登录
开源脑机接口（MIT OpenBCI）
MIT OpenBCI（Open Brain-Computer Interface）是由美国麻省理工学院（MIT）相关研究人员推动开发的开源脑机接口（BCI）平台，其核心目标是打破脑电信号获取与脑机交互技术的门槛，为科研机构、开发者及爱好者提供低成本、高可定制性的脑电数据采集与分析工具。脑机接口作为连接大脑与外部设备的桥梁，能够实现脑电信号的实时采集、处理与转化，而OpenBCI凭借“开源”特性，彻底改变了传统脑机接口设备价格高昂、技术封闭的局面，推动了脑科学研究与相关技术应用的大众化发展。
2025-12-16
1
4
0
通用脑动力学编程框架（BrainPy）
BrainPy（中文名：灵机）是由北京大学吴思教授团队联合广东省智能科学与技术研究院研发的通用脑动力学编程框架，于2023年12月在国际顶刊《eLife》正式发表相关研究成果。作为面向计算神经科学和类脑计算领域的专用工具，它以"让用户聚焦模型设计而非编程细节"为核心目标，通过整合灵活建模、高效计算与一体化分析能力，解决了传统框架的诸多痛点，同时实现了从软件到硬件的全链路适配，成为该领域的重要技术突破。
2025-12-16
880
5
14
三维动作捕捉技术解析
三维动作捕捉是一种通过特定设备和算法，实时或离线记录物体(尤其是人体)在三维空间中运动轨迹和姿态变化，并将其转化为数字信号的技术。它通过获取位置、速度、加速度及旋转角度等六自由度信息，实现运动的精准数字化采集与重建。核心工作流程：•数据采集：通过传感器或摄像头捕捉运动信号
2025-12-15
692
4
3
脑电图（EEG）技术
脑电图（Electroencephalography，简称EEG）技术作为神经科学领域的核心检测手段，通过无创方式捕捉大脑神经元的同步电活动，为人类探索大脑功能、诊断神经系统疾病提供了关键窗口。从1929年德国精神病学家汉斯·伯杰首次记录到人脑电活动至今，这项技术已历经近百年发展，成为连接宏观脑功能与微观神经机制的重要桥梁。
2025-12-15
1129
8
6
脑机接口（BCI）技术体系
脑机接口（Brain-Computer Interface, BCI）是一种跨越生物神经与机械电子的交叉技术体系，其核心本质是通过特殊技术手段建立大脑与外部设备的直接通信通道，无需依赖外周神经和肌肉组织即可实现"意念-动作"的转化。该技术打破了传统人机交互的物理限制，构建了"大脑信号采集-意图解码-外设控制-反馈调节"的闭环系统，成为连接生命科学与信息工程的关键桥梁。
2025-12-14
737
4
3
非侵入式BCI（基于脑电EEG）技术
当马斯克的Neuralink让大众惊叹于侵入式脑机接口的精准时，基于脑电图（EEG）的非侵入式BCI正以“无创伤、高便捷”的特质，悄悄将脑机交互从实验室推向医疗康复、消费电子等多元场景。这种无需开颅手术，仅通过头皮电极即可实现“大脑-机器”对话的技术，既是脑科学与人工智能融合的核心载体，也是未来人机交互的重要方向。
2025-12-14
605
8
14
康复即服务（Rehab-as-a-Service）
“康复即服务”（Rehab-as-a-Service，简称RaaS）是一种以数字化技术为支撑，将康复医疗资源、专业服务与个性化需求深度融合的新型服务模式。它打破了传统康复服务在时间、空间上的限制，通过“按需供给、全程追踪、数据驱动”的方式，为有康复需求的人群（如术后患者、慢性病患者、老年人群、运动损伤者等）提供覆盖“评估-干预-监测-调整”全周期的康复解决方案，本质是将康复服务从“线下固定场景”转化为“可灵活获取的服务产品”。
2025-12-13
596
8
14
三维动作捕捉赋能康复行业
在康复医学领域，精准评估、个性化训练与效果量化始终是核心诉求。传统康复依赖医师主观观察与经验判断，难以实现动作数据的精细化捕捉与客观分析，制约了康复效率与质量的提升。三维动作捕捉系统凭借其非侵入式、高精度、实时性的技术特性，将人体动作转化为可量化的数字信号，为康复评估、训练、疗效追踪全流程提供科学支撑，推动康复行业从“经验驱动”向“数据驱动”转型。
2025-12-13
643
3
3
隐私保护技术
一、隐私保护技术的核心内涵与价值在数据成为核心生产要素的数字时代，个人信息的收集、存储、传输与利用愈发频繁，隐私泄露风险也随之激增。隐私保护技术作为应对这一挑战的核心手段，通过技术层面的规则设计、数据处理与访问控制，在保障数据可用性的同时，有效防范个人信息被非法获取、滥用或篡改，最终实现“数据可用不可见、用途可控可追溯”的目标。
2025-12-12
1171
2
9
康复智能设备开发过程中的隐私保护
康复智能设备作为连接医疗健康与信息技术的核心载体，其运行过程中会持续采集、存储和传输用户的生理指标、康复进展、行为习惯等高度敏感的隐私数据。这些数据不仅关乎用户的个人尊严，更涉及医疗安全与生命健康，因此在设备开发的全生命周期强化隐私保护，既是遵守《个人信息保护法》《数据安全法》等法律法规的基本要求，也是提升用户信任度、保障设备合规落地的核心前提。以下从开发全流程出发，梳理康复智能设备隐私保护的关键环节与实施路径。
2025-12-12
1085
0
12
利用智能鞋垫计算压力中心点（COP）
