CN114756137A - 一种针对肌电信号与脑电信号的训练模式调整方法及装置 - Google Patents
一种针对肌电信号与脑电信号的训练模式调整方法及装置 Download PDFInfo
- Publication number
- CN114756137A CN114756137A CN202210675689.2A CN202210675689A CN114756137A CN 114756137 A CN114756137 A CN 114756137A CN 202210675689 A CN202210675689 A CN 202210675689A CN 114756137 A CN114756137 A CN 114756137A
- Authority
- CN
- China
- Prior art keywords
- action
- determining
- signals
- training
- electromyographic
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Dermatology (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- User Interface Of Digital Computer (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种针对肌电信号与脑电信号的训练模式调整方法及装置,方法包括:获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度;获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息;根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。本发明可基于专注程度以及执行所述动作意图所对应的得分信息来选择对应的训练模式,可实时调整训练模式来对肌电信号与脑电信号进行训练,以便帮助用户更好地训练肌电信号与脑电信号,以提高动作执行的准确度。
Description
技术领域
本发明涉及肌电信号与脑电信号训练技术领域,尤其涉及一种针对肌电信号与脑电信号的训练模式调整方法及装置。
背景技术
随着人工智能技术与生物电采集技术的发展,人们对于智能化的辅助设备的需求日益强烈。在残疾人的生活当中,义肢的需求不再仅仅局限于美观与一些简单的辅助,更多的是对智能化义肢的渴求,这样就催生出智能仿生手的出现。智能仿生手是一款脑机接口技术于人工智能算法高度融合的智能产品。仿生手可以通过提取佩戴者手臂神经肌肉信号,并基于用户的脑电信号的意图,去识别佩戴者的运动意图,并将运动示意图转化成仿生手的动作,从而做到灵巧智能,手随心动。
目前对于脑电信号的训练基本都是基于冥想的方式来实现,以让用户的注意力更为集中,训练用户的专注程度。对于肌电信号的训练基本都是通过仿生手所执行的动作来确定是否为用户真正想要执行的动作来判断动作执行的正误,并在错误的时候进行纠正,从而实现对肌电信号的训练。但是现有技术中对于脑电信号或者肌电信号的训练效果并不理想,无法根据实际训练情况来对训练过程进行调整。
因此,现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种针对肌电信号与脑电信号的训练模式调整方法及装置,旨在解决现有技术中对于脑电信号或者肌电信号的训练很难同时进行训练,并且无法及时知晓脑电信号或者肌电信号的训练情况,也无法同时保证脑电信号或者肌电信号的训练效果的问题。
为了解决上述技术问题,本发明所采用的技术方案如下:
第一方面,本发明提供一种针对肌电信号与脑电信号的训练模式调整方法,其中,所述方法包括:
获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度;
获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息,所述得分信息用于评估执行所述动作意图的准确性;
根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。
在一种实现方式中,所述根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,包括:
对所述脑电信号数据进行分析,确定所述脑电信号数据中的关键参数,并确定所述关键参数所对应的分值,其中所述关键参数用于反映所述脑电信号数据波动情况;
获取所述关键参数所对应的权重数据,并根据所述权重数据以及所述分值,加权求和得到所述专注力值。
在一种实现方式中,所述根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,包括:
根据所述肌电信号数据,确定所述肌电信号数据所对应的动作电位信息;
根据所述动作电位信息,确定所述动作电位信息所对应的手势动作;
获取所述手势动作的动作方向以及动作类型,根据所述动作方向与所述动作类型确定所述动作意图。
在一种实现方式中,所述获取所述手势动作的动作方向以及动作类型,根据所述动作方向与所述动作类型确定所述动作意图,包括:
获取所述手势动作的姿态数据,基于所述姿态数据确定所述动作方向;
获取所述手势动作结束时的停留时间,若所述停留时间超过预设时长,则确定所述动作类型为定向动作;
当确定所述动作方向以及确定所述动作类型为定向动作后,确定所述动作意图对目标画面中的预设目标的进行移动以及对所述预设目标的执行定向动作,其中所述定向动作包括对目标物体进行瞄准与射击。
在一种实现方式中,所述根据所述专注力值与所述得分信息,调用对应的训练模式,包括:
根据所述专注力值以及预设的专注程度确认表,确定所述专注力值所对应的专注程度;
根据所述得分信息,确定所述得分信息所对应的得分等级;
根据所述专注力值与所述得分信息,确定对应的训练难度,并根据所述训练难度调用所述训练模式。
在一种实现方式中,所述根据所述专注力值与所述得分信息,确定对应的训练难度,并根据所述训练难度调用所述训练模式,包括:
若所述专注程度超过预设的程度等级且所述得分等级超过预设的关卡等级,则确定所述训练难度为中等难度;
当所述训练难度为中等难度时,调用难度系数比中等难度更高的训练模式。
在一种实现方式中,所述基于所述训练模式对肌电信号与脑电信号进行训练,包括:
获取所述训练模式所对应的难度要求,所述难度要求包括:所述预设目标对所述目标物体的成功击中率、对单个目标物体的击中时间、对单个目标物体进行射击的击中位置;
根据所述难度要求,提高对所述肌电信号数据以及所述脑电信号数据的采样频率,并以所述难度要求对肌电信号与脑电信号进行训练。
