澳门大学万峰副教授研究聚焦于生物医学工程与人工智能的交叉领域，尤其专注于脑-机接口（BCI）、脑电信号处理、脑成像及神经反馈训练等关键技术。在算法层面，他深入探索模糊系统、神经网络、深度学习和迁移学习在脑信号解码中的应用；在控制理论方面，则注重非线性与自适应智能控制策略的研究。其研究目标在于提升BCI系统的响应速度、稳定性与实际可用性，并推动其在医疗康复、情绪识别、注意力干预等多场景的落地应用。

已实现应用场景

• 多模态生理信号采集系统

针对不同应用场景自主研发的系列多模态生理信号采集系统，支持采集脑电、心电、肌电、眼动、血氧、呼吸等多种生理信号，可满足便携移动、轻量化穿戴、低成本、低杂讯、高解析度、低功耗、无线传送、可更换电极等多样化的科研与应用需求。

• 即插即用脑机介面打字系统

基于稳态视觉诱发电位脑机介面技术，结合先进机器学习演算法和线上自适应策略，实现新用户无需训练、即时自主优化，提供高速可靠的脑控打字方案，显著提升实用性与用户体验。

• 多模态脑机介面卒中康复训练系统

融合稳态视觉诱发电位及运动想像脑机介面技术，面向神经功能重塑过程，支持个性化自适应训练与闭环反馈，适配居家康复的轻量化设计。

• 多模态睡眠监测调控系统

依托低成本轻量化信号采集平台及先进演算法，精准实现睡眠分期与健康报告，并提供闭环式个性化调控，适用于大众化睡眠健康应用。

• 驾驶意图与状态监测系统

基于多模态脑机介面技术，即时监测注意力、疲劳、脑力负荷与情绪状态，融合轻量化跨域生理信号处理与复合状态监测模型，实现低注意力需求的人机交互、驾驶意图识别及智慧座舱氛围调节，提升驾驶安全性与舒适性。

• 多模态人机智慧交互系统

创新「预测 - 反馈」机制，融合自监督特征与 EEG-to-Text 技术，实现情感识别、自然语言解码与智慧家居联动。