多模态人机界面

跨受试者识别率83.6%

融合肌电与脑电的意图识别策略，解决了下肢外骨骼运动指令与实际动作不匹配的问题。

Wenju, Li · Ma, Yue · 邵克勇 · Yi, Zhengkun · Cao, Wujing · Yin, Meng · Xu, Tiantian · Wu, Xinyu

IEEE Transactions on Instrumentation and Measurement 2024

参数信息

平均识别率

89.5 %

相对EEG提升幅度

12 %

相对sEMG提升幅度

7.8 %

跨受试者识别率

83.6 %

技术优势

指令与动作匹配

结合步行过程设计界面，避免左右手运动想象与前进/停止动作之间的错配。

识别率显著提升

多模态融合界面平均识别率89.5%，比单一EEG高12%，比单一sEMG高7.8%，信号互补提升整体性能。

跨人泛化可用

采用时域平移策略扩增样本，跨受试者识别率83.6%，减少个体差异对系统的影响。

应用场景

• 外骨骼控制：用多模态意图识别替代传统开关式指令，让外骨骼跟随行走意图自然切换。
• 脑机接口：将运动想象脑电与肌电融合，提高脑机接口在复杂动作下的识别稳定性。
• 康复机器人：为康复训练提供更贴合自然步态的意图接口，提升患者参与度。
• 人机交互：通过多模态信号互补，减少交互过程中指令与动作的错配。
• 可穿戴机器人：使可穿戴外骨骼更准确地理解穿戴者意图，适应日常行走场景。