脑-控智能车辆

《脑-控智能车辆》有助于智能车辆、脑-机接口、人体效能增强、人机混合智能、人因等领域的研究人员了解脑-控智能车辆所涉及的基础知识、关键技术和亟待解决的科学问题，促进相关研究领域的进展，推动相关学科的交叉和融合。

本书主要介绍脑控智能车辆的概念、主要体系结构和关键技术。全书由10章构成，内容自成体系。第1章介绍脑控智能车辆产生的背景、概念、分类和发展趋势； 第2章介绍脑机接口技术； 第3章到第5章介绍第一类脑控智能车辆（基于任务层面共享控制的脑控智能车辆），其中第3章介绍基于任务层面共享控制的脑控智能车辆，特别介绍基于P300 BCI的目的地选择系统，该系统是第一类脑控智能车辆的核心部分，第4章介绍基于混合BCI的目的地选择系统，第5章介绍环境因素对基于BCI的目的地选择系统影响； 第6章到第8章介绍第二类脑控智能车辆（基于运动控制的脑控智能车辆），其中第6章介绍基于运动控制的脑控智能车辆，特别介绍基稳态视觉诱发电位（steady state visual evoked potential, SSVEP）和α波的脑控智能车辆的速度和方向控制方法，第7章介绍脑控智能车辆运动控制系统建模，第8章介绍脑控智能车辆运动的共享控制方法； 第9章和第10章介绍第三类脑控智能车辆（基于驾驶员或用户状态脑电识别的脑控智能车辆），其中第9章介绍驾驶员紧急刹车意图的脑电表征，第10章介绍驾驶员紧急刹车意图的脑电检测。 本书可供自动化、计算机、机械、人工智能、生物医学、电子工程等专业的高等院校师生和相关专业的研究机构或企业的研发人员参考使用。

第1章脑控智能车辆概述 1.1智能车辆 1.1.1智能车辆的定义 1.1.2智能车辆的组成 1.2脑机接口 1.2.1脑机接口的定义 1.2.2脑机接口的组成 1.3脑控智能车辆 1.3.1脑控智能车辆产生的背景 1.3.2脑控智能车辆的定义和意义 1.3.3脑控智能车辆的组成 1.3.4脑控智能车辆的分类 1.4脑控智能车辆的展望 参考文献 第2章脑机接口技术 2.1引言 2.2脑电信号与脑机接口范式 2.2.1脑电信号简介 2.2.2典型脑机接口范式 2.2.3其他脑机接口范式 2.3脑电信号采集及预处理 2.3.1大脑功能分区 2.3.2脑电信号采集 2.3.3脑电信号预处理 2.4脑电信号特征 2.4.1时域特征 2.4.2频域特征 2.4.3时频特征 2.4.4空间域特征 2.4.5脑网络特征 2.5脑电信号特征选择和提取 2.5.1χ2特征选择 2.5.2AUC特征选择 2.5.3顺序前向浮动搜索算法 2.5.4主成分分析特征提取 2.6脑电信号分类算法 2.6.1Fisher线性判别法 2.6.2支持向量机 2.6.3人工神经网络 2.6.4卷积神经网络 2.6.5胶囊网络 参考文献 第3章基于任务层面共享控制的脑控智能车辆 3.1引言 3.2基于任务层面共享控制的脑控智能车辆的系统结构 3.3基于抬头显示系统的用户界面 3.4基于BCI的目的地选择系统 3.4.1BCI模式选择 3.4.2视觉刺激 3.4.3BCI算法 3.5实验 3.5.1实验平台 3.5.2被试者及实验条件 3.5.3实验过程 3.6结果分析 3.6.1模型测试轮数分析 3.6.2模型训练轮数分析 3.6.3通道分析 3.7总结 参考文献 第4章基于混合BCI的脑控车辆目的地选择系统 4.1引言 4.2脑控车辆目的地选择系统 4.2.1模式选择 4.2.2基于混合BCI的目的地选择系统结构 4.3刺激及BCI算法 4.3.1视觉刺激 4.3.2BCI算法 4.4系统性能模型 4.4.1系统准确率计算模型 4.4.2系统限制条件 4.4.3完成任务的时间计算模型 4.5实验 4.5.1被试者 4.5.2实验过程 4.5.3实验条件 4.6结果分析 