基于脑电频谱特征的疲劳检测方法及系统技术方案

本公开的实施方式提供了一种基于脑电频谱特征的疲劳检测方法及系统，该方法包括：获取预定时间段内的脑电信号；将所述脑电信号中的中高频脑电信号的频率范围划分为多个频带；分别提取所述多个频带的相对功率；以及根据所述相对功率确定疲劳等级。采用中高频脑电信号的多个频带的相对功率来进行疲劳检测，能够避免不同个体之间的差异性，极大地提高了本公开的疲劳特征检测方法的通用性，并且能够进一步提高疲劳检测的准确性。

【技术实现步骤摘要】

本公开的各个实施方式涉及基于脑电信号的疲劳检测
，并且更具体地涉及一种基于脑电频谱特征的疲劳检测方法及系统。
技术介绍
疲劳是指人在一定的环境下，由于长时间的体力或脑力劳动而引起的劳动效率下降的状态。在现代社会，尤其是在实时监控、交通运输、高危作业等领域，由于在疲劳状态下警觉性、持续注意力、工作记忆力、判断力等能力的下降，工作人员极易出现随意操作和违章行为，从而可能引发安全事故。因此，建立起客观可靠并且对正常工作无干扰的精神疲劳检测系统，对于防范由于疲劳引发的安全事故是非常必要的，具有极大的经济价值和社会价值。疲劳状态的检测方法主要分主观评价和客观检测两类。主观评价方法主要是依靠个体自我评价和自我记录表等来评测被试者的疲劳程度。主观评价方法虽然操作简单，然而这些方法易受主观因素的影响，并且评分标准不统一，也难以量化疲劳等级，其结果往往不太令人满意。客观检测主要从生物医学角度出发，借用医用电子设备测试被试者的人体行为或生物信号的某些特征的变化趋势，从而判断其疲劳程度。现阶段研宄的客观方法主要是利用生物信号的特征变化趋势加以检测，这些生物信号主要包括脑电信号、眼电信号、心电信号、肌电信号等。在这些生理信号中，脑电信号能客观地记录大脑机能状态的连续变化，是人脑思维活动、认知和意识状态的一种外在表现，有着更高的时间分辨率，而且无法人为控制及伪造，被誉为疲劳检测方法的“金标准”，获得医学界的广泛认可。随着生物信号检测技术的进步和现代信号处理技术的快速发展，极大地推动了基于脑电的精神疲劳研宄。现有技术中基于脑电信号的疲劳检测方法，大多是基于theta波、alpha波和beta波的频谱特征变化趋势来检测警觉度变化情况，不同个体之间的theta波、alpha波和beta波的频谱特征存在非常大的差异，甚至可能出现不同数量级的差异。现有技术中的疲劳检测方法精确度不高，经常出现假阳性现象，对疲劳等级不能准确地判定，导致出错率很高。此外，现有技术中通常基于多通道的脑电信号进行研宄，多通道脑电信号需要采用多个测试电极分别进行采集，因此电极位置受头发影响，佩戴起来不方便。
技术实现思路
本公开的目的包括提供一种基于脑电频谱特征的疲劳检测方法及系统，以至少部分解决现有技术中的上述问题。根据本公开的一个方面，提供了一种基于脑电频谱特征的疲劳检测方法，包括:获取预定时间段内的脑电信号；将所述脑电信号中的中高频脑电信号的频率范围划分为多个频带；分别提取所述多个频带的相对功率；以及根据所述相对功率确定疲劳等级。根据本公开的一个示例性实施方式，所述方法还包括对获取的所述脑电信号进行预处理，其中所述预处理包括:去除所述脑电信号中的幅度异常的信号，以产生剩余信号；对所述剩余信号进行标准化处理，以产生标准化信号；以及对所述标准化信号进行平滑滤波以滤除所述标准化信号中的基线漂移信号。根据本公开的一个示例性实施方式，所述方法还包括对经预处理的所述脑电信号进行噪音检测，其中所述噪音检测包括:将所述脑电信号划分为多个分段；以及分别对所述多个分段进行噪音检测，以确定相应的分段是否属于噪音信号。根据本公开的一个示例性实施方式，提取所述相对功率进一步包括:针对所述多个分段中不属于噪音信号的各个分段，分别提取所述多个频带的所述相对功率；以及针对所述多个频带，分别计算相应的所述相对功率的平均值。根据本公开的一个示例性实施方式，所述方法还包括对提取的所述相对功率进行特征平滑，其中所述特征平滑包括:针对所述多个频带，分别利用当前预定时间段的相对功率以及当前预定时间段之前的多个时间段的相对功率，通过移动加权平均法计算当前预定时间段的经平滑的相对功率。