面向计算智能的脑电-机电系统接口设计与实现
人机交互
2022-04-25 v1 分布式、并行与集群计算
摘要
能够读取脑电图（EEG）信号的装置已广泛用于脑机接口（BCIs）。近年来，随着若干可实时检测人类认知状态并反馈以提升人类表现的消费级EEG装置的发展，BCI领域的受欢迎程度有所上升。已有若干研究致力于理解BCI中EEG的基本原理与关键方面。然而，如何有效利用消费级EEG装置控制机电系统这一重要问题却较少受到关注。在本文中，我们设计并实现了一种使用OpenBCI Cyton头戴装置及运行游戏的用户界面的EEG BCI系统。我们让真实参与者玩游戏以收集训练数据，随后将数据输入多个机器学习模型，包括线性判别分析（LDA）、k近邻（KNN）和卷积神经网络（CNN）。在训练机器学习模型后，实验进入验证阶段，参与者尝试游玩同一游戏但无直接控制，而是利用机器学习模型的输出来决定游戏如何移动。我们发现，针对特定游戏玩家训练的CNN在所测试的机器学习模型中激活准确率最高，可用于未来与机电系统的集成。
引用
@article{arxiv.2204.10652,
title = {Design and Implementation of EEG-Mechatronic System Interface for Computational Intelligence},
author = {Cameron Aume and Shantanu Pal and Subhas Mukhopadhyay},
journal= {arXiv preprint arXiv:2204.10652},
year = {2022}
}