WearBCI 数据集：理解和基准化实际应用可穿戴脑机接口信号
人机交互
2026-04-14 v1 人工智能
信号处理
摘要
脑机接口（BCI）为人类-计算机交互、医学诊断和神经康复开辟了新平台。可穿戴 BCI 系统通常采用非侵入式电极实现便携监测，具有广阔的实际应用前景，但也面临因运动伪影和环境干扰导致的信号质量下降等重大挑战。大多数现有可穿戴 BCI 数据集在 stationary 或受控实验室环境中收集，限制了其在体动作情境下的性能评估。为弥合这一差距，我们引入 WearBCI——第一个全面评估可穿戴 BCI 信号的 dataset，涵盖不同运动动力学下的同步多模态记录（EEG、IMU 和 egocentric video），并提供系统化的基准评估以研究运动伪影的影响。具体而言，我们来自 36 名参与者的数据覆盖身体运动、步行和导航等不同运动动力学。该数据集包括同步的电生理信号（EEG）、惯性测量单元（IMU）数据和 egocentric 视频记录。我们分析收集的可穿戴 EEG 信号以理解不同情境下的运动伪影影响，并在数据集上对代表性 EEG 信号增强技术进行基准测试。此外，我们探索了两个新案例：跨模态 EEG 信号增强和多维人类行为理解。这些发现为实际可穿戴 BCI 的部署提供了宝贵见解，并催生了新应用。
引用
@article{arxiv.2604.09649,
title = {WearBCI Dataset: Understanding and Benchmarking Real-World Wearable Brain-Computer Interfaces Signals},
author = {Haoxian Liu and Hengle Jiang and Lanxuan Hong and Xiaomin Ouyang},
journal= {arXiv preprint arXiv:2604.09649},
year = {2026}
}
备注
Accepted by Sensys 2026