System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于人工智能中的脑电波信号分析处理,尤其涉及一种基于脑电时频特征的值班人员注意力水平实时识别方法。
技术介绍
1、随着工业设备智能化程度的提高,操作人员与设备交互频率大幅减少,连续监控任务在值班工作中的时间比重增加,这些因素会导致值班人员注意力水平下降,进而导致值班人员的误操作、错失关键数据信息或者故障,最终酿成安全事故。因此,对值班人员监控作业的注意力水平进行识别,是值班人员全周期注意力水平识别监督的重要环节之一。
2、人的大脑是所有器官中最复杂的一部分,其由左、右两个大脑半球构成。在大脑活动过程中,大脑会产生一种微弱且复杂的电生理信号,称之为脑电(electroencephalography,eeg)信号。eeg信号可以在一定程度上能够反映人的精神和生理状态,通过专用的脑电采集设备可以获取原始的eeg信号,经过放大、去噪滤波等必要的信号预处理方法,可以得到合适使用分析的eeg信号。
3、近年来,利用人脑的eeg信号进行注意力水平的识别是一个非常重要的研究方向。在交通领域,对注意力水平的研究主要聚焦在汽车驾驶员和列车司机的反应能力,汽车驾驶员和列车司机工作的特点表现为对突发事件的反应能力,被测试人员对突发事件的反应时间是可靠的注意水平参照标准。张辉等研究人员在文《模拟驾驶环境下驾驶人分心状态判别》提出了一种基于操作绩效的警惕性评价方法,要求被试人员保持持续交互,但不适用对自动系统中操作人员的感知水平进行测量。张嬿在文《基于任务分析的地铁行车调度工作负荷研究》中提出了一种基于任务分析的负荷计算,
4、现有评估注意力水平存在如下缺点:(1)所需的传感器种类多,不仅需要脑电信号传感器,还需要额外的传感器采集皮肤电、心电、肌电、心率和体温等信息,这就导致了采集设备的成本高;(2)注意力水平计算方法比较复杂,通过综合各类传感器信息,使用各类机器学习算法或深度学习算法计算注意力水平,这对于硬件的计算能力提出了较高的要求,同时对于广泛存在的低成本硬件系统,很难实现被测人员的注意力实时评估;(3)对单一传感器的信息挖掘不够,未能从多种角度深度地分析采集到的脑电信号。
技术实现思路
1、针对现有技术存在的缺点,本专利技术立足单一脑电传感器数据,从时域和频域的角度提出了注意力水平的时域和频域指标,对传感器数据进行充分的挖掘,同时综合得到了一种计算简单直接的注意力评价指标,对采集设备的计算能力要求比较低,为值班人员注意力水平实时识别提供了一种可行有效的方法。
2、本专利技术第一方面提出了一种基于脑电时频特征的值班人员注意力水平实时识别方法,包括以下步骤:
3、获取采集的单路脑电注意力信号;
4、计算脑电注意力信号的时域指标,包括脑电信号最大值均值以及标准差
5、计算脑电注意力信号的频域指标,即计算时间区间内总功率谱
6、基于时域指标和频域指标进行注意力指标的计算;注意力指标记为ji,具体计算如下:
7、
8、其中,α+β+γ+θ=1,α>0,β>0,γ>0,θ>0;
9、基于计算获取的注意力指标,发送至上位机进行被测人员注意力水平的判断。
10、优选的,所述采集的单路脑电注意力信号是通过脑电信号采集模块进行采集,所述脑电信号采集模块包括两个参考电极、一个采集电极和电源,所述采集电极为非侵入式电极,两个参考电极放置两边耳垂处,采集电极放置于干净的左前额位置。
11、优选的,所述计算脑电注意力信号的时域指标,其具体为:
12、设脑电注意力信号采样周期为t,x(k)表示在第kt时刻采集的脑电注意力信号,设判断人脑注意力水平的时间区间为nt,其中n是一个正常数;在第i个时间区间[(i-1)n,in)内,计算信号的时域指标脑电信号最大值均值以及标准差具体计算过程如下:
13、
14、
15、
16、其中,k表示某个采样时刻,k=1,2,…j,j为采集的脑电注意力信号的序号。
17、优选的,所述计算时间区间内总功率谱计算公式为:
18、
19、其中,
20、
21、x(l)表示对脑电信号的傅里叶变换结果,参数l表示一个时间区间nt内脑电信号的序号,变化范围从0至n-1,g2=-1,g是虚数的单位,e(·)表示指数函数。