第二方面,本发明实施例提供一种针对肌电信号与脑电信号的训练模式调整装置,其中,所述装置包括:
专注力值确定模块,用于获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度;
得分信息确定模块,用于获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息,所述得分信息用于评估执行所述动作意图的准确性;
训练模式调用模块,用于根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。
在一种实现方式中,所述专注力值确定模块,包括:
分值确定单元,用于对所述脑电信号数据进行分析,确定所述脑电信号数据中的关键参数,并确定所述关键参数所对应的分值,其中所述关键参数用于反映所述脑电信号数据波动情况;
专注力值计算单元,用于获取所述关键参数所对应的权重数据,并根据所述权重数据以及所述分值,加权求和得到所述专注力值。
在一种实现方式中,所述得分信息确定模块,包括:
动作电位信息确定单元,用于根据所述肌电信号数据,确定所述肌电信号数据所对应的动作电位信息;
手势动作确定单元,用于根据所述动作电位信息,确定所述动作电位信息所对应的手势动作;
动作意图确定单元,用于获取所述手势动作的动作方向以及动作类型,根据所述动作方向与所述动作类型确定所述动作意图。
在一种实现方式中,所述动作意图确定单元,包括:
动作方向确定子单元,用于获取所述手势动作的姿态数据,基于所述姿态数据确定所述动作方向;
动作类型确定子单元,用于获取所述手势动作结束时的停留时间,若所述停留时间超过预设时长,则确定所述动作类型为定向动作;
动作意图分析子单元,用于当确定所述动作方向以及确定所述动作类型为定向动作后,确定所述动作意图对目标画面中的预设目标的进行移动以及对所述预设目标的执行定向动作,其中所述定向动作包括对目标物体进行瞄准与射击。
在一种实现方式中,所述训练模式调用模块,包括:
专注程度确定单元,用于根据所述专注力值以及预设的专注程度确认表,确定所述专注力值所对应的专注程度;
得分等级确定单元,用于根据所述得分信息,确定所述得分信息所对应的得分等级;
训练模式调用单元,用于根据所述专注力值与所述得分信息,确定对应的训练难度,并根据所述训练难度调用所述训练模式。
在一种实现方式中,所述得分等级确定单元,包括:
中等难度确定子单元,用于若所述专注程度超过预设的程度等级且所述得分等级超过预设的关卡等级,则确定所述训练难度为中等难度;
训练模式确定子单元,用于当所述训练难度为中等难度时,调用难度系数比中等难度更高的训练模式。
在一种实现方式中,所述训练模式调用模块,包括:
难度要求确定子单元,用于获取所述训练模式所对应的难度要求,所述难度要求包括:所述预设目标对所述目标物体的成功击中率、对单个目标物体的击中时间、对单个目标物体进行射击的击中位置;
信号训练控制子单元,用于根据所述难度要求,提高对所述肌电信号数据以及所述脑电信号数据的采样频率,并以所述难度要求对肌电信号与脑电信号进行训练。
第三方面,本发明实施例还提供一种肌电设备,肌电设备包括存储器、处理器及存储在存储器中并可在处理器上运行的针对肌电信号与脑电信号的训练模式调整的程序,处理器执行针对肌电信号与脑电信号的训练模式调整的程序时,实现如上述方案中任一项的针对肌电信号与脑电信号的训练模式调整的方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有针对肌电信号与脑电信号的训练模式调整的程序,针对肌电信号与脑电信号的训练模式调整的程序被处理器执行时,实现如上述方案中任一项的针对肌电信号与脑电信号的训练模式调整的方法的步骤。
有益效果:与现有技术相比,本发明提供了一种针对肌电信号与脑电信号的训练模式调整方法,本发明首先获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度。然后获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息。最后,根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。本发明可基于专注程度以及执行所述动作意图所对应的得分信息来选择对应的训练模式,可实时调整训练模式来对肌电信号与脑电信号进行训练,以便帮助用户更好地训练肌电信号与脑电信号,以提高动作执行的准确度。
附图说明
图1为本发明实施例提供的针对肌电信号与脑电信号的训练模式调整方法的具体实施方式的流程图。
图2为本发明实施例提供的针对肌电信号与脑电信号的训练模式调整***的原理框图。
图3为本发明实施例提供的肌电设备的原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本实施例提供一种针对肌电信号与脑电信号的训练模式调整方法,通过本实施例的方法可实时调整训练模式来对肌电信号与脑电信号进行训练,以便帮助用户更好地训练肌电信号与脑电信号,以提高动作执行的准确度。具体实施时,本实施例首先获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度。然后获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息。最后,根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。可见,本实施例可基于专注程度以及执行所述动作意图所对应的得分信息来选择对应的训练模式。
举例说明,肌电设备首先采集脑电信号数据,然后根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,比如确定出的专注力值为93分,此时就可以说明该用户比较专注。肌电设备还采集肌电信号数据,根据该肌电信号数据确定所述肌电信号数据所对应的动作意图,比如获取到的动作意图为按压,此刻就可以获取用户执行该动作意图(比如按压)的得分信息,该得分信息就是对用户执行的动作进行评估。因此当肌电设备得到专注力值以及得分信息后,就可以评估出此时用户的训练情况,然后调取对应的训练模式来对肌电信号与脑电信号进行强化训练。
示例性方法
本实施例的针对肌电信号与脑电信号的训练模式调整方法可应用于肌电设备中,所述肌电设备可采集脑电信号数据和/或肌电信号数据。在具应用时,本实施例中的肌电设备可为脑电头环以及肌电臂环,所述脑电头环是佩戴在用户头上,用于采集用户的脑电信号数据,所述肌电臂环是佩戴在用户的手臂上,用于采集用户的肌电信号数据。具体地,本实施例的针对肌电信号与脑电信号的训练模式调整方法包括如下步骤:
步骤S100、获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度。
