北京，2023年6月23日/美通社/——全球领先的全息增强现实（AR）技术提供商WiMi全息云股份有限公司（NASDAQ:WiMi）今天宣布，通过开发基于混合信号BCI的仿人控制系统，该公司在该领域取得了重大进展。
该系统的技术实现路径由几个步骤组成。首先，需要使用多个传感器来记录多个互补信号，如肌电图（EMG）、脑电图（EEG）、眼电图（EOG）和事件相关去同步（ERD）、稳态视觉诱发电位（SSVEP）和近红外光谱（NIRS）。
这些传感器记录的信号需要进行预处理，以去除干扰信号、降噪等。然后，使用机器学习算法对信号进行特征提取、信号分类和其他操作，以准确解码脑机接口信号。最后，将解码结果映射到仿人机器人控制中，以实现仿人机器人的功率。
与传统的脑机接口技术相比，该系统具有几个优点。首先，通过记录和分析多个互补信号，可以更全面地获得大脑活动信息，从而提高解码的准确性和稳健性。其次，数据融合技术可以进一步增强系统的鲁棒性和可靠性，避免单个信号的特异性导致的识别错误。此外，机器学习算法可以进一步提高解码速度和准确性，从而提高信息传输速率。最后，基于混合脑机接口技术的仿人控制系统可以实现更自然、更精确的控制，可以应用于机器人和残疾人辅助等多个领域。
与传统脑机接口技术相比，混合脑机接口的具体优势如下：
提高准确性和稳健性：混合脑机接口技术利用多个互补信号源，如EMG、EEG、EOG和SSVEP，通过数据融合技术提高准确性和鲁棒性。多个来源可以提供比单一来源更全面、更可靠的信息，从而提高系统的准确性和稳健性。
增强的信息传输速率：在传统的脑机接口技术中，单个源可能需要为高速人机交互提供更多信息。然而，混合脑机接口技术结合了多种来源，提高了信息传输率，从而实现了更快、更自然的人机交互。
提高适用性和可操作性：混合脑机接口技术利用了多个信号源，可以提高系统的适用性和操作性。例如，一些用户可能需要帮助与单个源进行有效交互，但将多个源组合起来可以提供更多选项，并更容易实现有效交互。
提高训练效率：在传统的脑机接口技术中，训练单个信号源通常需要大量的时间和精力。相比之下，混合脑机接口技术可以利用多个信号源，并通过数据融合技术提高训练效率，从而实现更快、更可靠的交互。
混合脑机接口的技术框架主要基于信号采集、信号预处理、特征提取、特征选择和分类器训练等技术。通过将多个信号源与机器学习算法相结合，可以实现更高的控制精度和鲁棒性。该系统使用许多信号源，包括EMG、EEG、EOG和NIR光谱。通过数据融合技术将这些信号源相结合，一方面提高了控制系统的准确性和鲁棒性。同时，该系统还具有高速信息传输能力，使用户可以通过简单的思维命令实现自然高效的人机交互。
该系统的技术框架和具体实施路径可分为以下步骤：
信号采集：使用多个传感器采集多个互补信号源。这些来源可以提供不同的信息，如肌肉运动、大脑活动、注意力等。
信号预处理：对采集到的信号进行预处理，如去噪、滤波、特征提取等，以提高信号的质量和准确性。例如，标准的预处理方法，如平均去除、带通滤波、小波变换等，可以减少信号噪声并提取有用的特征。