压力中心点（Center of Pressure, COP）是足底压力分布的等效作用点，其位置与轨迹可直观反映人体姿态稳定性、步态特征及足部健康状况，在跌倒风险评估、运动康复、糖尿病足监测等领域具有重要价值。智能鞋垫通过集成压力传感单元与数据处理模块，突破了传统测力台的空间限制，实现了COP的便携式、动态测量。以下将详细阐述其核心实现路径。
2025-12-11
874
8
7
基于传感器数据的GRF计算方法
地面反作用力（Ground Reaction Force, GRF）是人体与地面接触时地面施加给人体的反作用力，其精准计算对生物力学分析、运动康复评估、步态研究等领域具有重要意义。基于牛顿力学原理与压力-力换算关系，直接通过传感器数据计算GRF的核心思路可概括为“压力积分+姿态修正”，而精准的传感器数据是该方法实现的前提，以下先阐述传感器数据准备方法，再详解GRF计算的具体环节。
2025-12-11
1158
4
6
Butterworth滤波器
Butterworth滤波器，又称“最平幅度滤波器”，是由英国工程师Stephen Butterworth于1930年提出的一种线性相位滤波器。其核心特点是在通带内幅频特性具有最大平坦度，没有纹波，而在阻带内则呈现单调衰减的特性。这种特性使得它在对通带信号保真度要求较高的场景中得到广泛应用，相较于Chebyshev滤波器等其他类型，Butterworth滤波器的通带信号失真更小，不过其阻带衰减速度相对较慢，通常需要更高的阶数才能达到与其他滤波器相当的阻带抑制效果。
2025-12-10
896
2
6
低通滤波器与高通滤波器
在信号处理、电子电路及通信系统中，低通滤波器（LPF）和高通滤波器（HPF）是两种最基础且应用广泛的滤波装置。它们的核心功能都是“筛选”信号——根据频率的高低决定信号的“通过”或“阻隔”，但筛选的方向完全相反。一、核心定义滤波器的命名直接反映了其功能本质，两者的核心区别从定义上即可直观体现：
2025-12-09
773
7
6
二次规划（QP）算法
在数值优化领域，二次规划（Quadratic Programming，简称QP）是一类兼具理论深度与工程价值的优化问题。作为线性规划（LP）的自然延伸，它通过引入二次目标函数，能够更精准地刻画实际场景中存在的“非线性”与“凸性”特征，在机器人控制、金融投资、工程设计等诸多领域发挥着不可替代的作用。
2025-12-09
1019
6
1
非线性规划（NLP）算法
在数学规划领域，非线性规划（Nonlinear Programming，简称NLP）是解决含非线性约束或非线性目标函数优化问题的核心技术。相较于目标函数与约束条件均为线性的线性规划，非线性规划更贴合工程设计、经济分析、机器学习等实际场景中“变量关系非直线”的复杂问题，其算法体系也更具多样性与针对性。本文将从基础概念出发，系统梳理非线性规划的核心要素、算法分类、典型方法及应用场景，为理解与应用NLP技术提供全面参考。
2025-12-08
1017
4
3
传感器设备的低能耗电源管理算法
在物联网（IoT）、工业监测、智能穿戴等领域，传感器设备作为数据采集的核心节点，其续航能力直接决定了系统的可靠性与运维成本。由于多数传感器设备依赖电池供电，且常工作于无人值守场景，传统“持续供电+全速采集”的模式已无法满足长期运行需求。低能耗电源管理算法通过动态调控传感器及关联模块的工作状态，在保证数据采集精度与实时性的前提下最小化能耗，成为解决这一矛盾的核心技术。
2025-12-07
1100
5
1
足底压力传感器布局方案
足底压力传感器的布局核心逻辑是“精准匹配生理受力特征”——人体行走、站立时足底压力分布具有显著的区域差异性，传感器需重点覆盖压力集中区、运动关键区及姿态特征区，才能高效采集步态分析、健康监测、运动康复等场景所需的数据。其中，柔性传感器因适配足部曲面、佩戴舒适的优势成为主流，除常用的FSR（力敏电阻）外，压阻式纳米复合材料传感器、电容式柔性传感器、压电式柔性传感器等方案也在不同场景中广泛应用，它们的布局均围绕足跟、足弓、前掌、脚趾等关键区域展开。
2025-12-07
593
7
6
模型预测控制（MPC）算法
在工业控制领域，随着被控对象复杂性的提升、多变量耦合关系的增强以及对控制精度和稳定性要求的提高，传统PID控制等算法逐渐暴露出适应性不足的问题。模型预测控制（Model Predictive Control，简称MPC）作为一种基于模型的先进控制策略，凭借其对约束的灵活处理能力、多变量协调控制优势以及滚动优化的特性，已成为过程控制、运动控制等领域的核心技术之一。
2025-12-07
1174
3
14
模型预测控制（MPC）算法在智能鞋垫中的应用
模型预测控制（Model Predictive Control, MPC）是一种基于滚动优化和系统模型的先进控制策略，核心优势在于能在约束条件下（如传感器精度、执行器上限、人体生理安全阈值），通过预测系统未来行为动态优化控制决策。在智能鞋垫这一集成多传感器、需实时响应人体运动状态的智能穿戴设备中，MPC算法可有效解决运动状态预测、个性化步态矫正、平衡辅助、能耗优化等核心问题，显著提升设备的智能化水平和用户体验。
2025-12-07
965
4
4
© 2021 - 现在 杭州极深数据有限公司 版权所有 （深数据® DEEPDATA® 极深®） 联系我们 
浙公网安备 33018302001059号  浙ICP备18026513号-1号