从脑电信号到运动控制，
让思想驱动未来
From EEG Signal to Motion Control — Let Thought Drive the Future
五大研究方向
围绕脑机接口核心技术，探索从信号采集到运动控制的完整链路。
脑机接口
Brain-Computer Interface
研究 EEG / ECoG 信号的采集、预处理与特征提取，开发高精度运动意图解码算法。
脑控机械臂
Brain-Controlled Robotic Arm
将脑电信号实时解码为机械臂控制指令，实现高自由度、低延迟的多关节协调运动。
脑控无人机
Brain-Controlled UAV
基于运动想象范式，利用脑机接口技术实现对无人机姿态与轨迹的实时意念操控。
脑控灵巧手
Brain-Controlled Dexterous Hand
开发仿生多指灵巧手系统，通过脑电信号驱动手指的精细协调运动，恢复上肢运动功能。
脑控气动手套
Brain-Controlled Pneumatic Glove
研制基于软体气动驱动的康复手套，结合脑机接口实现主动意图触发的手部辅助康复训练。
核心团队
汇聚神经工程、信号处理、机器人控制等多学科背景的研究人员，共同推进脑机接口前沿探索。
严颖
博士毕业于美国康涅狄格大学，研究方向涵盖脑电信号分析、模式识别、机器学习与深度学习。主持多项国家自然科学基金及省部级科研项目，在 IEEE 系列期刊发表论文 70 余篇。
代表论文
团队在脑机接口、EEG 信号分析等领域发表期刊论文 60 余篇。
Interpretable Gradient-Scored Sparse Polynomial Network for Seizure Detection
Information Sciences · IF 6.8
Residual Multi-Dimensional Taylor Network for Epileptic Electroencephalography Detection
Engineering Applications of Artificial Intelligence · IF 8
A Neuromorphic Approach for Brain-Machine Interface Using Spiking Neural Networks
IEEE EMBC 2025