XiaoMi-AI文件搜索系统
World File Search System脑电波
带有脑电波耳机控制的车轮机器人设计...
摘要 - 随着支持科学和技术的快速发展，机器人技术的发展是不可避免的。机器人有多种类型和分类，尽管基本发展并没有太大不同。一种需求和最广泛发达的机器人是轮式机器人。机器人组件本身通常分为3个零件，第一个传感器，第二处理器或组件处理器和执行器，在这项研究中，其表现为执行器是轮子，而其表现为传感器，研究人员使用Neurosky的Brainwave读取器读取器读取器读取器，以及使用Ardduino andduino induino Uno imo r3。Neurosky耳机使用蓝牙连接无线工作，而发送的数据的形式为脑波功率水平（眨眼streght级别）。可以将其转换为心灵感应的大脑命令，首先使用基于Blynk IoT构建的应用程序捕获和处理该信号，然后将命令发送到Arduino作为机器人处理组件，该机器人处理组件以前曾与HC-06 BluetOltOlt bluetooth bluetoothotooth模块硬件一起拟合。要从Android设备捕获无线广播，只有在此之后，Arduino处理信号才成为L298N电动机驱动程序的命令，向前，向后，左，右轮车机器人向前移动。在理想环境中的测试结果显示，平均系统成功为85％，而在非理想环境中进行测试（空间和距离障碍）显示，每次测试进行10次，平均系统成功为40％。
brainnet：用暹罗网络改善基于脑电波的生物识别识别
摘要 - 通过捕获大脑活动的消费者可穿戴设备的出现，已提出使用脑电波来验证用户身份的使用，以作为密码的方便替代品。最近在脑生物识别方面的工作显示出可行的性能，但考虑实用性的适用性不足。我们提出了一种新的解决方案Brainnet，该解决方案训练一个暹罗网络，以测量两个脑电图（EEG）输入的相似性，并使用时间锁定的大脑反应而不是连续的心理活动来提高准确性。这种方法消除了对脑电波识别系统进行检验的需求，这是当前解决方案中的常见陷阱，促进了实际部署。此外，Brainnet在验证模式下达到0.14％的误差率（EER），在识别模式下达到0.34％，即使在看不见的攻击者场景下进行评估时，也表现出色的状态。索引术语 - 脑生物识别技术，用户身份验证，计算机安全，脑电图（EEG）
脑电波：一种无创刺激脑部节律的灵活方法
尽管许多研究表明多种疾病中的脑部节奏异常，但靶向深脑区域的有限手段却限制了驱动大脑节奏的治疗潜力。因此，我们开发了一种无创的毫秒精确的感觉刺激，以驱动脑节律。在这里，我们首次介绍了新开发的开源软件和指令，用于建筑，测试，调试，并使用脑电波（大脑广谱音频/视觉曝光）刺激。我们证明了多种物种和不同实验环境之间的脑电波刺激。这些方法构成了一种可自定义的，开源，可访问和无创的技术，可刺激脑振荡，从而有因果测试节奏的大脑活动如何影响脑功能。
带有障碍物检测和警报系统的脑电波控制轮椅
许多受身体挑战的人面临着自由操纵的问题。椅子是最常见的设备，习惯于为身体挑战的人提供质量。但是，今天可用的大多数椅子，尤其是廉价的手动椅子，都需要人力援助才能四处走动。即使对于电动机椅，仍然需要用户的帮助才能使用控制器或按下按钮，以管理电动电动椅的运动。失去了手或有问题的人（例如脊髓灰质炎患者）似乎没有准备好驾驶椅子运动的许多用户。因此，他们本身无能为力。为了解决这个问题，其他建设性的方式是通过损害大脑来专门控制椅子的动作。这项技术可以使大多数人能够自行浏览椅子。因此，这可能会带来特别高的影响，尤其是对受挑战的人。
流派分类基于听音乐时脑电波的频率分析-Wiss
大脑计算机接口（BCI）作为未来用户界面引起人们的注意。当使用人脑活动作为BCI时，具有反应性优势的运动召回已成为主流。例如，Nishimoto及其同事开发了BCI，在召回手指的开口和关闭期间，将大脑运动皮层的激活应用于康复和其他目的[8]。此外，刺激接受期间的大脑活动和视听信息的回忆也可能适用于BCI。视觉研究的研究可用于在查看错觉图像时根据大脑活动重建图像[3]。听力研究的例子包括基于脑波的方向取向，听取简单的语音和回忆[5]，重建元音“ A”和“ I”时脑波中的“ A”和“ I”，以及召回语音[1]的重建以及FMRI图像中的自然语音[9]。这些相关研究表明，当用户将BCI用作日常生活中的娱乐时，召回对象可能很无聊，并且用户可能会发现它很痛苦。因此，我们提出了一种使用音乐的方法。召回音乐的行为，例如嗡嗡声，是日常生活中的一种常见习俗，并且不如运动召回，图像回忆或简单音调，元音和自然声音的单曲无聊。因此，人们认为这可能会减轻用户的负担。此外，在音乐分类问题中，我们专注于流派分类问题。通过专注于小说，可以根据音乐之间的共同特征将无数音乐分为较小的数字。因此，我们认为分类类别较少，可以简单地作为分类问题。