22、优选的,所述进行被测人员注意力水平的判断采用注意力水平λi,注意力水平定义为其中注意力阈值且该阈值根据实验或具体的任务需要进行标定;若λi≥1,则表明被测人员在所计算的时间段内注意力满足需要的水平,认为注意力比较集中;若λi∈(0,1),则表明被测人员在所计算的时间段内内注意力不满足需要的水平,认为注意力不集中。
23、本专利技术第二方面提供了一种信号处理芯片,所述信号处理芯片存储并可执行如第一方面所述的注意力水平实时识别方法,并将计算得到的注意力水平信号通过串口通讯发送至上位机进行判断与显示。
24、本专利技术第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有如第一方面所述的注意力水平实时识别方法的计算机程序或指令,所述程序或指令被处理器执行时,使处理器执行并输出计算得到的注意力水平信号。
25、与现有技术相比,本专利技术具有如下有益效果:
26、本专利技术提供了一种全新的关于脑电注意力信号时间区间内总功率谱的计算方法和注意力指标的计算方法,从时域和频域的角度采用计算量更小的注意力计算方法,因此更有利于实现对值班人员注意力的实时监测。本专利技术立足单一脑电传感器数据,从时域和频域的角度提出了注意力水平的时域和频域指标,对传感器数据进行充分的挖掘,降低成本,同时综合得到了一种计算简单直接的注意力评价指标,对采集设备的计算能力要求比较低,为值班人员注意力水平实时识别提供了一种可行有效的方法。
本文档来自技高网...【技术保护点】
1.一种基于脑电时频特征的值班人员注意力水平实时识别方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种基于脑电时频特征的值班人员注意力水平实时识别方法,其特征在于:所述采集的单路脑电注意力信号是通过脑电信号采集模块进行采集,所述脑电信号采集模块包括两个参考电极、一个采集电极和电源,所述采集电极为非侵入式电极,两个参考电极放置两边耳垂处,采集电极放置于干净的左前额位置。
3.如权利要求1所述的一种基于脑电时频特征的值班人员注意力水平实时识别方法,其特征在于,所述计算脑电注意力信号的时域指标,其具体为:
4.如权利要求3所述的一种基于脑电时频特征的值班人员注意力水平实时识别方法,其特征在于,所述计算时间区间内总功率谱计算公式为:
5.如权利要求1至4任意一项所述的一种基于脑电时频特征的值班人员注意力水平实时识别方法,其特征在于:所述进行被测人员注意力水平的判断采用注意力水平λi,注意力水平定义为其中注意力阈值且该阈值根据实验或具体的任务需要进行标定;若λi≥1,则表明被测人员在所计算的时间段内注意力满足需要的水平,认为注意力比
6.一种信号处理芯片,其特征在于:所述信号处理芯片存储并可执行如权利要求1至5任意一项所述的注意力水平实时识别方法,并将计算得到的注意力水平信号通过串口通讯发送至上位机进行判断与显示。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有如权利要求1至5任意一项所述的的注意力水平实时识别方法的计算机程序或指令,所述程序或指令被处理器执行时,使处理器执行并输出计算得到的注意力水平信号。
...【技术特征摘要】
1.一种基于脑电时频特征的值班人员注意力水平实时识别方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种基于脑电时频特征的值班人员注意力水平实时识别方法,其特征在于:所述采集的单路脑电注意力信号是通过脑电信号采集模块进行采集,所述脑电信号采集模块包括两个参考电极、一个采集电极和电源,所述采集电极为非侵入式电极,两个参考电极放置两边耳垂处,采集电极放置于干净的左前额位置。
3.如权利要求1所述的一种基于脑电时频特征的值班人员注意力水平实时识别方法,其特征在于,所述计算脑电注意力信号的时域指标,其具体为:
4.如权利要求3所述的一种基于脑电时频特征的值班人员注意力水平实时识别方法,其特征在于,所述计算时间区间内总功率谱计算公式为:
5.如权利要求1至4任意一项所述的一种基于脑电时频特征的值班人员注意力水...
【专利技术属性】
技术研发人员:陈志翔,曹友,赵晶,姚瑞桥,赵正龙,孔令剑,海世芳,侯雨果,徐志强,米文鹏,黄坤阳,
申请(专利权)人:中国人民解放军火箭军士官学校,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。