基于双重阈值与相位差算法：眼动脑机接口的技术突破与机器人控制实践
2026-03-24 来源:本站 点击次数:100
基于双重阈值与相位差算法：眼动脑机接口的技术突破与机器人控制实践
引言
神经退行性疾病患者正面临着躯体失控的残酷困境，渐冻症等病症会让患者大脑保持清醒，却丧失肢体活动与语言表达能力，仅能保留眼球运动、眨眼等眼部动作，眼睛成为其与外界沟通的最后桥梁。为帮助这类患者重建交互方式，脑机接口（BCI）技术成为重要研究方向，但其应用中始终受眼电伪迹干扰——眼部动作产生的强电信号，会掩盖微弱的脑电信号，传统研究均以消除该类伪迹噪声为核心。而眼电伪迹实则具备信噪比高、可由患者主观控制的优势，基于此，米兰理工大学团队提出逆向研究思路，将眼电伪迹转化为控制辅助机器人的核心指令，为开发更高效、低成本的辅助型脑机接口提供了全新方向。
论文概要
米兰理工大学团队的研究发表于Scientific Reports，题为《Brain computer interface for robot control with eye artifacts for assistive applications》提出基于眼伪影的脑机接口系统，以EEG信号实现辅助机器人控制。研究将眼伪影作为有效信息源，借助TMSi SAGA 64+采集信号，开发新算法：双阈值法识眨眼，利用F7/F8通道特征检测侧向眼动，还能区分不同眨眼频次。经离线和实时实验验证，算法具备有效检测能力，5名参与者通过该系统成功操控TIAGo机器人完成多项任务。研究为相关设备开发了首个实时EEG处理算法，为神经退行性疾病患者提供了新的人机交互方式，也为辅助型BCI研发提供了新思路。
1.数据采集
本研究纳入5名受试者（3男2女，年龄27±3岁），实验方案经伦理批准，受试者均签署知情同意书。采用TMSi SAGA 64+设备以500 Hz采样频率采集EEG信号，搭配凝胶电极帽且电极阻抗＜5 kΩ，接地、参考电极分置右、左耳后骨骼，选取Fp1、F7、F8通道分别检测眨眼及左右侧向眼动。
2.数据预处理
对原始信号做0.5-100Hz带通滤波，经短时傅里叶变换、傅里叶变换分析频率特征，确定眼伪影主导频率带为0.5-15Hz，采用二阶巴特沃斯滤波器完成1-13Hz带通滤波；滤波后信号按100个数据点分窗，窗口重叠50个数据点。滤波后波形如图1所示：
3.阈值确定
针对不同通道和眼伪影类型设定个性化阈值，解决信号峰值的个体内、个体间变异性问题：Fp1通道采用双阈值法，经均值（M）和标准差（SD）计算，设156μV上阈值、80μV下阈值，分别检测常规与微弱眨眼；F7、F8通道利用相位差和峰谷模式，为左、右看各设4个阈值，明确正负峰值判定标准（如左看时F7<-20μV、F8>30μV），如图2所示：
4.检测算法设计
开发离线与实时通用的检测算法，核心流程：先将信号1-13Hz滤波并初始化参数；以3×100数据点为窗口检测，优先判断Fp1通道是否超眨眼阈值，触发则记录眨眼事件；未检测到眨眼时，验证F7、F8通道峰谷/相位特征，符合则记录左/右看事件；Fp1超80μV但未达主阈值时判定为微弱眨眼；无事件触发则保留窗口数据用于下次检测。
5.机器人控制系统搭建
选用PAL ROBOTICS的TIAGo机器人，基于ROS Melodic框架在Ubuntu 18.04系统搭建BCI控制系统，含眼伪影检测算法、眨眼频次分配器、图形用户界面（GUI）、ROS通信分配器四大子系统；
通过GUI设计机器人基座移动、预设任务选择等功能，定义侧向眼动切换按钮、双眨眼确认操作、四次眨眼返回上一页的眼伪影控制逻辑。
研究结果
1. 离线测试结果
对6组不同日期的单受试者数据进行检测，整体准确率表现为：眨眼88.7%（808/911）、左看96.9%（281/290）、右看86.5%（256/296），单组实验中各动作最低准确率分别为眨眼78.8%、左看84.6%、右看77.8%。混淆矩阵显示，误分类多因多个眼动事件连续发生导致，少量右看和眨眼事件被误判为左看，无左看事件被误判为眨眼的情况。
2. 实时检测结果
实时实验中受试者完成316次眨眼、82次左看、83次右看，实时检测整体准确率低于离线检测：眨眼97.9%、左看59.8%、右看50.0%；而对实时数据的离线重检测准确率则为眨眼100%、左看89.0%、右看94.2%。二者差异主要源于实时滤波为随机尺寸窗口，离线为整体滤波后分割窗口，且眨眼检测因峰值特征明显，准确率在实时与离线中差异较小。
