自然人机交互技术

一、问题研究背景 在人类进化过程中,科学家发现,大脑在对眼睛获取到的事物发生意识、进行思维活动,或受到来自外界的刺激时,大脑皮层会伴随着神经系统的运动产生变化的电位,从而产生脑电信号。人在放松、紧张等不同精神情绪状态下,脑电波的频率会有明显

一、 问题研究背景
       在人类进化过程中,科学家发现,大脑在对眼睛获取到的事物发生意识、进行思维活动,或受到来自外界的刺激时,大脑皮层会伴随着神经系统的运动产生变化的电位,从而产生脑电信号。人在放松、紧张等不同精神情绪状态下,脑电波的频率会有明显的不同,由此看出脑电波活动具有一定的规律性特征,并且和我们的意识活动存在某种可以探知的关系。
       “人工智能的终极目标在类脑智能。”
       最近几年,许多与人工智能相关的名词、产品热度一路上涨:“图灵测试”、“AlphaGo”等,技术成果凭借高度的准确率、人性化博得了越来越多的关注,如此下来非常有希望催生新的产业,占领科技市场。
       脑电信号(EEG)直接反映人脑活动和认知特性,可以做感情变化检测、生理疾病探测、大脑与机械手臂的交互。在人工智能领域,可以探索人脑活动变化,可以通过总结人类的认知方式,还可以帮助行动困难的人来控制轮椅等设备,在目标检测上可以借助脑电信号提高目标检测的性能。在情绪监测上可以感知工作状态、压力和焦虑等等。另外在一些EEG研究上,可以利用它对视觉的刺激研究人类视觉感知的特点,来启发计算机视觉研究等。脑科学与脑电信号的研究有着广泛的应用范围。
       研究人工智能的长期目标是使其达到人类水平,使用阶段能够以假乱真和人类进行多种方式的交互。它要求最终的人工智能系统要协同各方面人的认知能力,对环境的变化有敏感的自适应能力,对新的样本、客体等具备自学习能力。
       类脑智能是人工智能发展的最终目标。有脑科学的研究发展作为铺垫,脑机交互人工智能系统在此基础上得到扩展:对脑信息处理机制的分析和借鉴。类脑智能的研究目标就是以借鉴人脑神经结构和处理方式的经验实现机械类脑、行为类人的人工智能系统。
二、 脑机接口BCI
       脑机接口(Brain-computer Interface,BCI)是现代脑机交互技术研究的一种人机接口。它不依赖于脑的正常输出通路(外围神经和肌肉)就可以实现脑-机的通信。
      脑电波的获取手段大致可以分为:1.侵入式,把电极植入到人脑内,生成皮质脑电图(ECoG)),在一些科幻电影中可能有所体现。2.非侵入式,而需要体积庞大的设备,例如MEG脑磁信号设备,其体量很大。3.另一种非侵入式利用脑电信号(EEG),最大的特点是体积很小,可以做成便携式设备,甚至造价非常低廉,可用性好。它很可能成为未来社会脑机交互应用的主要趋势,利用视觉驱动电势。通常称作VEP和ERP。
 
