以人为中心的脑机接口智能家居系统设计

林苏云　林凇冰

关键词：智能家居；脑机接口；用户

中图分类号：TP273.5 文献标识码：A

0 引言

随着市场开放，智能家居的应用前景更加广阔，工业和信息化部科技司于2019 年6 月下发《关于智能产品用户体验质量评价研究与应用项目的委托函》（工科函〔2019〕529 号），提出对用户体验质量进行评价研究，研究建立评价体系来提高产品的用户体验水平，要求制定《智能产品用户体验质量评价指南》，智能家居产品是其中的重点之一。工业和信息化部办公厅于2020 年3 月下发《关于做好2020 年工业质量品牌建设工作的通知》，提出“试点推动电子产品、家电等消费品质量分级，围绕产品安全性能、节能环保、智能化水平、用户体验等关键特性等确定分级标准”。经过20 多年的发展，用户体验已融入我国多个社会经济领域，是建设质量品牌的关键推动力之一。智能家居在系统集成方面也需要以用户为中心不懈地进行探索实践，不断集成新技术，实现产品多样化，逐渐培育起以用户为中心的产品设计习惯。

脑机接口与传统人机交互技术不同，其直接在人脑和设备之间建立通信通道并实现信息交换，不依赖外周神经和肌肉。因此，基于脑机接口的智能家居控制系统能够为残障人士和健康个体提供可选的与外部智能家居设备的通信方式和控制方式，提升他们的生活质量。但基于脑机接口的智能家居控制系统从实验室走向普及应用仍面临着一定的挑战。该系统主要侧重于功能的实现，以及提高速度与准确率等技术性指标，没有充分考虑用户的体验感、满意度、个性化需求，生理心理因素和能力特性等。本文针对基于脑机接口的智能家居控制系统，充分考虑用户的各方面属性，论述了以人为中心的基于脑机接口智能家居系统的设计方法。

1 基于脑机接口的智能家居系统

脑机接口是人脑向外部环境发送信息与命令的通信系统，该通路不依赖于大脑的常规输出通路（外周神经与肌肉组织）[1]。例如，基于脑电波（electroencephalogram，EEG）的脑机接口系统将EEG 活动进行编码作为消息命令，来替代神经系统的输出信号，因此脑机接口系统为人们提供了另外一种操控环境的技术，该技术形成于20 世纪70年代[2]。完整的脑机接口系统由信号采集、特征提取、特征分类和外部设备控制4 个部分组成[3]。脑机接口系统要能够选出用户能够控制的特征，并且高效、精确地将这些特征转换为设备可以识别的命令[4-5]。

智能家居系统的设计涉及多个学科，涵盖计算机科学、通信与网络技术、智能工程、电工电子技术等学科领域，把家居生活中的各种设备融合在一起，实现整屋的信息交换。这能够有效节约时间和空间，进一步提高人们的舒适度[6]。

基于脑机接口的智能家居系统组成如图1 所示，信号采集部分采集脑电信号并进行信号放大、滤波、A/D 转换（模拟量到数字量的转换）等处理；信号处理部分对脑电信号进行预处理、特征提取和特征分类；外部设备控制部分按照特征分类结果对智能家居设备进行控制。

2 以人为中心的脑机接口智能家居系统设计

基于脑机接口的智能家居系统的使用人群包括健康人士、残障人士等，因此需要考虑不同用户群体的能力层次和个性化需求，针对不同用户进行以人为中心的脑机接口智能家居系统设计。在人与机器交互的过程中，建立与人的能力相符的高效交互模型，提高人与机器间的高效协同工作。

2.1 脑电信号的选择

基于脑机接口的智能家居控制系统需要选择特定脑电信号作为系统的输入，而不同的脑电信号是由不同心理任务诱发的。不同心理任务难度不同，难度大的心理任务学习训练时间长，影响系统的易学性；不同的任务引起用户的感受也不同，有些任务在长时间使用的情况下容易引起疲劳，这些问题在选择脑电信号时都应考虑在内。

在选择诱发脑电信号的心理任务时，应选择适合用户的、简单的、被用户接受和喜欢的任务。同时，这个任务最好是日常生活中能涉及的心理活动，这能够帮助用户自然地诱发出相应的脑电信号，而不用刻意费力地学习相关的心理任务。为了减轻用户长时间使用时的疲劳感（疲劳感主要由执行心理活动时的脑力负荷决定），应选择脑力负荷低的任务[7-8]。

