傳統(tǒng)的非侵入型腦-機(jī)接口(brain-computer interface,BCI)系統(tǒng)通常采用單人-單機(jī)架構(gòu),其信息傳輸速率較低且魯棒性差,難以滿足高精度、多指令、短時限等復(fù)雜作業(yè)的性能需求。隨著傳感和信息技術(shù)的迅速發(fā)展,面向多人-多機(jī)的協(xié)同式腦-機(jī)接口系統(tǒng)(collaborative BCI,cBCI)應(yīng)運(yùn)而生。cBCI可充分發(fā)揮群體智慧優(yōu)勢,深入挖掘群體神經(jīng)響應(yīng)信息,從而更高效地完成人-機(jī)交互作業(yè)。本文綜述了cBCI的基本系統(tǒng)架構(gòu),并結(jié)合現(xiàn)有研究分析其在決策與控制兩個應(yīng)用場景下的作業(yè)特點(diǎn),討論了面向不同作業(yè)需求和系統(tǒng)架構(gòu)的群體神經(jīng)信息融合算法的優(yōu)勢與不足,展望了cBCI的系統(tǒng)優(yōu)化方向與應(yīng)用研究的發(fā)展趨勢。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1 cBCI系統(tǒng)架構(gòu)[12]

如圖1(a）所示，集中式cBCI指的是多用戶同時進(jìn)行實(shí)驗(yàn)，獨(dú)立采集各自的腦電信息，通過數(shù)據(jù)服務(wù)器對全部用戶的EEG數(shù)據(jù)依序進(jìn)行整合、預(yù)處理、特征提取和模式識別，最終做出群體決策。集中式架構(gòu)同步獲取群腦信息，對特征進(jìn)行深度挖掘與融合，例如建立用戶遷移學(xué)習(xí)模型或高維腦電的深度學(xué)習(xí)模型....

圖2 BCI系統(tǒng)在神經(jīng)-肌肉傳輸中的應(yīng)用[12]

利用BCI增強(qiáng)人類認(rèn)知或行為能力的思想最早于20世紀(jì)70年代提出，現(xiàn)已發(fā)展為兩個方向的研究：一是通過反饋訓(xùn)練技術(shù)增強(qiáng)軍事人員作戰(zhàn)表現(xiàn)；二是通過直接解碼大腦指令加快任務(wù)響應(yīng)。cBCI作為一種傳統(tǒng)單人BCI的應(yīng)用拓展，可以實(shí)現(xiàn)群體高效地外設(shè)控制。Wang等[12]利用cBCI技術(shù)改變....

本文編號：4050415