CN106601075A - 脑电波输入训练器 - Google Patents
脑电波输入训练器 Download PDFInfo
- Publication number
- CN106601075A CN106601075A CN201710064784.8A CN201710064784A CN106601075A CN 106601075 A CN106601075 A CN 106601075A CN 201710064784 A CN201710064784 A CN 201710064784A CN 106601075 A CN106601075 A CN 106601075A
- Authority
- CN
- China
- Prior art keywords
- brain wave
- processor
- user
- mike
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种脑电波输入训练器,包括脑电波传感器,该脑电波传感器连接有处理器,处理器连接有麦克风,麦克风采集语音信息,脑电波传感器采集脑电波,处理器将脑电波和麦克风语音信息进行个人特征数据建模;本发明利用脑电波传感器采集脑电波,利用麦克风采集语音信息,处理器将脑电波和麦克风语音信息进行一一匹配并存储,从而形成一个用户的个人特征数据库,在训练完成后,用户就可以只用脑电波输入信号。
Description
技术领域
本发明涉及训练器领域,尤其涉及一种脑电波输入训练器。
背景技术
生物电现象是生命活动的基本特征之一,各种生物均有电活动的表现,大到鲸鱼,小到细菌,都有或强或弱的生物电。其实,英文细胞cell一词也有电池的含义,无数的细胞就相当于一节节微型的小电池,是生物电的源泉。
人脑中有许多的神经细胞在活动着,而成电器性的变动,也就是说,有电器性的摆动存在,而这种摆动呈现在科学仪器上,看起来就像波动一样,脑中的电器性震动我们称之为脑波,用一句话来说明脑波的话,或许可以说它是由脑细胞所产生的生物能源,或者是脑细胞活动的节奏。
总的来说,脑电波是大脑在活动时,大量神经元同步发生的突触后电位经总和后形成的,它记录大脑活动时的电波变化,是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映;脑电波来源于锥体细胞顶端树突的突触后电位。脑电波同步节律的形成还与皮层丘脑非特异性投射***的活动有关。
在时间应用中,脑电波或脑电图是一种比较敏感的客观指标,不仅可以用于脑科学的基础理论研究,而且更重要的意义在于它的临床实践的应用,与人类的生命健康息息相关;脑电波是诊断癫痫的必要依据,脑电波对于各种颅内病变,如脑中风、脑炎、脑瘤、代谢性脑病变等,亦有很大的诊断帮助;脑波图仍是目前研究睡眠最客观的依据,藉由监测睡眠中脑波变化,人们可以区分睡眠中的不同时期。
专利号201610843335.9的用于睡眠状态分析的睡眠状态检测器,从低频脑电信号上提取脑电波,从该脑电波中检测K综合波与δ波并统计数量,在数量超过预设的数量阈值时判定所述用户当前处于睡眠状态;专利号201521141087.0的一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***,则将脑电波初步识别技术用于身份识别***中;专利号201610682795.8的一种通过人体量子效应治疗疾病的治疗室,则将脑电波用于医学领域。
2015年12月,在南京航空航天大学第四届“天宫杯”研究生创新实验竞赛现场,南航学生利用脑电波信号,成功实现了操控无人机的起飞和降落;而在2016年12月18号,央视《挑战不可能》节目中,来自浙江大学的师生共同完成了用脑电波操控小白鼠走迷宫,并在现场,撒贝宁通过自己的脑电波意念发出指示,成功控制了电极另一端体验脑电波设备的王力宏的手指,这也说明了人在作出不同的指令时,形成的脑电波是有差异的,而且不同的人在做相同的事情时,脑电波虽然相似但依旧存在差异,如果要使用脑电波代表手脚进行控制,则需要一定的训练。
发明内容
本发明为解决上述问题提供一种脑电波输入训练器,利用脑电波传感器采集脑电波,利用麦克风采集语音信息,从而在处理器中形成一个用户的个人特征数据库。
为实现上述目的,达到上述效果,本发明通过以下技术方案实现:
一种脑电波输入训练器,包括脑电波传感器,该脑电波传感器连接有处理器,处理器连接有麦克风,麦克风采集语音信息,脑电波传感器采集脑电波,处理器将脑电波和麦克风语音信息进行个人特征数据建模。
作为本发明的一种优选方式,脑电波输入训练器还包括有提示装置,该提示装置与处理器无线连接,提示装置为能发出语音提示的扬声器或能进行屏幕提示的显示装置,使用户按照提示进行训练,从而达到更理想的训练效果。
利用脑电波输入训练器进行的脑电波输入训练方法,包括以下步骤:
S1、用户佩戴上脑电波传感器,并启动麦克风和处理器 ;
S2、语音提示用户跟读;
S3、用户在进行跟读时,麦克风采集用户跟读的语音信息,脑电波传感器采集用户的脑电波;
S4、处理器将接收到的语音信息与脑电波进行一一匹配对应,从而建立起个人特征数据建模库。
当训练结束后,用户就可以使用脑电波进行输入控制。
作为脑电波输入训练方法的一种优选方式,可以将步骤S1替换为:屏幕提示用户读出所显示的信息。
本发明的有益效果是:
一种脑电波输入训练器,利用脑电波传感器采集脑电波,利用麦克风采集语音信息,处理器将脑电波和麦克风语音信息进行一一匹配并存储,从而形成一个用户的个人特征数据库,在训练完成后,用户就可以只用脑电波输入信号。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后,本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明涉及的脑电波输入训练器的示意图;
其中,上述附图包括如下附图标记:麦克风1、脑电波传感器2、处理器3、电脑4。
具体实施例
下面将参考附图并结合实施例,来详细说明本发明:
如图1所示,一种脑电波输入训练器,为本发明的优选实施例,包括麦克风1、脑电波传感器2、处理器3,并使用电脑4来作提示装置,其中,麦克风1、脑电波传感器2与处理器连接,电脑4与处理器3无线连接。
其中,电脑4显示要采集的信息,麦克风1采集用户读出该信息的语音信息,脑电波传感器2用来采集该信息的脑电波,语音信息和脑电波一起传输至处理器3,由处理器3将关于该信息的语音信息和脑电波进行一一匹配,从而建立起用户的个人特征数据库,在训练完成后,用户可以只使用脑电波进行输入控制。
根据上述的脑电波输入训练器,关于用户的脑电波输入训练方法,具体步骤如下:
S1、用户佩戴上脑电波传感器(2),并启动麦克风(1)和处理器(3) ;
S2、在电脑4上显示要采集的信息;
S3、用户读出要采集的信息时,麦克风(1)采集用户跟读的语音信息,脑电波传感器(2)采集用户的脑电波;
S4、处理器(3)将接收到的语音信息与脑电波进行一一匹配对应,从而建立起个人特征数据建模库。
为了便于进一步的说明,引入生活中的实际物品结合本发明作进一步的说明,比如在计算机上打字输入是使用键盘,用户在佩戴上脑电波传感器2后,一一读出键盘上所有的键位信息,并同时采集脑电波信息,在采集完毕并训练完成后,用户在脑中进行拼音或者五笔,就可以在计算机上打出该字,同上,训练控制电视机遥控器的键位,使用户在不开口,不按遥控器就可以对电视机进行遥控。
本发明的第二实施例,在优选的实施例上,将电脑4变为扬声器,扬声器与与处理器连接,通过语音来提示用户进行跟读。
本发明的第三实施例,在优选的实施例上,去掉电脑,增加一个显示接口或是语音接口供用户插接后使用。
以上所述,仅为本发明的较佳实施例而已,并非对本发明作任何形式上的限制;凡本行业的普通技术人员均可按说明书附图所示和以上所述而顺畅地实施本发明;但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内,利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等,均仍属于本发明的技术方案的保护范围之内。
Claims (4)
1.一种脑电波输入训练器,包括脑电波传感器(2),其特征在于:所述脑电波传感器(2)连接有处理器(3),所述处理器(3)连接有麦克风(1),所述处理器(3)将脑电波传感器(2)采集的脑电波和麦克风(1)采集到的语音信号进行个人特征数据建模。
2.根据权利要求1所述的脑电波输入训练器,其特征在于:所述脑电波输入训练器还包括有提示装置,所述提示装置与处理器无线连接,所述提示装置为能发出语音提示的扬声器或能进行屏幕提示的显示装置。
3.一种脑电波输入训练方法,其特征在于:包括以下步骤:
S1、用户佩戴上脑电波传感器(2),并启动麦克风(1)和处理器(3) ;
S2、语音提示用户跟读;
S3、用户在进行跟读时,麦克风(1)采集用户跟读的语音信息,脑电波传感器(2)采集用户的脑电波;
S4、处理器(3)将接收到的语音信息与脑电波进行一一匹配对应,从而建立起个人特征数据建模库。
4.根据权利要求3所述的脑电波输入训练方法,其特征在于:将步骤S2替换为:屏幕提示用户读出所显示的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710064784.8A CN106601075A (zh) | 2017-02-05 | 2017-02-05 | 脑电波输入训练器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710064784.8A CN106601075A (zh) | 2017-02-05 | 2017-02-05 | 脑电波输入训练器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106601075A true CN106601075A (zh) | 2017-04-26 |
Family
ID=58586804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710064784.8A Pending CN106601075A (zh) | 2017-02-05 | 2017-02-05 | 脑电波输入训练器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106601075A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413125A (zh) * | 2019-08-02 | 2019-11-05 | 广州市纳能环保技术开发有限公司 | 基于脑电波的转换方法、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102474696A (zh) * | 2009-07-13 | 2012-05-23 | 唯听助听器公司 | 适于检测脑电波的助听器和用于调适这类助听器的方法 |
CN102999701A (zh) * | 2012-11-28 | 2013-03-27 | 电子科技大学 | 脑波音乐生成方法 |
CN103646587A (zh) * | 2013-12-05 | 2014-03-19 | 北京京东方光电科技有限公司 | 一种智能眼镜及其控制方法 |
CN203988071U (zh) * | 2014-01-13 | 2014-12-10 | 张健 | 模拟环境助听器验配仪 |
CN104606763A (zh) * | 2015-01-30 | 2015-05-13 | 上海泰亿格康复医疗科技股份有限公司 | 一种基于脑电波诱导和音频可视化技术的视听统合训练器 |
-
2017
- 2017-02-05 CN CN201710064784.8A patent/CN106601075A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102474696A (zh) * | 2009-07-13 | 2012-05-23 | 唯听助听器公司 | 适于检测脑电波的助听器和用于调适这类助听器的方法 |