目前，常用的脑电信号有运动想象、基于稳态视觉诱发电位、P300 等，它们有各自的优缺点与适用范围。例如，运动想象脑电信号训练时间较长，一部分人可能想象能力较弱，训练后仍无法达到良好的效果，所以就不适合选取运动想象脑电信号作为基于脑机接口的智能家居控制系统的输入信号。基于稳态视觉诱发电位的训练时间比运动想象脑电信号的训练时间短，但由于使用一定频率的闪光刺激，易造成眼部疲劳，因此眼部疾病患者将不能选取稳态视觉诱发电位作为基于脑机接口的智能家居控制系统的输入信号[9]。P300 的训练时间也较短，但P300 需要用戶移动眼球来注视闪光刺激，因此眼球运动受限的用户无法使用[10-11]。由此可知，在选择合适的脑电信号时，应使诱发该脑电信号的心理任务能够自然地与使用用户以及需要控制的外部设备任务相匹配。

2.2 信号采集

脑电信号采集设备硬件的安全性、舒适性、易使用性和美观性等因素会影响用户对产品的选择。采集设备的大小、兼容性、联网方式、传输距离、电量维持时间、更换是否容易等，无不影响用户的体验感与满意度。脑电信号的采集部分需要能够采集到高质量的输入信号，采集方式可分为无创方式与有创方式。无创方式是在大脑外部佩戴脑电信号采集设备，有创方式是在大脑中植入脑电信号采集设备。针对无创方式，需要着重考虑采集设备的穿戴方式和人体舒适度[12]，而针对有创方式，需要重点考虑采集设备植入的安全性与舒适性。

2.3 信号处理

针对脑电信号的信号处理部分，基于脑机接口的智能家居控制系统需要具备一定的实时性和准确率，因此脑电信号应该选择何种处理算法至关重要。算法的准确性、处理速度与解码速度、处理精度与解码精度影响整个系统的可用性。由于每个用户的特殊性，当不同的用户使用同一套设备时，可能同样的心理任务诱导出的脑电信号强弱、清晰度、时延均有所不同。因此算法应该具有自适应、自学习功能，能够根据每个用户的不同特征调整个性化参数，使算法达到最佳状态。同时，还应考虑同一用户在不同时刻的情绪变化，在实际使用中，用户可能会面临紧张焦虑、兴奋激动或者平静安定的情绪，因此算法需要能够自我调整不断适应用户的心理变化以达到最佳状态。所以需要基于以上两个方面来提高基于脑机接口的智能家居系统的普适性和实用性。

信号处理还需要设计友好的用户交互界面，用户交互界面需符合使用者的习惯和偏好，简单易用[13]。人机交互界面的图标要素需要考虑用户注意捕获效果与视知觉容量，确定刺激用户产生相应脑电信号的项目数量，包括图标尺寸、形状、大小、色彩、空间位置布局、前景背景对比等。研究表明，为了提升用户的反应时间和准确率，用户交互界面的最佳图形是无洞的基础图形，尺寸为14 mm左右，图标的前景色与背景色反差大，这样对用户的注意捕获效果是最好的[14]。

2.4 设备控制

目前，基于脑机接口的智能家居系统主要是在实验室中研究、运行，实验室的环境相比于用户的实际使用环境较为简单。用户的实际使用环境通常有更大的噪声、更多的环境设备、更复杂的干扰因素，这不仅会影响到实际用户使用设备时对脑电信号的诱发，还会影响到设备的实际运行。因此要求基于脑机接口的智能家居系统能够识别和适应周围的环境，同时通过对周围环境的识别，提前感知潜在的用户操作对象，预估用户接下来可能的操作意图，提高对用户意图的识别准确率和有效率。目前的脑机接口系统并不具备较强的智能化水平，因此智能性主要体现在其控制的智能家居设备。智能人机交互需要充分考虑人与智能系统之间潜在的人机合作关系，从而有效处理智能人机交互任务。在特定的人机交互场景中， 智能系统可以对用户状态（认知、生理、意图、情感等）、环境上下文等状态进行自主感知、识别、学习、推理， 做出合适的自适应系统输出，用户根据任务、目标来调整交互行为。

以人为中心的脑机接口智能家居系统在应用设计时，根据用户的实际使用需求来定制应用类型与设备控制需求，明确其使用场景。再基于实际使用场景与用户需求，明确用户对设备的实时性、精确度的具体要求，并且进行相匹配的设计。当人与智能家居控制系统进行交互时，界面的智能程度对人机交互有着重要影响。研究表明，不同的界面智能程度匹配不同的任务認知模式可以达到良好的效果：低等智能程度匹配技能型任务；中等智能程度匹配知识型任务；高等智能程度匹配规则型任务。当界面智能程度和任务认知模式互相匹配时，可以提高用户交互的绩效、降低执行时间和减少错误次数[15]。

3 结论

在现代技术的推动下，家居系统正朝着智能化逐渐转型，因此对人机交互的研究有更深的创新潜能。人与智能家居控制系统之间的互相联结、协调、适应，需要从多学科交叉融合的角度，针对智能交互模式、人因工程因素等问题进行梳理研究，促进基于脑机接口的智能家居系统的转型升级，实现系统高效、稳定运行，信息高效传输，设备精准控制。