在本实施例中,肌电设备首先获取一段时间内的脑电信号数据,然后对该脑电信号数据进行分析,确定脑电信号数据所对应的专注力值,所述专注力值用于反映所述用户的专注程度,该专注程度就可以确定用户此时的精神状态是否集中。
在一种实现方式中,本实施例在确定专注力值时包括如下步骤:
步骤S101、对所述脑电信号数据进行分析,确定所述脑电信号数据中的关键参数,并确定所述关键参数所对应的分值,其中所述关键参数用于反映所述脑电信号数据波动情况;
步骤S102、获取所述关键参数所对应的权重数据,并根据所述权重数据以及所述分值,加权求和得到所述专注力值。
具体地,具体地,由于每一个不同的脑电波信号数据都反映了用户此时的大脑处于不同的活跃状态,因此也就对应一个不同的冥想状态。本实施例中的专注力值可反映出用户的此时大脑进入冥想时的状态,该状态可通过脑电波信号数据体现出来,比如脑电波信号数据出现急促变化,则就表示用户的大脑比较活跃,此时冥想状态也就呈现出比较兴奋的状态,而如果脑电波信号数据在一段时间内都出于比较稳定状态(即没有明显变化),则就可以说明此时的用户的大脑比较平静,此时冥想状态也就呈现出比较安静的状态。而在本实施例中,专注力值可通过数值直观地展现出来,因此,本实施例在获取到若干脑电波信号数据后,就可以基于这些脑电波信号数据确定出此时的用户的冥想状态分值,该冥想状态分值即为所述专注力值。为了更加方便且便捷地确定出冥想状态分值,本实施例在获取到若干脑电波信号数据后,可根据该脑电波信号数据绘制出对应的脑电信号曲线,该脑电信号曲线反映的是脑电波信号数据在预设时间段内的波动情况,也就是脑电波信号数据的变化情况。本实施例通过绘制脑电信号曲线可以更为直观地确定出脑电波信号数据的变化情况,并且确定的方式也更为简单。该脑电信号曲线是可以基于预设的软件应用程序自动绘制的,比如,当脑电头环采集到若干脑电波信号数据后,可将这些脑电波信号数据输入至预设的软件应用程序,基于该软件应用程序自动绘制出脑电信号曲线。本实施例中的脑电信号曲线中有很多个关键参数,比如关键参数有峰值数据、谷值数据、两个相邻脑电波信号数据之间的差异数据等,这些关键参数都可以用于评估用户的专注力值(即冥想状态分值),为此,本实施例针对可单独对这些关键参数进行分析,以根据每一个关键参数来确定出冥想状态分值。为了得到所述冥想状态分值,本实施例可计算脑电信号曲线中的每一个关键参数的分值,在得到所有关键参数的分值后,就可以得到冥想状态分值。
具体地,在本实施例中,本实施例可以预设一标准冥想状态,该标准冥想状态为基于历史的脑电波信号数据筛选出的最为理想的脑电波信号数据,该标准冥想状态所对应的标准脑电信号曲线所反映的是用户在较长时间段内(比如10分钟)的脑电波信号数据都保持平稳,因此用户在这个较长时间段内的专注程度比较高。因此,本实施例可将获取到的脑电信号曲线与该标准脑电信号曲线进行对比与匹配,以便得到本实施例中脑电信号曲线中每一个关键参数的分值。本实施例可对所述标准脑电信号曲线中的每一个标准参数都设置一个基础分值,比如,标准脑电信号曲线的峰值数据的基础分值为90、谷值数据的基础分值为91、波峰数据与波谷数据之间的差异数据在±3的范围内的基础分值为90、波峰数据与波谷数据之间的差异数据在±5的范围内的基础分值为89。这样就为标准脑电信号曲线中的每一个标准参数都设置了基础分值。本实施例可将脑电信号曲线中的关键参数与标准参数进行比较,根据比较结果来确定出每一个关键参数的分值。在一种实现方式中,若某一个关键参数小于对应的标准参数,则在预设的基础分值上进行减分,就可以得到所述分值。比如,若本实施例中的脑电信号曲线中关键参数中的峰值数据为10,标准脑电信号曲线中标准参数的峰值数据为12,则可在基础分值90的基础上减2分,即得到脑电信号曲线中关键参数中的峰值数据的分值为88。而如果某一个关键参数大于对应的标准参数,则在预设的基础分值上进行加分,就可以得到所述分值。比如,若本实施例中的脑电信号曲线中关键参数中的谷值数据为11,标准脑电信号曲线中标准参数的谷值数据为10,则可在基础分值91的基础上加1分,即得到脑电信号曲线中关键参数中的峰值数据的分值为92。由此可知,本实施例中在基础分值的基础上加上或者减去的分值是标准参数与关键参数之间的差值,差值是多少,则就在基础分值的基础上加上或者减去多少。当得到所有的关键参数的分值后,将所有的分值进行加权平均,就可以得到冥想状态分值。具体地,本实施例首先获取每一分值所对应的权重数据,该权重数据是关键参数对应的,比如预先设置波峰数据的权重数据为0.9、波谷数据的权重数据为0.8,波峰数据与波谷数据之间的差异数据在±3的范围的权重数据为0.8。比如波峰数据的得分信息为88,波谷数据的得分信息为92,波峰数据与波谷数据之间的差异数据在±3的范围的得分信息为90,因此利用加权平均,就可以计算出冥想状态分值为(0.9*88+0.8*92+0.8*90)/3=74.9。当得到所述冥想状态分值后,也就得到专注力值。
步骤S200、获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息,所述得分信息用于评估执行所述动作意图的准确性。
肌电设备还采集肌电信号数据,根据该肌电信号数据确定所述肌电信号数据所对应的动作意图,所述动作意图反映的是用户想要执行的动作,因此当用户执行所述动作意图所对应的动作后,可获取执行所述动作意图所对应的得分信息,所述得分信息用于评估执行所述动作意图的准确性,也就是评估用户执行的动作是否正确。
在一种实现方式中,本实施例中在确定得分信息时,包括如下步骤:
步骤S201、根据所述肌电信号数据,确定所述肌电信号数据所对应的动作电位信息;
步骤S202、根据所述动作电位信息,确定所述动作电位信息所对应的手势动作;
步骤S203、获取所述手势动作的动作方向以及动作类型,根据所述动作方向与所述动作类型确定所述动作意图。
具体地,本实施例当肌电设备采集到肌电信号数据后,对该肌电信号数据进行分析,确定出该肌电信号数据所对应的动作电位信息,所述动作电位信息用于反映用户此时执行的手势动作。为了快速实现对用户手势动作的确定,本实施例可预先设置一动作模板,所述动作模板中存储有不同的手势动作所对应的动作电位信息,因此,当得到动作电位信息后,将该动作电位信息与动作模板进行匹配,确定出与该动作电位信息所对应的手势动作。由于肌电信号数据是基于用户佩戴的肌电臂环来采集得到的,当确定出手势动作,用户就会执行该手势动作,根据执行的手势动作来确定出动作方向,比如当确定出手势动作为右手臂往左边挥,因此动作方向为向左边运动。并且,本实施例还可在执行所述手势动作后确定该手势动作所对应的动作意图。