根据本公开的一个示例性实施方式，所述方法还包括:提取用于表征所述相对功率的变化趋势的一阶差分动态特征。根据本公开的一个示例性实施方式，所述方法还包括:采用主成分分析法对由所述相对功率和所述一阶差分动态特征形成的特征向量进行降维。根据本公开的一个示例性实施方式，所述方法还包括:采用线性判别分析法对特征降维后的特征向量进行特征选择，以选择出与疲劳相关的特征分量并且去除与疲劳无关的特征分量，得到特征选择后的特征向量。根据本公开的一个示例性实施方式，根据所述相对功率确定疲劳等级进一步包括:根据特征选择后的特征向量，采用隐马尔可夫模型来确定所述疲劳等级。根据本公开的一个示例性实施方式，所述中高频脑电信号的频率范围为5?30Hzo根据本公开的一个示例性实施方式，将所述中高频脑电信号的频率范围划分为多个频带进一步包括:采用预定步长将所述中高频脑电信号的频率范围划分为多个频带，其中预定步长为I?5之间的整数。根据本公开的一个示例性实施方式，所述多个频带包括:5?8Hz、9?10Hz、ll?13Hz、14 ?18Hz、19 ?24Hz 以及 25 ?30Hz。根据本公开的另一方面，提供了一种基于脑电频谱特征的疲劳检测系统，包括:脑电信号获取装置，用于获取预定时间段内的脑电信号；频带划分装置，用于将所述脑电信号中的中高频脑电信号的频率范围划分为多个频带；相对功率提取装置，用于分别提取所述多个频带的相对功率；以及疲劳等级确定装置，用于根据所述相对功率确定疲劳等级。根据本公开的一个示例性实施方式，所述系统还包括预处理装置，所述预处理装置用于对获取的所述脑电信号进行预处理，其中所述预处理包括:去除所述脑电信号中的幅度异常的信号，以产生剩余信号；对所述剩余信号进行标准化处理，以产生标准化信号；以及对所述标准化信号进行平滑滤波以滤除所述标准化信号中的基线漂移信号。根据本公开的一个示例性实施方式，所述系统还包括噪音检测装置，所述噪音检测装置用于对经预处理的所述脑电信号进行噪音检测，其中所述噪音检测包括:将所述脑电信号划分为多个分段:以及分别对所述多个分段进行噪音检测，以确定相应的分段是否属于噪音信号。根据本公开的一个示例性实施方式，所述相对功率提取装置进一步包括:分段特征提取装置，用于针对所述多个分段中不属于噪音信号的各个分段，分别提取所述多个频带的所述相对功率；以及均值计算装置，用于针对所述多个频带，分别计算相应的所述相对功率的平均值。根据本公开的一个示例性实施方式，所述系统还包括特征平滑装置，所述特征平滑装置用于对提取的相对功率进行特征平滑，其中特征平滑包括:针对多个频带，分别利用当前预定时间段的相对功率以及当前预定时间段之前的多个时间段的相对功率，通过移动加权平均法计算当前预定时间段的经平滑的相对功率。根据本公开的一个示例性实施方式，所述系统还包括:动态特征提取装置，用于提取用于表征相对功率的变化趋势的一阶差分动态特征。根据本公开的一个示例性实施方式，所述系统还包括:特征降维装置，用于采用主成分分析法对由相对功率和一阶差分动态特征形成的特征向量进行降维。根据本公开的一个示例性实施方式，所述系统还包括:特征选择装置，用于采用线性判别分析法对特征降维后的特征向量进行特征选择，以选择出与疲劳相关的特征分量并且去除与疲劳无关的特征分量，得到特征选择后的特征向量。根据本公开的一个示例性实施方式，所述疲劳等级确定装置根据所述特征选择后的特征向量，采用隐马尔可夫模型来确定所述疲劳等级。根据本公开的一个示例性实施方式，所述中高频脑电信号本文档来自技高网...

【技术保护点】
一种基于脑电频谱特征的疲劳检测方法，包括：获取预定时间段内的脑电信号；将所述脑电信号中的中高频脑电信号的频率范围划分为多个频带；分别提取所述多个频带的相对功率；以及根据所述相对功率确定疲劳等级。

【技术特征摘要】

【专利技术属性】
技术研发人员：廖春平，夏鹏，刘艳芳，董记平，
申请(专利权)人：上海帝仪科技有限公司，
类型：发明
国别省市：上海;31