-
公开(公告)号：CN107065850A
公开(公告)日：2017-08-18
申请号：CN201611136538.0
申请日：2016-12-12
Applicant: 东南大学
IPC: G05D1/02 , G08C17/02 , A61B5/0478
Abstract: 本发明公开了一种脑电波控制的四轮独立驱动智能小车系统及其控制方法，包括脑电信号采集头套、脑电信号处理程序以及四轮独立驱动电动车的驱动控制系统。使用者针对不同的驾驶指令作出相应的运动想象；通过脑电采集头套提取脑电信号，并传输给计算机，计算机对接收的脑电信号进行预处理、特征提取和分类，分类结果作为指令通过无线通信模块发送至电动车驱动控制系统，实现根据使用者脑电波处理结果为执行指令，通过对四轮独立驱动系统容错稳定性控制的智能电动车。本发明可以极大的扩展有严重运动障碍的残疾人的移动范围，同时可以用于运动想象识别系统训练使用，为使用者接入自动驾驶汽车系统提供了一种人车交互方式，具有很好的发展和应用前景。
-
Patent Agency Ranking
公开(公告)号：CN109144277B
公开(公告)日：2021-04-27
申请号：CN201811218785.4
申请日：2018-10-19
Applicant: 东南大学
Abstract: 本发明涉及一种基于机器学习实现脑控智能小车的构建方法，包括以下步骤：被试佩戴EMOTIV脑电放大器，想象左手运动、右手运动、推和拉等肢体动作；将放大器采集得到的脑电信号传输给上位机中的Simuink模块，再通过无线串口将信号传输给虚拟机中的Linux系统；运用小波包分解滤除与运动想象无关的脑电信号，利用Fisher判据选取每个通道的最佳频率，再根据公共空间模式（CSP）的滤波系数剔除部分维度的信号分量；完成K近邻（KNN）分类器的构建，对一对多CSP滤波器所提取的特征向量进行分类，将分类结果传输给单片机，实现小车实时控制；本发明所需的硬件平台结构简单成本低，通过各通道频率选取及部分维度信号分量的剔除提高了脑电信号的识别率，保障了小车的驾驶安全。
-
公开(公告)号：CN106821375A
公开(公告)日：2017-06-13
申请号：CN201710072658.7
申请日：2017-02-10
Applicant: 东南大学
IPC: A61B5/0476 , G06K9/62
CPC classification number: A61B5/0476 , A61B5/04012 , A61B5/725 , G06K9/6235 , G06K2009/6236
Abstract: 本发明公开了一种基于CSP算法及AR模型的想象动作电位的脑电信号特征提取方法，包括依次执行的脑电信号的采集、初步滤波、以及利用共空间模式算法（CSP算法）与自回归模型（AR模型）相结合进行特征提取步骤。本发明提高了脑电信号特征提取的准确性，开拓了应用领域，具备广阔的前景。
-
公开(公告)号：CN109299647B
公开(公告)日：2022-02-11
申请号：CN201810817791.5
申请日：2018-07-24
Applicant: 东南大学
Abstract: 本发明涉及一种面向车辆控制的多任务运动想象脑电特征提取及模式识别方法，利用脑电放大器采集被试的多任务运动想象脑电信号，传输给上位机后利用welch功率谱及一对一公共空间模式算法提取运动想象脑电的频域及空域特征组合；根据训练集数据所属类别构建多个GMM分类器，将原始脑电信号通过GMM分类器，并将得到的概率密度与设定的可信阈值进行对比，利用人工神经网络对低于可信阈值的样本进行二次分类，得出最终分类结果并通过无线串口传输给车辆，实现车辆的实时运动；本发明通过利用welch功率谱和CSP提取与运动想象相关的频域及空域特征，利用GMM和人工神经网络两级分类器，有效提高了车辆控制的实时性和车辆驾驶的安全性，为脑控车辆的实际应用奠定基础。
-
公开(公告)号：CN109299647A
公开(公告)日：2019-02-01
申请号：CN201810817791.5
申请日：2018-07-24
Applicant: 东南大学
Abstract: 本发明涉及一种面向车辆控制的多任务运动想象脑电特征提取及模式识别方法，利用脑电放大器采集被试的多任务运动想象脑电信号，传输给上位机后利用welch功率谱及一对一公共空间模式算法提取运动想象脑电的频域及空域特征组合；根据训练集数据所属类别构建多个GMM分类器，将原始脑电信号通过GMM分类器，并将得到的概率密度与设定的可信阈值进行对比，利用人工神经网络对低于可信阈值的样本进行二次分类，得出最终分类结果并通过无线串口传输给车辆，实现车辆的实时运动；本发明通过利用welch功率谱和CSP提取与运动想象相关的频域及空域特征，利用GMM和人工神经网络两级分类器，有效提高了车辆控制的实时性和车辆驾驶的安全性，为脑控车辆的实际应用奠定基础。
-
公开(公告)号：CN109144277A
公开(公告)日：2019-01-04
申请号：CN201811218785.4
申请日：2018-10-19
Applicant: 东南大学
CPC classification number: G06F3/015 , G06K9/00503 , G06K9/6256
Abstract: 本发明涉及一种基于机器学习实现脑控智能小车的构建方法，包括以下步骤：被试佩戴EMOTIV脑电放大器，想象左手运动、右手运动、推和拉等肢体动作；将放大器采集得到的脑电信号传输给上位机中的Simuink模块，再通过无线串口将信号传输给虚拟机中的Linux系统；运用小波包分解滤除与运动想象无关的脑电信号，利用Fisher判据选取每个通道的最佳频率，再根据公共空间模式（CSP）的滤波系数剔除部分维度的信号分量；完成K近邻（KNN）分类器的构建，对一对多CSP滤波器所提取的特征向量进行分类，将分类结果传输给单片机，实现小车实时控制；本发明所需的硬件平台结构简单成本低，通过各通道频率选取及部分维度信号分量的剔除提高了脑电信号的识别率，保障了小车的驾驶安全。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