具体地,肌电臂环可采集执行所述手势动作时所对应的姿态数据,该姿态数据反映的是用户的手臂的移动方向以及坐标数据,就可以确定出此时用户手臂的位置变化,并进一步确定出用户手臂的运动轨迹,进而确定动作方向为左边还是右边。当确定出动作方向后,本实施例可获取所述手势动作结束时的停留时间,若所述停留时间超过预设时长,则确定所述动作类型为定向动作,也就是说,动作方向指的是用户的手臂往一个方向运动,当运动结束后,用户的手臂会停留一段时间,如果停留时间超过了1秒,则说明此时的动作类型是定向动作,本实施例中的定向动作是预先设置的,当确定动作方向以及确定出动作类型为定向动作后,本实施例定所述动作意图对目标画面中的预设目标的进行移动以及对所述预设目标的执行定向动作,其中所述定向动作包括对目标物体进行瞄准与射击。本实施例中肌电臂环是与显示设备连接的,该显示设备上所显示的是预设目标与目标物体之间的相互位置关系,并且预设目标可被肌电臂环来控制移动,并被控制射击目标物体。比如,预设目标为小飞机,该小飞机可通过移动来瞄准目标物体并设计该目标物体。而小飞机的移动方向就是基于对肌电信号数据分析得到,并且基于肌电臂环来控制的。当通过肌电臂环采集到肌电信号数据确定出用户手臂是往左边移动,则就控制小飞机往左边移动(即动作方向),而如果用户手臂在往左边的方向停留时长为1秒(大于预设时长),则此时的动作意图为所述小飞机瞄准目标物体并击中所述目标物体(也就是对目标画面中的预设目标的进行移动以及对目标物体进行瞄准与射击)。
当执行完所述定向动作后,本实施例会统计所述预设目标成功击中目标物体的次数,并且还可根据成功击中目标物体的次数确定所述动作意图所对应的得分信息,比如每击中一次就会有相应的得分,并且击中目标物体不同的位置对应不同的得分,得分会进行累加,从而得到得分信息。此外,本实施例还可以根据预设目标击中目标物体的不同位置来赢得不同的分数,这样在将击中不同位置所赢得的分数进行累加,得到所述得分信息。本实施例中的得分信息可用于评估手势动作的执行准确性以及正确性。
步骤S300、根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。
当肌电设备获取到专注力值以及得分信息后,本实施例就可以基于专注力值确定出此时用户的专注程度,也就是此时用户是否是精神集中的状态。根据的得分信息可以确定出用户此时执行的手势动作是否是准确的。基于此,本实施例就可以根据实际情况,调用对应的训练模式,并根据该训练模式来进行训练。在本实施例中,不同的训练模式对应不同的训练难度,基于不同的训练难度来训练肌电信号与脑电信号,有利于提高用户的专注程度以及手势动作执行的正缺性。
在一种实现方式中,本实施例调用训练模式时,包括如下步骤:
步骤S301、根据所述专注力值以及预设的专注程度确认表,确定所述专注力值所对应的专注程度;
步骤S302、根据所述得分信息,确定所述得分信息所对应的得分等级;
步骤S303、根据所述专注力值与所述得分信息,确定对应的训练难度,并根据所述训练难度调用所述训练模式。
具体地,本实施例在得到专注力值后,可将专注力值与预设的专注程度确认表进行匹配,得到所述专注力值所对应的专注程度。所述专注程度确认表中设置有不同专注力值区间所对应的专注程度,所述专注程度可以分为不同等级,每一个等级的专注程度对应一个专注力值区间,当肌电设备计算得到专注力值后,首先可以确定该专注力值所对应的专注力值区间,然后根据专注力值区间确定出对应的专注程度。同样地,本实施例也可以根据所述得分信息,确定所述得分信息所对应的得分等级。具体地,本实施例可设置一分数等级表,所述分数等级表中设置有不同得分信息所对应的得分等级,因此当得到得分信息后,本实施例可将得分信息与该分数等级表进行匹配,确定出所述得分信息所对应的得分等级。
在本实施例中,若所述专注程度超过预设的程度等级且所述得分等级超过预设的关卡等级,则说明此时用户在现阶段的训练已经达标,并且当前的训练难度为中等难度,需要选择更具挑战性的训练模式,因此本实施例可调用难度系数比中等难度更高的训练模式。当选择了难度更高的训练模式后,本实施例可获取所述训练模式所对应的难度要求,所述难度要求包括:所述预设目标对所述目标物体的成功击中率、对单个目标物体的击中时间、对单个目标物体进行射击的击中位置。然后本实施例根据所述难度要求,提高对所述肌电信号数据以及所述脑电信号数据的采样频率,这样就可以得到更加丰富的脑电信号数据以及肌电信号数据,数据更为准确。本实施例还可以所述难度要求对肌电信号与脑电信号进行训练。由于选择的训练模式的难度系数比中等难度更高,因此难度也就越高,目标物体也会越多,并且为了加强训练脑电信号与肌电信号,本实施例还可以根据难度要求调整目标物体的形态或者让目标物体运动以及让目标物体处于不同的速度运动,这样就可以增加预设目标对于目标物体的瞄准以及击中的难度,以便帮助用户更好地训练肌电信号与脑电信号,以提高用户的专注程度以及手势动作执行的准确度。
综上,本实施例首先获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度。然后获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息。最后,根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。本实施例可基于专注程度以及执行所述动作意图所对应的得分信息来选择对应的训练模式,可实时调整训练模式来对肌电信号与脑电信号进行训练,以便帮助用户更好地训练肌电信号与脑电信号,以提高动作执行的准确度。
示例性装置
基于上述实施例,本发明还可以提供一种针对肌电信号与脑电信号的训练模式调整装置,如图2中所示,所述装置包括:专注力值确定模块10、得分信息确定模块20以及训练模式调用模块30。所述专注力值确定模块10,用于获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度。所述得分信息确定模块20,用于获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息,所述得分信息用于评估执行所述动作意图的准确性。所述训练模式调用模块30,用于根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。
在一种实现方式中,所述专注力值确定模块10,包括:
分值确定单元,用于对所述脑电信号数据进行分析,确定所述脑电信号数据中的关键参数,并确定所述关键参数所对应的分值,其中所述关键参数用于反映所述脑电信号数据波动情况;
专注力值计算单元,用于获取所述关键参数所对应的权重数据,并根据所述权重数据以及所述分值,加权求和得到所述专注力值。
在一种实现方式中,所述得分信息确定模块20,包括:
动作电位信息确定单元,用于根据所述肌电信号数据,确定所述肌电信号数据所对应的动作电位信息;
手势动作确定单元,用于根据所述动作电位信息,确定所述动作电位信息所对应的手势动作;
动作意图确定单元,用于获取所述手势动作的动作方向以及动作类型,根据所述动作方向与所述动作类型确定所述动作意图。
