[发明专利]用于增强现实的脑机接口

权利要求书

1.一种实现无线头戴式设备中的脑机接口BCI的方法，包括：

利用增强现实显示器；

生成对用户的枕叶和用户的体感皮质的视觉、听觉或触觉刺激中的至少一种，所述方法产生可检测脑电波频率；

处理所述可检测脑电波频率，从而促进生物信号到数字命令的映射；

将所述数字命令与设备相关联；

根据所述数字命令操作所述设备；

刺激所述用户的体感皮质，其中所述刺激包括对所述设备的操作的生物反馈确认；

利用一个或多个传感器，以用于从所述用户读取生物信号；

利用处理模块，所述处理模块包括处理器，所述处理器分析所述生物信号并将所述生物信号映射到所述增强现实显示器上的输出，其中所述处理模块具有不同的用户可选择模式，所述用户可选择模式包括原始模式、将熟模式、熟化模式和人机接口设备-键盘模式，所述原始模式包括整个生物信号传感器数据流，所述熟化模式包括完全处理的自定义消息，所述将熟模式包括所述原始模式和所述熟化模式的组合；

利用至少一个生物反馈设备，所述至少一个生物反馈设备与所述处理模块通信，其中所述至少一个生物反馈设备向所述用户提供反馈；以及

利用电池，其中所述电池向所述增强现实显示器、所述一个或多个传感器、所述处理模块、所述至少一个生物反馈设备及其组合中的至少一个提供功率。

2.如权利要求1所述的方法，其特征在于，所述生物信号包括EEG(脑电图)、ECG(心电图)、EMG(肌电图)、EOG(眼电图)、功能性近红外光谱(fNIRS)、视觉诱发电位、音频诱发电位、触觉诱发电位和运动诱发电位中的至少一个。

3.如权利要求1所述的方法，其特征在于，由所述处理模块执行的处理包括视觉诱发电位。

4.如权利要求1所述的方法，其特征在于，所述头戴式设备进一步包括印刷电路板，其中所述印刷电路板包括以下中的至少一个：所述一个或多个传感器、所述处理模块、所述至少一个生物反馈设备、所述电池及其组合。

5.如权利要求4所述的方法，其特征在于，所述印刷电路板可以无线地连接到移动设备或计算机，其中所述印刷电路板被配置为仿真蓝牙键盘并将数据输出到所述移动设备、所述计算机和所述增强现实显示器中的至少一个，所输出的数据包括以下中的至少一个：字母、字符、数字及其组合。

6.如权利要求1所述的方法，其特征在于，所述生物信号被实时处理和分析。

7.如权利要求1所述的方法，其特征在于，所述原始模式经由移动或桌面互联网连接的设备在本地或云中将完整的EEG传感器数据流流式传送以供进一步处理，其中所述互联网连接的设备被配置为执行以下中的至少一个：过滤数据、识别数据、以及与所述数据交互。

8.如权利要求1所述的方法，其特征在于，所述熟化模式产生由本地识别器和诊断生成的经过完全处理的自定义消息，并且没有原始数据被传递给所述用户。

9.如权利要求1所述的方法，其特征在于，所述将熟模式是所述原始模式和所述熟化模式之间的混合组合，并且所述处理模块将原始数据流与熟化消息散布在一起。

10.如权利要求1所述的方法，其特征在于，不同的模式包括无束带模式，其中所述脑机接口BCI使用智能眼镜或智能隐形眼镜、可植入脑机接口和AR系统。

11.一种实现无线头戴式设备中的脑机接口BCI的方法，所述方法包括：

利用增强现实显示器；

生成对用户的枕叶和用户的体感皮质的视觉、听觉或触觉刺激中的至少一种，所述方法产生可检测脑电波频率；

处理所述可检测脑电波频率，从而促进生物信号到数字命令的映射；

将所述数字命令与设备相关联；

根据所述数字命令操作所述设备；

刺激所述用户的体感皮质，其中所述刺激包括对所述设备的操作的生物反馈确认；

利用一个或多个传感器，以用于从所述用户读取生物信号；

利用处理模块，所述处理模块包括处理器，所述处理器分析所述生物信号并将所述生物信号映射到所述增强现实显示器上的输出，其中所述处理模块具有不同的模式，所述不同的模式包括以下中的至少一种：原始模式、将熟模式、熟化模式和人机接口设备-键盘模式及其组合，所述原始模式包括整个生物信号传感器数据流，所述熟化模式包括完全处理的自定义消息，所述将熟模式包括所述原始模式和所述熟化模式的组合；

利用至少一个生物反馈设备，所述至少一个生物反馈设备与所述处理模块通信，其中所述至少一个生物反馈设备刺激用户的中枢和/或外周神经系统；

利用电池，其中所述电池向所述增强现实显示器、所述一个或多个传感器、所述处理模块、所述至少一个生物反馈设备及其组合中的至少一个供电；以及

利用印刷电路板，所述印刷电路板包括以下中的至少一个：所述一个或多个传感器、所述处理模块、所述至少一个生物反馈设备、所述电池及其组合，

其中所述印刷电路板被配置为仿真蓝牙键盘，并将数据输出到移动设备、计算机和所述增强现实显示器中的至少一个，所输出的数据包括以下中的至少一个：字母、字符、数字及其组合；

其中所述BCI将AI机器学习用于模式识别和个性化，所述AI机器学习在所述BCI没有连接到网络时操作，所述AI机器学习用作自动调谐动态噪声消减器、特征提取器和识别器分类器中的一者或多者；

其中当所述BCI连接到所述网络时，应用AI机器学习训练以创建个性化识别器分类器，将所述AI机器学习训练的导出的输出存储在云存储中的专家系统知识库中；

其中从云存储中的所述AI机器学习和所述专家系统知识库导出的合成见解用于生成可经由所述网络和BCI存储设备之间的无线连接或有线连接下载的可下载个性化可执行识别器分类器，以供离线使用；

其中所述方法适用于资源受限设备，所述资源受限设备包括可穿戴设备、可植入设备和物联网(IoT)设备；并且

其中所述不同的模式包括无束带模式，其中完全自足的BCI使用智能眼镜或智能隐形眼镜、可植入脑机接口和AR系统。