А.Д. Иванов1, А.Ю. Тычков2, Д.С. Чернышов3, А.К. Алимурадов4, О.С. Симакова5

1–5 Пензенский государственный университет (г. Пенза, Россия)

1 Sailtothe54@gmail.com, 2 tychkov-a@mail.ru, 3 deniska_1980_13@mail.ru, 4 alansapfir@yandex.ru, 5zcsio@mail.ru

Постановка проблемы. Интерфейсы «мозг–компьютер» (нейроинтерфейсы) находят все более широкое применение в медицине для длительного мониторинга активности головного мозга при свободной двигательной активности пациента. Однако существует нехватка инструментов для отладки и диагностики таких нейроинтерфейсов, особенно при их интеграции с технологиями виртуальной реальности (VR) для нейрореабилитации. Отсутствие средств, позволяющих воспроизводимо имитировать электрическую активность мозга, затрудняет разработку и тестирование полного измерительного тракта и адаптивных алгоритмов интерфейса «мозг–компьютер–виртуальная реальность».

Цель. Создать усовершенствованный многоканальный генератор ЭЭГ-подобных сигналов и оценить его применение для калибровки аппаратуры и отработки алгоритмов интерфейса «мозг – компьютер – виртуальная реальность». Генератор предназначен для диагностики, разработки и тестирования нейроинтерфейсов, обеспечения воспроизводимых условий при настройке интерфейса и отработки алгоритмов адаптации виртуальной среды.

Результаты. Предложен математический аппарат моделирования ЭЭГ-ритмов различного диапазона с учетом воздействий внешней среды. Приведены формулы генерации ритмов с случайной огибающей и их суммарного сигнала с артефактами. Предложена техническая реализация автономного генератора сигналов в экранированном корпусе, подключаемого к входу регистрационной аппаратуры вместо электродов. Отмечено, что генератор воспроизводит типичные ЭЭГ-ритмы (дельта, тета, альфа, бета) и управляемо накладывает помехи – артефакты мигания, электромиографические наводки, дрейф изолинии. Реализованы различные режимы генерации и автоматический режим самодиагностики измерительного тракта.

Практическая значимость. Созданный генератор ЭЭГ-сигналов – новый инструмент для разработки и тестирования нейроинтерфейсов. Он позволяет ускорить разработку и повышает надежность интерфейсов за счет возможности многократного воспроизведения сценариев мозговой активности в контролируемых условиях. Генератор применяется для оперативной проверки функционирования аппаратуры ЭЭГ, выявления неисправностей цепи регистрации, а также для настройки адаптивных параметров интерфейса. Полученные результаты интегрируются в комплекс «мозг–компьютер–виртуальная реальность» и могут быть использованы в нейрореабилитации, что расширяет возможности персонализированной терапии пациентов.

Иванов А. Д., Тычков А.Ю., Чернышов Д.С., Алимурадов А.К., Симакова О.С. Генератор сигналов электрической активности головного мозга в составе интерфейса «мозг – компьютер – виртуальная реальность» // Биомедицинская радиоэлектроника. 2026. T. 29. № 3. С. 23−28. DOI: https:// doi.org/10.18127/j156 04136-202603-04

1. Wolpaw J.R., Birbaumer N., McFarland D.J. et al. Brain–computer interfaces for communication and control. Clinical Neurophysiology. 2002. V. 113(6). P. 767–791.
2. Lebedev M.A., Nicolelis M.A. Brain-machine interfaces: past, present and future. Trends in Neurosciences. 2006. V. 29(9).
   P. 536–546.
3. Bohil C.J., Alicea B., Biocca F.A. Virtual reality in neuroscience research and therapy. Nature Reviews Neuroscience. 2011. V. 12(11). P. 752–762.
4. Cassani R., Novak G.S., Falk T.H. et al. Virtual reality and non-invasive brain stimulation for rehabilitation applications: a systematic review. Journal of NeuroEngineering and Rehabilitation. 2020. V. 17. P. 147.
5. Иванов А.Д., Тычков А.Ю., Симакова О.С. и др. Система взаимодействия шлема виртуальной реальности и нейроинтерфейса // Биомедицинская радиоэлектроника. 2024. Т. 27, № 5. С. 41-45. DOI 10.18127/j15604136-202405-06. EDN ILLWKN.
6. Ivanov A. D., Tychkov A. Y., Khizbullin R. N., Alimuradov A. K., Chernyshov D. S. Adaptive VR Systems Based on EEG and Machine Learning Algorithms. 2025 7th International Youth Conference on Radio Electronics, Electrical and Power Engineering (REEPE). 2025. P. 1–5. DOI: 10.1109/REEPE63962.2025.10970853.
7. Иванов А.Д., Тычков А.Ю., Чернышов Д.С. и др. Применение технологии виртуальной реальности в системах поддержки принятия врачебных решений // Биомедицинская радиоэлектроника. 2024. Т. 27. № 2. С. 69–74. DOI 10.18127/j15604136-202402-09. EDN DNWNQK.
8. Иванов А.Д., Тычков А.Ю., Чернышов Д.С. и др. Интеллектуальная система программного управления многоосевой платформой для виртуальной реальности с имитацией воздействия внешней среды и обратной связью // Измерение. Мониторинг. Управление. Контроль. 2023. № 2(44). С. 97–103. DOI 10.21685/2307-5538-2023-2-12. EDN NQSMUG.