在一种实现方式中,所述动作意图确定单元,包括:
动作方向确定子单元,用于获取所述手势动作的姿态数据,基于所述姿态数据确定所述动作方向;
动作类型确定子单元,用于获取所述手势动作结束时的停留时间,若所述停留时间超过预设时长,则确定所述动作类型为定向动作;
动作意图分析子单元,用于当确定所述动作方向以及确定所述动作类型为定向动作后,确定所述动作意图对目标画面中的预设目标的进行移动以及对所述预设目标的执行定向动作,其中所述定向动作包括对目标物体进行瞄准与射击。
在一种实现方式中,所述训练模式调用模块30,包括:
专注程度确定单元,用于根据所述专注力值以及预设的专注程度确认表,确定所述专注力值所对应的专注程度;
得分等级确定单元,用于根据所述得分信息,确定所述得分信息所对应的得分等级;
训练模式调用单元,用于根据所述专注力值与所述得分信息,确定对应的训练难度,并根据所述训练难度调用所述训练模式。
在一种实现方式中,所述得分等级确定单元,包括:
中等难度确定子单元,用于若所述专注程度超过预设的程度等级且所述得分等级超过预设的关卡等级,则确定所述训练难度为中等难度;
训练模式确定子单元,用于当所述训练难度为中等难度时,调用难度系数比中等难度更高的训练模式。
在一种实现方式中,所述训练模式调用模块30,包括:
难度要求确定子单元,用于获取所述训练模式所对应的难度要求,所述难度要求包括:所述预设目标对所述目标物体的成功击中率、对单个目标物体的击中时间、对单个目标物体进行射击的击中位置;
信号训练控制子单元,用于根据所述难度要求,提高对所述肌电信号数据以及所述脑电信号数据的采样频率,并以所述难度要求对肌电信号与脑电信号进行训练。
本实施例的针对肌电信号与脑电信号的训练模式调整装置中各个模块的工作原理与上述方法实施例中各个步骤的原理相同,此处不再赘述。
基于上述实施例,本发明还提供了一种肌电设备,所述肌电设备可采集脑电信号数据和/或肌电信号数据。在具应用时,本实施例中的肌电设备可为脑电头环以及肌电臂环,所述脑电头环是佩戴在用户头上,用于采集用户的脑电信号数据,所述肌电臂环是佩戴在用户的手臂上,用于采集用户的肌电信号数据。该肌电设备的原理框图可以如图3所示。该肌电设备包括通过***总线连接的处理器、存储器,处理器与存储器设置在主机中。其中,该肌电设备的处理器用于提供计算和控制能力。该肌电设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该肌电设备的网络接口用于与外部的终端通过网络通讯连接通信。该计算机程序被处理器执行时以实现一种针对肌电信号与脑电信号的训练模式调整的方法。
本领域技术人员可以理解,图3中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的肌电设备的限定,具体的肌电设备以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种肌电设备,肌电设备包括存储器、处理器及存储在存储器中并可在处理器上运行的针对肌电信号与脑电信号的训练模式调整的方法程序,处理器执行针对肌电信号与脑电信号的训练模式调整的方法程序时,实现如下操作指令:
获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度;
获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息,所述得分信息用于评估执行所述动作意图的准确性;
根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双运营数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上,本发明公开了一种针对肌电信号与脑电信号的训练模式调整方法及装置,方法包括:获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度;获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息;根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。本发明可基于专注程度以及执行所述动作意图所对应的得分信息来选择对应的训练模式,可实时调整训练模式来对肌电信号与脑电信号进行训练,以便帮助用户更好地训练肌电信号与脑电信号,以提高动作执行的准确度。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (16)
1.一种针对肌电信号与脑电信号的训练模式调整方法,其特征在于,所述方法包括:
获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度;
获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息,所述得分信息用于评估执行所述动作意图的准确性;
根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。
2.根据权利要求1所述的针对肌电信号与脑电信号的训练模式调整方法,其特征在于,所述根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,包括:
对所述脑电信号数据进行分析,确定所述脑电信号数据中的关键参数,并确定所述关键参数所对应的分值,其中所述关键参数用于反映所述脑电信号数据波动情况;
获取所述关键参数所对应的权重数据,并根据所述权重数据以及所述分值,加权求和得到所述专注力值。
3.根据权利要求1所述的针对肌电信号与脑电信号的训练模式调整方法,其特征在于,所述根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,包括:
根据所述肌电信号数据,确定所述肌电信号数据所对应的动作电位信息;
根据所述动作电位信息,确定所述动作电位信息所对应的手势动作;
获取所述手势动作的动作方向以及动作类型,根据所述动作方向与所述动作类型确定所述动作意图。
4.根据权利要求3所述的针对肌电信号与脑电信号的训练模式调整方法,其特征在于,所述获取所述手势动作的动作方向以及动作类型,根据所述动作方向与所述动作类型确定所述动作意图,包括:
获取所述手势动作的姿态数据,基于所述姿态数据确定所述动作方向;
获取所述手势动作结束时的停留时间,若所述停留时间超过预设时长,则确定所述动作类型为定向动作;
当确定所述动作方向以及确定所述动作类型为定向动作后,确定所述动作意图对目标画面中的预设目标的进行移动以及对所述预设目标的执行定向动作,其中所述定向动作包括对目标物体进行瞄准与射击。