BCI的结构可以分为:
1. 信号的测量:在头部带一个装有电极的帽子获取电信号;
       神经学家Oxley发明的Stentrode可替代直接植入脑组织的传统电极。这些标准电极能对单个神经元的信息进行高保真记录,然而坚硬的硅金属结构会导致脑组织发炎,而随时间推移,电极周围常常会出现疤痕组织。Oxley表示,“通过血管植入设备避免了对脑组织的直接侵入”,因此能够避免伤害。Stentrode无法从血管中直接记录神经活动,但Oxley表示,通过适当的信号处理,Stentrode可以带来“一类不同的信号”。
       最常用的EEG信号采集使用非入侵方式,由人戴上“帽子”,按照设定好的电极位置提取大脑皮层的脑电信号;可以选择耳垂、耳朵后部的骨骼之类的位置等电压比较稳定的点电位作为参考点。电极材料由细小的导电材料组成,较灵敏地将大脑皮层上的电位信息传递给记录仪器。
2. 信号的预处理:信号放大;滤波;模数转换等;
3. 特征提取:从预处理之后的EEG信号中提取出特定的特征,利用FFT或者小波变换等方式降低特征的维数,使各个特征之间相关性很小;
过程涉及几种BCI的转换算法:
i. 独立分量分析(ICA)
ii. 频谱分析:采用快速傅立叶变换(FFT)对脑电信号进行预处理。FFT变换后的特征频率成分的幅值来确定是否在每一个刺激源的相应频率的FFT是一个峰的峰组成;进一步确定它是否是一个特定的多的振幅平均值、范围采取对应的频率分量的最大峰值。
iii. Wavelet变换:对信号进行小波分解,分析诱发电位信号和不同尺度下的噪声分布,能够处理强噪声背景,准确快速提取微弱视觉诱发电位信号。选择诱发电位信号的特征频带设计小波时频滤波器。结合少量的子累加平均,可以提高信噪比。该算法能快速准确提取诱发电位信号,在脑和计算机接口应用中具有良好的通信速度。
4.分类器:不同的BCI分类不同,通常分为2~5类;分类器的输出作为设备控制器的输入;
5.设备控制器:将分类好的信号转换为实际的动作;
6.反馈部分:BCI系统中的反馈属于生物反馈/操作性训练,将生物信息反馈给产生该信息的人,帮助训练。
自然人机交互技术 
三、 关键技术分析
BCI系统中的交互技术:
       BCI系统中进行交互的主要手段为生物反馈,系统将输出的结果反馈给使用者后,使用者将结果与自己的期望值进行比对,然后主动调节自身的生理状态,使后续的输出更接近期望值。
基于脑电信号的有效视觉特性分析:
       人眼对于所看到的事物,反映到大脑的分析,做出的外在肢体反应通过脑电识别能否找到有代表性的特点,其中的规律;要求通过探索人脑视觉感知的工作机理,改进视觉认知计算模型;同时脑电信号的信噪比非常差,降噪、预处理过程的有效性十分重要。
面向多种范式的思维脑控技术:
       这项研究的重点是VEP,这是更有效的在这个阶段。稳态视觉诱发电位(当受到一个固定频率的视觉刺激,人的大脑的视觉皮层会产生与刺激频率的连续相关性(刺激的频率或频率)这种反应被称为稳态视觉诱发电位,可以可靠地应用于脑机接口系统(BCI)相对。)其它信号(如P300,运动想象),ssvepbcis通常有较高的信息传输速率,系统和实验设计简单,和所需的训练的数量相对较少。
现阶段的技术方向:
       本领域未来的研究问题主要有几个方面:1、结合信号处理、机器学习、统计学习理论,实行强干扰、极低信噪比下的高准确度脑电信号识别理论;2、利用VEP、ERP范式,探索和掌握通用环境下稳定的基于思维脑电的脑机接口方法;3、通过探索人脑视觉感知的工作机理,改进视觉认知计算模型,启发人工智能与计算机视觉研究和发展。
四、 脑电信号获取及处理中存在的问题
 
       脑电信号分析是脑机接口的基础和关键,可以提供直接的人机交互,这是基于人脑信号的信号,将其转化为机器指令,脑电识别与脑机交互将具有对人机交互的革命性影响。脑电信号分析是人工智能研究的重要组成部分。通过脑电识别,我们可以探索人脑,发现认知机制,解释逻辑推理过程,提供有效的人工智能方法和技术。
主要技术问题:
1、EEG信号识别性能非常低。由于EEG信噪比非常低,所以在面部或猫脸识别准确的结果之前,准确率难以达到。因此,其准确率和计算复杂度难以满足实际应用的需要。
2、 对于EEG多通道,强噪声特性有效的降噪方法和分类理论并不完美。
3、 理论上解决现有分类模型的渠道分类分析,相关渠道选择问题不是很有效。
4、现有的大脑和计算机界面系统模型单一(范例还比较简单)。
五、现阶段应用发展状况及未来方向
       脑科学与人工智能的研究致力于将神经网络与计算机网络产生交互,如上所述的研究有一些可以付诸实际的应用,但距离产业化尚有很长的距离。基于脑机交互接口的应用实践人们有过许多尝试:X国防部向外界透露了“阿凡达”研究项目,未来通过大脑接口控制武器装备计划,利用远程控制“机器战士”的想法,而不是在战场上战斗,执行作战任务。在运输领域,脑机界面可用于实现无人驾驶技术,通过远程传输EEG控制信号来驾驶汽车,飞机,火车等交通工具,不仅可以准确飞行,而且可以避免交通事故,减少伤亡事故。在日常生活中,脑和脑界面技术在游戏娱乐,智能家居,实时监控等方面都有很大的应用空间。一个科研团队研究了一个EEG系统,用户可以用它来玩愤怒的小鸟和魔兽世界。
       总之,BCI是神经科学,信号检测与处理,模式识别等跨学科新兴技术的设计,具有广阔的应用前景,具有深远的意义。目前阶段的理论与算法还有很大的研究空间,要使科技工作者继续关注这一领域的研究。

下载提示:

1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“文章版权申述”(推荐),也可以打举报电话:18735597641(电话支持时间:9:00-18:30)。

2、网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。

3、本站所有内容均由合作方或网友投稿,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务。

原创文章,作者:写文章小能手,如若转载,请注明出处:https://www.447766.cn/chachong/864.html,

Like (0)
写文章小能手的头像写文章小能手游客
Previous 2017年12月1日
Next 2017年12月2日

相关推荐

My title page contents