CN102999701A (zh) * | 2012-11-28 | 2013-03-27 | 电子科技大学 | 脑波音乐生成方法 |
CN103646587A (zh) * | 2013-12-05 | 2014-03-19 | 北京京东方光电科技有限公司 | 一种智能眼镜及其控制方法 |
CN203988071U (zh) * | 2014-01-13 | 2014-12-10 | 张健 | 模拟环境助听器验配仪 |
CN104606763A (zh) * | 2015-01-30 | 2015-05-13 | 上海泰亿格康复医疗科技股份有限公司 | 一种基于脑电波诱导和音频可视化技术的视听统合训练器 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413125A (zh) * | 2019-08-02 | 2019-11-05 | 广州市纳能环保技术开发有限公司 | 基于脑电波的转换方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11577043B2 (en) | Brain stimulation system, method and apparatus based on artificial intelligence and storage medium | |
Zhang et al. | A survey on deep learning-based non-invasive brain signals: recent advances and new frontiers | |
Miller et al. | The current state of electrocorticography-based brain–computer interfaces | |
CN109804331B (zh) | 检测和使用身体组织电信号 | |
CN104902806B (zh) | 神经病理的评估***及方法 | |
Jiang et al. | Brain computer interface based 3D game for attention training and rehabilitation | |
CN101198277B (zh) | 用于生理学和心理生理学监控的*** | |
CN106407733A (zh) | 基于虚拟现实场景脑电信号的抑郁症风险筛查***和方法 | |
JP2017500991A (ja) | 生命メンテナンスモード、脳抑制法及び個人健康情報プラットホーム | |
CN109893093A (zh) | 一种隐式注视脑机接口的意识状态检测*** | |
Arafat | Brain-computer interface: past, present & future | |
CN115376695A (zh) | 基于扩展现实的神经心理评估及干预的方法、***和装置 | |
CN105813557A (zh) | 生物信号的局部收集、基于生物电信号的言语辅助接口中的光标控制以及基于生物电信号的觉醒检测 | |
CN111297379A (zh) | 一种基于感官传递的脑机结合***和方法 | |
CN106601075A (zh) | 脑电波输入训练器 | |
Shahraki et al. | The Impact of Brain–Computer Interface on Lifestyle of Elderly People | |
Mekruksavanich et al. | Deep learning approaches for epileptic seizures recognition based on eeg signal | |
Hossain et al. | Emotion recognition using brian signals based on time-frequency analysis and supervised learning algorithm | |
Yan et al. | A dry electrode based headband voice brain-computer interface device | |
CN111897428B (zh) | 一种基于运动式脑机接口的手势识别方法 | |
Matamoros et al. | Analysis of EEG signals in a patient with spastic cerebral palsy undergone dolphin-assisted therapies | |
Kolhe et al. | Automation of Appliances Using Electroencephalography | |
Ganiga et al. | Modeling EEG Signals for Mental Confusion Using DNN and LSTM With Custom Attention Layer | |
Karim et al. | Epileptic seizure detection by exploiting eeg signals using different decomposition techniques and machine learning approaches | |
Bansal et al. | EEG Based BCI—Control Applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170426 |
|
WD01 | Invention patent application deemed withdrawn after publication |