5.根据权利要求4所述的针对肌电信号与脑电信号的训练模式调整方法,其特征在于,所述根据所述专注力值与所述得分信息,调用对应的训练模式,包括:
根据所述专注力值以及预设的专注程度确认表,确定所述专注力值所对应的专注程度;
根据所述得分信息,确定所述得分信息所对应的得分等级;
根据所述专注力值与所述得分信息,确定对应的训练难度,并根据所述训练难度调用所述训练模式。
6.根据权利要求5所述的针对肌电信号与脑电信号的训练模式调整方法,其特征在于,所述根据所述专注力值与所述得分信息,确定对应的训练难度,并根据所述训练难度调用所述训练模式,包括:
若所述专注程度超过预设的程度等级且所述得分等级超过预设的关卡等级,则确定所述训练难度为中等难度;
当所述训练难度为中等难度时,调用难度系数比中等难度更高的训练模式。
7.根据权利要求5所述的针对肌电信号与脑电信号的训练模式调整方法,其特征在于,所述基于所述训练模式对肌电信号与脑电信号进行训练,包括:
获取所述训练模式所对应的难度要求,所述难度要求包括:预设目标对目标物体的成功击中率、对单个目标物体的击中时间、对单个目标物体进行射击的击中位置;
根据所述难度要求,提高对所述肌电信号数据以及所述脑电信号数据的采样频率,并以所述难度要求对肌电信号与脑电信号进行训练。
8.一种针对肌电信号与脑电信号的训练模式调整装置,其特征在于,所述装置包括:
专注力值确定模块,用于获取脑电信号数据,根据所述脑电信号数据确定所述脑电信号数据所对应的专注力值,所述专注力值用于反映用户的专注程度;
得分信息确定模块,用于获取肌电信号数据,根据所述肌电信号数据确定所述肌电信号数据所对应的动作意图,并获取执行所述动作意图所对应的得分信息,所述得分信息用于评估执行所述动作意图的准确性;
训练模式调用模块,用于根据所述专注力值与所述得分信息,调用对应的训练模式,并基于所述训练模式对肌电信号与脑电信号进行训练。
9.根据权利要求8所述的针对肌电信号与脑电信号的训练模式调整装置,其特征在于,所述专注力值确定模块,包括:
分值确定单元,用于对所述脑电信号数据进行分析,确定所述脑电信号数据中的关键参数,并确定所述关键参数所对应的分值,其中所述关键参数用于反映所述脑电信号数据波动情况;
专注力值计算单元,用于获取所述关键参数所对应的权重数据,并根据所述权重数据以及所述分值,加权求和得到所述专注力值。
10.根据权利要求8所述的针对肌电信号与脑电信号的训练模式调整装置,其特征在于,所述得分信息确定模块,包括:
动作电位信息确定单元,用于根据所述肌电信号数据,确定所述肌电信号数据所对应的动作电位信息;
手势动作确定单元,用于根据所述动作电位信息,确定所述动作电位信息所对应的手势动作;
动作意图确定单元,用于获取所述手势动作的动作方向以及动作类型,根据所述动作方向与所述动作类型确定所述动作意图。
11.根据权利要求10所述的针对肌电信号与脑电信号的训练模式调整装置,其特征在于,所述动作意图确定单元,包括:
动作方向确定子单元,用于获取所述手势动作的姿态数据,基于所述姿态数据确定所述动作方向;
动作类型确定子单元,用于获取所述手势动作结束时的停留时间,若所述停留时间超过预设时长,则确定所述动作类型为定向动作;
动作意图分析子单元,用于当确定所述动作方向以及确定所述动作类型为定向动作后,确定所述动作意图对目标画面中的预设目标的进行移动以及对所述预设目标的执行定向动作,其中所述定向动作包括对目标物体进行瞄准与射击。
12.根据权利要求10所述的针对肌电信号与脑电信号的训练模式调整装置,其特征在于,所述训练模式调用模块,包括:
专注程度确定单元,用于根据所述专注力值以及预设的专注程度确认表,确定所述专注力值所对应的专注程度;
得分等级确定单元,用于根据所述得分信息,确定所述得分信息所对应的得分等级;
训练模式调用单元,用于根据所述专注力值与所述得分信息,确定对应的训练难度,并根据所述训练难度调用所述训练模式。
13.根据权利要求12所述的针对肌电信号与脑电信号的训练模式调整装置,其特征在于,所述得分等级确定单元,包括:
中等难度确定子单元,用于若所述专注程度超过预设的程度等级且所述得分等级超过预设的关卡等级,则确定所述训练难度为中等难度;
训练模式确定子单元,用于当所述训练难度为中等难度时,调用难度系数比中等难度更高的训练模式。
14.根据权利要求13所述的针对肌电信号与脑电信号的训练模式调整装置,其特征在于,所述训练模式调用模块,包括:
难度要求确定子单元,用于获取所述训练模式所对应的难度要求,所述难度要求包括:预设目标对目标物体的成功击中率、对单个目标物体的击中时间、对单个目标物体进行射击的击中位置;
信号训练控制子单元,用于根据所述难度要求,提高对所述肌电信号数据以及所述脑电信号数据的采样频率,并以所述难度要求对肌电信号与脑电信号进行训练。
15.一种肌电设备,其特征在于,所述肌电设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的针对肌电信号与脑电信号的训练模式调整程序,所述处理器执行所述针对肌电信号与脑电信号的训练模式调整程序时,实现如权利要求1-7任一项所述的针对肌电信号与脑电信号的训练模式调整方法的步骤。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有针对肌电信号与脑电信号的训练模式调整程序,所述针对肌电信号与脑电信号的训练模式调整的程序被处理器执行时,实现如权利要求1-7任一项所述的针对肌电信号与脑电信号的训练模式调整方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675689.2A CN114756137B (zh) | 2022-06-15 | 2022-06-15 | 一种针对肌电信号与脑电信号的训练模式调整方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675689.2A CN114756137B (zh) | 2022-06-15 | 2022-06-15 | 一种针对肌电信号与脑电信号的训练模式调整方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114756137A true CN114756137A (zh) | 2022-07-15 |
CN114756137B CN114756137B (zh) | 2022-09-27 |
Family
ID=82336803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210675689.2A Active CN114756137B (zh) | 2022-06-15 | 2022-06-15 | 一种针对肌电信号与脑电信号的训练模式调整方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114756137B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115227468A (zh) * | 2022-09-21 | 2022-10-25 | 深圳市心流科技有限公司 | 一种智能假肢的训练方法、智能假肢及存储介质 |