3.机器人控制验证结果
5名受试者通过该BCI系统成功实现对TIAGo机器人的全功能控制，包括基座前后移动/旋转、发送护理人员邮件、机器人舞蹈/复位、前往预设桌位、物体扫描与抓取等，实时实验混淆矩阵显示，左看检测的误分类率较高，大量左看事件被误判为右看，但受试者可通过侧向眼动的双向切换功能弥补该缺陷，不影响整体控制效果。
结论与展望
本研究将EEG信号中的眼伪影转化为控制指令，构建了辅助机器人控制BCI系统，首创利用F7、F8通道相位差与峰谷模式检测侧向眼动，双阈值法精准识别常规与微弱眨眼，离线检测准确率良好，且成功实现对TIAGo机器人的多任务操控，为神经退行性疾病患者的人机交互提供了新路径。
该研究验证了眼伪影作为机器人控制指令的可行性，搭建了从EEG信号采集、眼伪影检测到机器人指令输出的完整技术框架。随着算法鲁棒性提升与便携化EEG设备发展，本研究为辅助型脑机接口从实验室研究向临床应用转化奠定基础，推动其在残障人士辅助领域向更高效、贴合需求的方向发展。
原文信息链接
Karas, K., Pozzi, L., Pedrocchi, A. et al. Brain-computer interface for robot control with eye artifacts for assistive applications. Sci Rep 13, 17512 (2023).
https://doi.org/10.1038/s41598-023-44645-y
研究团队
本文的研究团队是来自米兰理工大学的Loris Roveda 教授团队。团队的主要研究方向为外骨骼设计与控制、人机协作、自主机器人、强化学习、生成式人工智能以及工业过程建模、优化和控制。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
引言
神经退行性疾病患者正面临着躯体失控的残酷困境，渐冻症等病症会让患者大脑保持清醒，却丧失肢体活动与语言表达能力，仅能保留眼球运动、眨眼等眼部动作，眼睛成为其与外界沟通的最后桥梁。为帮助这类患者重建交互方式，脑机接口（BCI）技术成为重要研究方向，但其应用中始终受眼电伪迹干扰——眼部动作产生的强电信号，会掩盖微弱的脑电信号，传统研究均以消除该类伪迹噪声为核心。而眼电伪迹实则具备信噪比高、可由患者主观控制的优势，基于此，米兰理工大学团队提出逆向研究思路，将眼电伪迹转化为控制辅助机器人的核心指令，为开发更高效、低成本的辅助型脑机接口提供了全新方向。
论文概要
米兰理工大学团队的研究发表于Scientific Reports，题为《Brain computer interface for robot control with eye artifacts for assistive applications》提出基于眼伪影的脑机接口系统，以EEG信号实现辅助机器人控制。研究将眼伪影作为有效信息源，借助TMSi SAGA 64+采集信号，开发新算法：双阈值法识眨眼，利用F7/F8通道特征检测侧向眼动，还能区分不同眨眼频次。经离线和实时实验验证，算法具备有效检测能力，5名参与者通过该系统成功操控TIAGo机器人完成多项任务。研究为相关设备开发了首个实时EEG处理算法，为神经退行性疾病患者提供了新的人机交互方式，也为辅助型BCI研发提供了新思路。
文章信息
研究方法1.数据采集
本研究纳入5名受试者（3男2女，年龄27±3岁），实验方案经伦理批准，受试者均签署知情同意书。采用TMSi SAGA 64+设备以500 Hz采样频率采集EEG信号，搭配凝胶电极帽且电极阻抗＜5 kΩ，接地、参考电极分置右、左耳后骨骼，选取Fp1、F7、F8通道分别检测眨眼及左右侧向眼动。
2.数据预处理
对原始信号做0.5-100Hz带通滤波，经短时傅里叶变换、傅里叶变换分析频率特征，确定眼伪影主导频率带为0.5-15Hz，采用二阶巴特沃斯滤波器完成1-13Hz带通滤波；滤波后信号按100个数据点分窗，窗口重叠50个数据点。滤波后波形如图1所示：
