主要研究方向
01
多模态情绪感知与智能心理交互
面向复杂环境的人类情绪状态智能理解
情绪状态具有高度隐蔽性和个体差异性，仅依靠单一信息源难以实现准确识别。本方向融合脑电、语音、面部表情和行为交互信息，研究多模态情绪计算方法，实现对情绪变化、心理压力和情感状态的智能分析。
主要研究内容
- 构建融合神经、生理与行为信息的多模态情绪感知模型
- 分析脑电频带、语音特征和表情行为之间的关联规律
- 建立面向真实场景的情绪状态识别与风险评估方法
- 结合大语言模型实现自然语言情绪交互与智能陪伴
研究目标
构建具备情绪理解、状态反馈和个性化支持能力的智能交互系统，为心理健康管理、人机协同和智能服务提供技术支撑。
02
脑机接口与认知状态智能调控
面向脑状态感知的自适应智能交互系统
人的注意力、疲劳程度和认知负荷等状态直接影响学习、工作和交互体验。本方向利用便携式脑机接口设备采集脑电信号，结合人工智能算法，实现认知状态实时感知与智能调控。
主要研究内容
- 基于脑电信号分析注意力、疲劳和认知状态变化规律
- 构建脑状态智能识别与个性化建模方法
- 设计脑控游戏、智能设备等脑机交互应用
- 利用视觉、触觉等多模态反馈实现状态调节
研究目标
构建“脑状态感知—智能分析—交互反馈—能力提升”的闭环脑机交互系统，推动脑机接口技术在人机协作、认知训练和智能康复中的应用。
03
智能传感融合与运动功能数字化评估
面向人体运动状态的智能感知与健康分析
运动行为蕴含丰富的人体健康信息，传统运动评估方法难以实现自然状态下的连续监测。本方向融合柔性传感器、惯性测量单元（IMU）和人工智能算法，建立人体运动状态数字化分析体系。
主要研究内容
- 利用智能压力传感器和惯性传感设备采集运动信息
- 建立多源运动数据融合与特征学习模型
- 分析步态模式、运动能力和异常运动特征
- 构建智能化运动功能评估与辅助康复系统
研究目标
实现人体运动状态的精准感知、异常模式识别和个性化健康评估，为智能康复、运动健康和辅助诊疗提供数据与技术支持。