CN115887859A (zh) * | 2023-02-17 | 2023-04-04 | 深圳市心流科技有限公司 | 一种专注力与反应力的训练控制方法、装置及终端设备 |
CN116449966A (zh) * | 2023-06-20 | 2023-07-18 | 浙江强脑科技有限公司 | 仿生手教具及其控制方法、主控设备 |
CN116510152A (zh) * | 2023-05-29 | 2023-08-01 | 深圳市心流科技有限公司 | 专注力的阶段性训练方法、装置、终端设备及存储介质 |
CN117012071A (zh) * | 2023-09-27 | 2023-11-07 | 深圳市心流科技有限公司 | 一种用于专注力训练的训练激励方法、装置及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104000586A (zh) * | 2014-05-12 | 2014-08-27 | 燕山大学 | 基于脑肌电和虚拟场景的脑卒中患者康复训练***及方法 |
US20160007921A1 (en) * | 2014-07-10 | 2016-01-14 | Vivonics, Inc. | Head-mounted neurological assessment system |
CN107463792A (zh) * | 2017-09-21 | 2017-12-12 | 北京大智商医疗器械有限公司 | 神经反馈装置、***及方法 |
CN108392795A (zh) * | 2018-02-05 | 2018-08-14 | 哈尔滨工程大学 | 一种基于多信息融合的康复机器人多模态控制方法 |
US20200135042A1 (en) * | 2017-04-11 | 2020-04-30 | Daegu Gyeongbuk Institute Of Science And Technology | Simulator and simulation system for brain training based on behavior modeling |
CN112041784A (zh) * | 2017-11-30 | 2020-12-04 | 脸谱科技有限责任公司 | 用于离散和连续手势的同时检测的方法和装置 |
CN112363627A (zh) * | 2020-11-26 | 2021-02-12 | 西安慧脑智能科技有限公司 | 基于脑机交互的注意力训练方法和*** |
CN112489804A (zh) * | 2019-09-12 | 2021-03-12 | 北京七鑫易维信息技术有限公司 | 一种瞄准预测方法及装置 |
CN113419622A (zh) * | 2021-05-25 | 2021-09-21 | 西北工业大学 | 基于手势操作的潜艇作战指控***交互方法及设备 |
CN114041796A (zh) * | 2022-01-13 | 2022-02-15 | 深圳市心流科技有限公司 | 一种基于脑电波信号的专注力评估方法、装置及存储介质 |
CN114402248A (zh) * | 2019-09-05 | 2022-04-26 | 神经进程公司 | 用于神经冥想和神经专注训练的虚拟现实交互*** |
CN114569410A (zh) * | 2022-05-06 | 2022-06-03 | 卓道医疗科技(浙江)有限公司 | 康复机器人训练模式的控制方法、装置及存储介质 |
-
2022
- 2022-06-15 CN CN202210675689.2A patent/CN114756137B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104000586A (zh) * | 2014-05-12 | 2014-08-27 | 燕山大学 | 基于脑肌电和虚拟场景的脑卒中患者康复训练***及方法 |
US20160007921A1 (en) * | 2014-07-10 | 2016-01-14 | Vivonics, Inc. | Head-mounted neurological assessment system |
US20200135042A1 (en) * | 2017-04-11 | 2020-04-30 | Daegu Gyeongbuk Institute Of Science And Technology | Simulator and simulation system for brain training based on behavior modeling |
CN107463792A (zh) * | 2017-09-21 | 2017-12-12 | 北京大智商医疗器械有限公司 | 神经反馈装置、***及方法 |
CN112041784A (zh) * | 2017-11-30 | 2020-12-04 | 脸谱科技有限责任公司 | 用于离散和连续手势的同时检测的方法和装置 |
CN108392795A (zh) * | 2018-02-05 | 2018-08-14 | 哈尔滨工程大学 | 一种基于多信息融合的康复机器人多模态控制方法 |
CN114402248A (zh) * | 2019-09-05 | 2022-04-26 | 神经进程公司 | 用于神经冥想和神经专注训练的虚拟现实交互*** |
CN112489804A (zh) * | 2019-09-12 | 2021-03-12 | 北京七鑫易维信息技术有限公司 | 一种瞄准预测方法及装置 |
CN112363627A (zh) * | 2020-11-26 | 2021-02-12 | 西安慧脑智能科技有限公司 | 基于脑机交互的注意力训练方法和*** |
CN113419622A (zh) * | 2021-05-25 | 2021-09-21 | 西北工业大学 | 基于手势操作的潜艇作战指控***交互方法及设备 |
CN114041796A (zh) * | 2022-01-13 | 2022-02-15 | 深圳市心流科技有限公司 | 一种基于脑电波信号的专注力评估方法、装置及存储介质 |
CN114569410A (zh) * | 2022-05-06 | 2022-06-03 | 卓道医疗科技(浙江)有限公司 | 康复机器人训练模式的控制方法、装置及存储介质 |
