下一代互聯網: 腦機衝浪,人機上鏈 🧠
AI目前如火如荼,然而技術層面突破不大,以LLM交互窗口機器人爲首的應用百花齊放,但AI領域已進入了大規模工程化及商業化擴展階段,在理論層面已進入停滯瓶頸。未來的資產和創新熱點必定會走向腦機接口、新能源替代材料和太空經濟。
BCI的核心組成部分:
🧠信號採集
侵入式:通過手術植入電極(如微電極陣列、ECoG),信號質量高但存在感染風險。
非侵入式:EEG(腦電圖):通過頭皮電極記錄電活動,成本低但空間分辨率較差。 MEG(腦磁圖):記錄磁場信號,分辨率高但設備昂貴。 fMRI(功能磁共振成像):通過血氧水平依賴(BOLD)信號間接測量神經活動。 fNIRS(近紅外光譜):利用光信號檢測血氧變化,便攜但時間分辨率低。
🧠信號類型 事件相關電位(ERP):如P300(300ms後出現的正波),用於拼寫系統。 感覺誘發電位:如視覺誘發電位(VEP)、聽覺誘發電位(AEP)。 運動想象信號(SMR):通過想象肢體運動產生,用於控制假肢或光標。
🧠信號處理 特徵提取:去除噪聲並提取有用信息,常用方法包括: 共空間模式(CSP):最大化兩類信號的方差差異(公式見下文)。 獨立成分分析(ICA):分離信號源,去除僞跡(如眨眼幹擾)。 小波變換(WT):提取時頻特徵。 分類算法:將特徵映射到控制指令,常用方法包括: 支持向量機(SVM):通過超平面分
查看原文