虚拟现实增强了 Alpha/Beta 脑电波的情绪和任务效应
摘要：技术的进步使得虚拟现实 (VR) 中的神经心理情绪和注意力研究增多。然而，传统二维 (2D) 刺激和 VR 刺激之间的直接比较尚缺乏。因此，本研究比较了 2D 和 VR 刺激中显性任务和隐性情绪注意力的脑电图 (EEG) 相关性。参与者 (n = 16) 在 2D 和 VR 中看到大小和距离相等的愤怒和中性面孔，同时他们被要求计算两种面部表情中的一种。对于情绪 (愤怒与中性) 和任务 (目标与非目标) 的主要影响，复制了已建立的事件相关电位 (ERP)，即晚期正电位 (LPP) 和目标 P300。与 2D 相比，VR 刺激导致整体 ERP 更大，但与情绪或任务影响没有相互作用。在频域中，与基线期的 2D 刺激相比，VR 中的 alpha / beta 活动更大。值得注意的是，虽然在 VR 和 2D 刺激中都观察到了与情绪和任务条件相关的 alpha/beta 事件去同步 (ERD)，但这些影响在 VR 中明显强于在 2D 中。这些结果表明，通过 VR 技术实现的刺激材料增强沉浸感可以增强诱发的大脑振荡效应对内隐情绪和外显任务的影响。
基于频谱脑电波比率指数评估心理参与程度：系统评价
摘要：背景：本综述系统地研究了用于评估人类精神参与的脑电图衍生比率指数的科学文献，以推断它们是什么、如何定义和使用它们以及它们的最佳应用领域是什么。（2）方法：根据系统评价和荟萃分析的首选报告项目 (PRISMA) 指南进行审查。（3）结果：从搜索查询中，共得到 82 篇文档。大多数 (82%) 被归类为与精神紧张有关，而 12% 被归类为与感觉和情绪方面有关，6% 与运动有关。使用的脑电图电极蒙太奇在 13% 的文档中为低密度，6% 的文档中为高密度，81% 的文档中为极低密度。用于计算参与指数的最常用电极位置是额叶和前额叶皮层。总体而言，发现了 37 种不同的参与指数公式。它们都不能直接与特定的应用领域相关。（4）结论：这些指标的定义缺乏标准化，无论是在考虑的频带中还是在利用的电极中。未来的研究可能侧重于开发具有独特定义的指标，以监测和描述心理参与。
不同认知准备程度的人对诱发压力的反应脑电波模式
简介：许多不可预测的情况需要使用认知和情感资源，但压力会阻碍对情况的适应，而认知准备声称可以创造这种适应。因此，本研究的目的是比较有压力和没有压力的两种情况下不同认知准备程度的脑电波模式。方法：本研究是因果比较研究，统计人群包括自愿参与研究的军事人员。参与者包括 42 人，他们被分为认知准备程度低和认知准备程度高的两组。使用情境模拟和虚拟现实来测量所有人的认知准备程度。在两种情况下记录受试者的脑电图。使用 MANCOVA 测试分析数据。结果：两组脑电波存在显著差异，认知准备程度低的组的脑电波强度高于另一组，这表明认知准备程度低的组的大脑对压力的反应活动多于另一组（p<0.01）。结论：生理和神经指标对于军事应用非常重要。这是因为，以足够高的准确度找到生理特征，可以作为选拔军人或检查心理治疗有效性的可靠证据。关键词：脑电图、大脑、心理压力
研究高温和噪音对人类脑电波和感知工作量产生的急性影响
许多研究都探讨了噪音和热量对认知表现的影响，但得出的结果相互矛盾。一些研究报告了噪音和热量对认知表现的负面影响[21-25]，而另一些研究则建议改善。[26-29]此外，一些研究发现噪音和热量对认知表现没有显著影响。[30-32]研究结果的差异可能归因于所用评估工具的多样性。近年来，人们使用了各种各样的心理评估工具来衡量认知表现，包括问卷和认知测试。[33]然而，大多数行为表现评估都侧重于简单的认知任务，因此需要更全面的研究噪音和热量对人类认知表现的影响。