混合腦機接口系統中，控制命令的生成是整個系統的核心部分。控制命令生成包括解析識别的EEG信号，并将其映射到相應的機器人動作。
3.控制命令生成：系統在識别出用戶的意圖後，根據獲得的結果生成相應的控制命令，從而控制機器人的動作。
SSVEP控制命令生成：對于SSVEP信号，系統使用頻譜分析來處理信号。光譜分析提取用戶當前視覺注意力集中在哪個頻率。視覺界面上提供的不同閃光刺激對應于機器人的不同動作，如向前、向左和向右轉彎。通過識别用戶視覺注意力所在的頻率，系統能夠确定用戶的意圖并相應地生成相應的控制命令。
運動圖像控制命令生成：對于運動圖像信号，該系統利用特征提取和分類技術來識别用戶想象的運動。當用戶想象抓握動作時，捕捉特定的運動圖像信号。該系統通過訓練機器學習算法來識别這些特征，并基于識别結果生成相應的控制命令，以指示機器人執行抓取動作。
