Background and Objective: Electroencephalography (EEG) can be used to control machines with human intention, especially for paralyzed people in rehabilitation exercises or daily activities. Some effort was put into this but still not enough for online use. To improve the practicality, this study aims to propose an efficient control method based on P300, a special EEG component. Moreover, we have developed an upper-limb assist robot system with the method for verification and hope to really help paralyzed people. Methods: We chose P300, which is highly available and easily accepted to obtain the user's intention. Preprocessing and spatial enhancement were firstly implemented on raw EEG data. Then, three approaches- linear discriminant analysis, support vector machine, and multilayer perceptron -were compared in detail to accomplish an efficient P300 detector, whose output was employed as a command to control the assist robot. Results: The method we proposed achieved an accuracy of 94.43% in the offline test with the data from eight participants. It showed sufficient reliability and robustness with an accuracy of 80.83% and an information transfer rate of 15.42 in the online test. Furthermore, the extended test showed remarkable generalizability of this method that can be used in more complex application scenarios. Conclusion: From the results, we can see that the proposed method has great potential for helping paralyzed people easily control an assist robot to do numbers of things.

中文翻译：

---

一个基于EEG的实用人机界面，可在线控制上肢辅助机器人。

背景与目的：脑电图（EEG）可用于控制具有人类意图的机器，特别是对于处于康复锻炼或日常活动中的瘫痪者。为此付出了一些努力，但仍不足以在线使用。为了提高实用性，本研究旨在提出一种基于P300（一种特殊的EEG组件）的有效控制方法。此外，我们已经开发了一种具有验证方法的上肢辅助机器人系统，希望能真正帮助瘫痪者。方法：我们选择了P300，它具有很高的可用性并且易于接受，可以获得用户的意图。首先对原始EEG数据进行预处理和空间增强。然后，三种方法-线性判别分析，支持向量机，对多层感知器和多层感知器进行了详细比较，以实现高效的P300检测器，该检测器的输出用作控制辅助机器人的命令。结果：我们提出的方法在离线测试中使用来自八名参与者的数据达到了94.43％的准确性。它在在线测试中显示出足够的可靠性和鲁棒性，准确性为80.83％，信息传输率为15.42。此外，扩展测试显示了该方法的显着通用性，可以在更复杂的应用方案中使用。结论：从结果可以看出，该方法具有很大的潜力，可以帮助瘫痪者轻松控制辅助机器人执行许多事情。我们提出的方法使用来自八名参与者的数据，在离线测试中达到了94.43％的准确性。它在在线测试中显示出足够的可靠性和鲁棒性，准确性为80.83％，信息传输率为15.42。此外，扩展测试显示了该方法的显着通用性，可以在更复杂的应用场景中使用。结论：从结果可以看出，该方法具有很大的潜力，可以帮助瘫痪者轻松控制辅助机器人执行许多事情。我们提出的方法使用来自八名参与者的数据，在离线测试中达到了94.43％的准确性。它在在线测试中显示出足够的可靠性和鲁棒性，准确性为80.83％，信息传输率为15.42。此外，扩展测试显示了该方法的显着通用性，可以在更复杂的应用方案中使用。结论：从结果可以看出，该方法具有很大的潜力，可以帮助瘫痪者轻松控制辅助机器人执行许多事情。扩展测试表明该方法具有出色的通用性，可用于更复杂的应用场景。结论：从结果可以看出，该方法具有很大的潜力，可以帮助瘫痪者轻松控制辅助机器人执行许多事情。扩展测试表明该方法具有出色的通用性，可用于更复杂的应用场景。结论：从结果可以看出，该方法具有很大的潜力，可以帮助瘫痪者轻松控制辅助机器人执行许多事情。