基于脑机驱动与主动健康管理的移动辅助设备

项目概述

感谢 OpenBCI 提供的 EEG 电极帽套件和 EmotiBit 传感器支持，我成功开发了 NeuroStride——一款基于脑电信号的智能助行设备，旨在帮助行动不便人士通过脑信号控制移动设备，并集成实时健康监测功能以应对突发状况。该项目在 2025 年多伦多科学博览会中获得银奖，目前已准备进行实际场景测试。

硬件配置

• EEG 电极帽套件

• OpenBCI Cyton 主板

• EmotiBit 传感器（用于生命体征追踪）

• Arduino 微控制器（用于电机控制）

• 电动轮椅底盘（原型机）

分步指南：如何构建 NeuroStride

1. 脑电信号采集

使用 EEG 电极帽和 Cyton 主板捕获脑电信号。

通过 OpenBCI GUI 实时流式传输并可视化 EEG 数据。

2. 信号处理

滤除 EEG 信号中的噪声。

消除伪影，提取与运动意象相关的特征。

3. 机器学习模型

训练 AI 模型对运动指令相关的脑电模式进行分类。

采用强化学习策略持续提升分类准确率。

4. 健康监测集成

整合 EmotiBit 实时监测心率、血氧和体温。

将健康警报系统与移动设备控制模块联动。

5. 移动控制

将分类后的脑信号映射为轮椅运动指令（如前进、转向）。

增加基础传感器实现避障功能，提升安全性。

6. 测试与优化

通过多次试验优化脑信号处理流程与系统响应速度。

发现需采用免凝胶电极以提升长时间使用的舒适度。

下一步计划

• 与四肢瘫痪患者合作进行可用性测试。

• 改用免凝胶电极以支持长期使用。

• 提升 AI 分类速度与系统自适应能力。