4.6.1SSVEP BCI性能分析 4.6.2系统结果分析 4.7总结 参考文献 第5章环境因素对脑控车辆目的地选择系统的影响分析 5.1引言 5.2实验设计 5.2.1实验条件 5.2.2实验过程 5.3环境因素对系统性能的影响 5.3.1系统性能 5.3.2主观评价 5.4影响规律的生理学机理 5.4.1EEG表征 5.4.2P300幅值变化 5.4.3P300潜伏期变化 5.4.4讨论 5.5总结 参考文献 第6章基于运动控制的脑控智能车辆 6.1引言 6.2脑控智能车辆的系统结构 6.3基于BCI的人车接口系统 6.3.1BCI 6.3.2接口模型 6.4系统性能分析 6.4.1实验平台 6.4.2实验设计 6.4.3脑控车辆的性能分析 6.4.4脑控车辆的驾驶训练分析 6.5总结 参考文献 第7章脑控智能车辆运动控制系统建模 7.1引言 7.2脑控智能车辆运动控制系统模型 7.2.1基于QNMHP的脑控驾驶员模型 7.2.2BCI模型 7.2.3接口模型 7.2.4道路和车辆模型 7.2.5脑控车辆模型 7.3模型验证 7.3.1实验 7.3.2仿真 7.3.3模型验证 7.4结果分析 7.4.1仿真条件 7.4.2仿真结果及分析 7.4.3更新量的选择分析 7.5总结 参考文献 第8章脑控智能车辆运动的共享控制方法 8.1引言 8.2基于模型预测控制的共享控制方法 8.2.1共享控制系统结构 8.2.2辅助控制器的设计 8.3辅助控制器的仿真分析与参数优化 8.3.1仿真平台 8.3.2MPC辅助控制器的参数分析 8.3.3性能测试 8.4辅助控制器的实验验证 8.4.1实验平台及实验过程 8.4.2实验结果 8.5总结 参考文献 第9章紧急状况下驾驶员制动意图的脑电表征 9.1引言 9.2实验 9.2.1实验条件 9.2.2实验过程 9.3脑电表征 9.3.1事件相关电位分析 9.3.2功率谱特性 9.3.3脑连通性分析 9.4总结 参考文献 第10章紧急状况下驾驶员制动意图的脑电检测 10.1引言 10.2特征选择 10.3不同类型特征分类性能评价 10.3.1ERP特征 10.3.2功率谱特征 10.3.3功能性脑网络特征 10.3.4效用性脑网络特征 10.3.5各类特征分类性能对比 10.4基于最优特征的解析模型分析 10.5基于脑电解析模型的脑控驾驶员紧急制动意图检测系统 10.5.1伪在线测试 10.5.2脑控驾驶员紧急制动意图检测系统伪在线测试 10.6融合环境信息与脑电解析模型的驾驶员紧急制动意图检测系统 10.6.1环境信息与脑电解析模型的融合方法 10.6.2基于融合系统的驾驶员紧急制动意图检测系统伪在线验证 10.7基于嵌入式系统的驾驶员制动意图检测平台 10.8融合环境信息和脑电解析系统的紧急制动检测系统的性能测试 10.8.1在线实验范式 10.8.2实验结果及分析 10.9总结 参考文献

脑机接口(braincomputer interface, BCI)是不依赖于外周神经和肌肉组织等常规大脑输出通路的一种信息传导通道。脑机接口研究的最初目的是帮助严重运动障碍的人控制外界设备以及和外界进行交流。近年来，脑机接口在神经工程、康复工程以及人体效能增强等领域受到越来越多的关注。脑机接口的用户群体也由残障人扩展到健康人。 虽然智能车辆和无人驾驶车辆技术越来越成熟，但它们仍然需要驾驶员或用户通过人车接口将控制命令或意图传递给车辆。如果能够利用脑机接口技术通过“翻译”脑电信号获得驾驶员或用户的意图，那么就可以发展一种新的人车接口技术。利用这种新的人车接口技术，不管是健康人还是残障人都可以驾驶车辆。因此，脑控智能车辆就孕育而生。 脑控智能车辆是指通过脑机接口技术和智能车辆技术相结合，建立的一种新的智能车辆。