图1 Fp1、F7 和 F8 通道的 1–13 Hz 进行巴特沃斯带通滤波信号
3.阈值确定
针对不同通道和眼伪影类型设定个性化阈值，解决信号峰值的个体内、个体间变异性问题：Fp1通道采用双阈值法，经均值（M）和标准差（SD）计算，设156μV上阈值、80μV下阈值，分别检测常规与微弱眨眼；F7、F8通道利用相位差和峰谷模式，为左、右看各设4个阈值，明确正负峰值判定标准（如左看时F7<-20μV、F8>30μV），如图2所示：
图2 眨眼、向左看和向右看对于Fp1、F7和F8信号通道的影响
4.检测算法设计
开发离线与实时通用的检测算法，核心流程：先将信号1-13Hz滤波并初始化参数；以3×100数据点为窗口检测，优先判断Fp1通道是否超眨眼阈值，触发则记录眨眼事件；未检测到眨眼时，验证F7、F8通道峰谷/相位特征，符合则记录左/右看事件；Fp1超80μV但未达主阈值时判定为微弱眨眼；无事件触发则保留窗口数据用于下次检测。
5.机器人控制系统搭建
选用PAL ROBOTICS的TIAGo机器人，基于ROS Melodic框架在Ubuntu 18.04系统搭建BCI控制系统，含眼伪影检测算法、眨眼频次分配器、图形用户界面（GUI）、ROS通信分配器四大子系统；
图3 机器人子系统之间的通信流程
通过GUI设计机器人基座移动、预设任务选择等功能，定义侧向眼动切换按钮、双眨眼确认操作、四次眨眼返回上一页的眼伪影控制逻辑。
图4 BCI在线实验过程中使用的GUI
研究结果
1. 离线测试结果
对6组不同日期的单受试者数据进行检测，整体准确率表现为：眨眼88.7%（808/911）、左看96.9%（281/290）、右看86.5%（256/296），单组实验中各动作最低准确率分别为眨眼78.8%、左看84.6%、右看77.8%。混淆矩阵显示，误分类多因多个眼动事件连续发生导致，少量右看和眨眼事件被误判为左看，无左看事件被误判为眨眼的情况。
表1 算法离线测试的准确率
2. 实时检测结果
实时实验中受试者完成316次眨眼、82次左看、83次右看，实时检测整体准确率低于离线检测：眨眼97.9%、左看59.8%、右看50.0%；而对实时数据的离线重检测准确率则为眨眼100%、左看89.0%、右看94.2%。二者差异主要源于实时滤波为随机尺寸窗口，离线为整体滤波后分割窗口，且眨眼检测因峰值特征明显，准确率在实时与离线中差异较小。
表2 实时与离线检测精度
3.机器人控制验证结果
5名受试者通过该BCI系统成功实现对TIAGo机器人的全功能控制，包括基座前后移动/旋转、发送护理人员邮件、机器人舞蹈/复位、前往预设桌位、物体扫描与抓取等，实时实验混淆矩阵显示，左看检测的误分类率较高，大量左看事件被误判为右看，但受试者可通过侧向眼动的双向切换功能弥补该缺陷，不影响整体控制效果。
结论与展望
本研究将EEG信号中的眼伪影转化为控制指令，构建了辅助机器人控制BCI系统，首创利用F7、F8通道相位差与峰谷模式检测侧向眼动，双阈值法精准识别常规与微弱眨眼，离线检测准确率良好，且成功实现对TIAGo机器人的多任务操控，为神经退行性疾病患者的人机交互提供了新路径。
该研究验证了眼伪影作为机器人控制指令的可行性，搭建了从EEG信号采集、眼伪影检测到机器人指令输出的完整技术框架。随着算法鲁棒性提升与便携化EEG设备发展，本研究为辅助型脑机接口从实验室研究向临床应用转化奠定基础，推动其在残障人士辅助领域向更高效、贴合需求的方向发展。
原文信息链接
Karas, K., Pozzi, L., Pedrocchi, A. et al. Brain-computer interface for robot control with eye artifacts for assistive applications. Sci Rep 13, 17512 (2023).
https://doi.org/10.1038/s41598-023-44645-y
研究团队
本文的研究团队是来自米兰理工大学的Loris Roveda 教授团队。团队的主要研究方向为外骨骼设计与控制、人机协作、自主机器人、强化学习、生成式人工智能以及工业过程建模、优化和控制。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
相关文章
更多 >