基于脑电和眼动信号的人机交互意图识别
2021-03-26王崴赵敏睿高虹霓朱帅瞿珏
王崴,赵敏睿,高虹霓,朱帅,瞿珏,2,*
1. 空军工程大学 防空反导学院,西安 710051 2. 西北工业大学 航空学院,西安 710072
提高飞行器人机交互系统对飞行员的意图感知和状态识别能力是飞行器人机交互智能化的关键目标之一[1],可为自适应飞行器人机交互系统设计提供理论依据和技术支持,并减少操作过程中的人为差错[2]。人机交互意图指的是用户在进行计算机系统操作时的目标和期望,传统人机交互意图识别方法主要依靠脑电信号或眼动信号。
脑机接口(Brain-Computer Interface, BCI)是脑电信号的应用形式,可在人脑与外部设备建立通信关系,进而通过大脑控制外部设备[3-5]。BCI已经应用在医学[6]、神经生物学[7-8]和心理学[9-10]等领域。运动想象(Motor Imagery, MI)脑电图(Electroencephalogram, EEG)具有灵活、非侵入性、环境要求低和分辨率高的特点,因此MI是BCI广泛应用的形式之一[11]。运动想象过程中EEG信号的频带功率会随MI任务的内容变化,这被称为事件相关的同步化和去同步化(Event Related Synchronization/Desynchronization, ERS/ERD)[12],ERS/ERD的产生与内部或外部事件相关,当人的一侧肢体进行运动或进行运动想象时,大脑对侧的感觉运动区μ节律和β节律能量减少,同侧运动感觉区μ节律和β节律能量增加。这种规律使得ERS/ERD控制外部设备或进行运动想象意图识别成为可能[13]。蒋贵虎等基于固有时间尺度分解和支持向量机(Support Vector Machine, SVM)算法对第3届BCI竞赛的Dataset Ⅲa数据集和第4届BCI竞赛的Dataset 2a数据集进行了分类,最终分类结果分别达到94.65%和90.63%[14]。徐宝国等设计实验通过MI控制机械臂完成连续抓取任务,成功率达到85%[11],但这些意图识别方式都仅依赖脑电信号,没有融合眼动信号的优点,识别准确率有待进一步提高。……