脑控智能车辆的研究除了涉及传统的智能车辆技术外，还涉及神经信号处理及解析技术、人机协同技术以及脑与神经科学等多种技术和学科。 脑控智能车辆可以使智能车辆更加人性化，使人和智能车辆更加和谐统一。在民用方面，脑控智能车辆不仅可以帮助肢体残障人士驾驶车辆，从而扩展他们的移动范围，增强他们的生活独立性，而且可以帮助提高健康驾驶员的驾驶安全和驾驶性能。此外，脑控智能车辆也可以通过脑机接口技术将乘客的某些意图或状态融入到无人驾驶车辆中，从而使无人驾驶车辆更加智能，提高乘客的乘车舒适性和用户体验。在国防方面，脑控智能车辆技术能用于军用车辆和移动武器装备中，提高士兵的作战能力。因此，脑控智能车辆研究具有重要的应用价值和广阔的应用前景。 文献调研表明，脑控智能车辆研究才刚刚起步。作为国际上脑控智能车辆研究的主要开拓者之一，作者所在课题组依托国家自然科学基金面上项目和青年基金、教育部留学归国启动基金、教育部博士点基金和北京市自然科学基金等项目，围绕脑控智能车辆的基础理论和关键技术开展研究，近些年在智能车辆、脑机接口和人机交互等领域的国际权威期刊(IEEE汇刊)上发表了10多篇高水平研究论文，得到了国际同行的高度评价与广泛引用。本书融合了课题组的代表性研究成果以及多篇北京理工大学优秀博士学位论文和优秀硕士学位论文的内容，介绍脑控智能车辆的概念、主要体系结构和关键技术。全书由10章构成，内容自成体系。第1章介绍脑控智能车辆产生的背景、概念、分类和发展趋势； 第2章介绍脑机接口技术； 第3章到第5章介绍第一类脑控智能车辆(基于任务层面共享控制的脑控智能车辆)，其中第3章介绍基于任务层面共享控制的脑控智能车辆，特别介绍基于P300 BCI的目的地选择系统，该系统是第一类脑控智能车辆的核心部分，第4章介绍基于混合BCI的目的地选择系统，第5章介绍环境因素对基于BCI的目的地选择系统的影响； 第6章到第8章介绍第二类脑控智能车辆(基于运动控制的脑控智能车辆)，其中第6章介绍基于运动控制的脑控智能车辆，特别介绍基于稳态视觉诱发电位(steady state visual evoked potential, SSVEP)和α波的脑控智能车辆的速度和方向控制方法，第7章介绍脑控智能车辆运动控制系统建模，第8章介绍脑控智能车辆运动的共享控制方法； 第9章和第10章介绍第三类脑控智能车辆(基于驾驶员或用户状态脑电识别的脑控智能车辆)，其中第9章介绍驾驶员紧急制动意图的脑电表征，第10章介绍驾驶员紧急制动意图的脑电检测。 本书的出版，有助于智能车辆、脑机接口、人体效能增强、人机混合智能、人因等领域的研究人员了解脑控智能车辆所涉及的基础知识、关键技术和亟待解决的科学问题，促进相关研究领域的进展，推动相关学科的交叉与融合。 最后，感谢北京理工大学的吴平东教授、龚建伟教授和孙华飞教授，清华大学的王凌教授，中国兵器工业集团的赵小川研究员，美国密歇根大学的Yili Liu教授，新加坡南洋理工大学的Cuntai Guan教授，美国罗格斯大学的Jingang Yi教授，英国拉夫堡大学的Wenhua Chen教授，英国谢菲尔德大学的Mahnaz Arvaneh教授,德国柏林工业大学的Matthias Roetting教授等对相关研究工作给予的热心指导和建议； 感谢清华大学出版社的大力支持； 感谢参与研究的博士生连金岭、陆赟、费炜杰、李鸿岐和琚佳伟，硕士生尚君星、王知、甘国栋、罗妮妮、介科、杨学瑞、王翠娥、李云、王明涛、何腾欢、袁志涛、苏磊、和福建、王会康、王晓光和张经纬。另外，特别感谢国家自然科学基金(51575048； 61374192 )和北京市自然科学基金(4162055 )等项目对相关研究工作的资助。 由于脑控智能车辆研究刚刚起步，加之作者水平有限，本书许多内容还有待完善和深入研究，对于不足之处，真诚地希望读者批评指教。 作者 2018年8月