Non-Patent Citations (3)
Title |
---|
J. J. BIRD 等: "Cross-Domain MLP and CNN Transfer Learning for Biological Signal Processing: EEG and EMG", 《IEEE ACCESS》 * |
王崴 等: "基于脑电和眼动信号的人机交互意图识别", 《航空学报》 * |
蒋长好等: "生物反馈训练在运动中的应用", 《安徽师范大学学报(自然科学版)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115227468A (zh) * | 2022-09-21 | 2022-10-25 | 深圳市心流科技有限公司 | 一种智能假肢的训练方法、智能假肢及存储介质 |
CN115887859A (zh) * | 2023-02-17 | 2023-04-04 | 深圳市心流科技有限公司 | 一种专注力与反应力的训练控制方法、装置及终端设备 |
CN115887859B (zh) * | 2023-02-17 | 2023-06-06 | 深圳市心流科技有限公司 | 一种专注力与反应力的训练控制方法、装置及终端设备 |
CN116510152A (zh) * | 2023-05-29 | 2023-08-01 | 深圳市心流科技有限公司 | 专注力的阶段性训练方法、装置、终端设备及存储介质 |
CN116449966A (zh) * | 2023-06-20 | 2023-07-18 | 浙江强脑科技有限公司 | 仿生手教具及其控制方法、主控设备 |
CN117012071A (zh) * | 2023-09-27 | 2023-11-07 | 深圳市心流科技有限公司 | 一种用于专注力训练的训练激励方法、装置及存储介质 |
CN117012071B (zh) * | 2023-09-27 | 2024-01-30 | 深圳市心流科技有限公司 | 一种用于专注力训练的训练激励方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114756137B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114756137B (zh) | 一种针对肌电信号与脑电信号的训练模式调整方法及装置 | |
US20220147151A1 (en) | Gesture information processing method and apparatus, electronic device, and storage medium | |
WO2020023989A1 (en) | Stroke rehabilitation method and system using a brain-computer interface (bci) | |
CN114756136B (zh) | 一种针对肌电信号与脑电信号的训练达标提示方法及装置 | |
CN107157450B (zh) | 用于对帕金森病人的手部运动能力进行量化评估方法和*** | |
Zhu et al. | Cascaded adaptation framework for fast calibration of myoelectric control | |
EP3644322B1 (en) | Method and system for interpreting neural interplay involving proprioceptive adaptation during a dual task paradigm | |
CN113986017B (zh) | 一种肌电手势模板的生成方法、装置及存储介质 | |
Corbett et al. | Real-time evaluation of a noninvasive neuroprosthetic interface for control of reach | |
CN115167689A (zh) | 用于专注力训练的人机交互方法、装置、终端及存储介质 | |
CN114694448B (zh) | 专注力训练方法、装置、智能终端及存储介质 | |
He et al. | A novel framework based on position verification for robust myoelectric control against sensor shift | |
CN113990441A (zh) | 一种基于生物动力学的下肢膝关节主动肌肌电拟合方法 | |
WO2018214522A1 (zh) | 肌电信号采集方法及装置 | |
CN114668563A (zh) | 一种肌电信号的采样频率的多层级调节方法 | |
Jaber et al. | Online myoelectric pattern recognition based on hybrid spatial features | |
CN116687411B (zh) | 一种游戏综合分数获取方法、装置、智能终端和存储介质 | |
CN114676737B (zh) | 一种肌电信号的采样频率的动态调节方法 | |
WO2021163334A1 (en) | Adaptive virtual rehabilitation | |
CN114683292B (zh) | 肌电设备的采样频率控制方法、智能仿生手及存储介质 | |
Guggenberger et al. | Brain-machine neurofeedback: robotics or electrical stimulation? | |
Lew et al. | Biofeedback Upper Limb Assessment Using Electroencephalogram, Electromyographic and Electrocardiographic with Machine Learning in Signal Classification. | |
Krana et al. | SSVEP based wheelchair navigation in outdoor environments | |
CN114470719A (zh) | 一种全自动姿态矫正训练方法及*** | |
KR20230061865A (ko) | 비정상 근육 시너지 교정 훈련 장치 및 이를 이용한 피험자의 근육 시너지 교정 훈련 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |