一种基于心电信号的应激和疲劳监测方法及系统技术方案

本发明专利技术公开了一种基于心电信号的应激和疲劳监测方法及系统，包括以下步骤：步骤S1、利用生理信号记录仪获取心电信号，分析生理指标显著性变化差异，根据差异变化时序采集相应时间段的差错信息，对差错信息进行预处理；步骤S2、依据预处理后的数据建立疲劳等级划分模型，采用排序等级计算疲劳相关性系数；步骤S3、利用相关性系数分析生理指标与疲劳度线性关系，二次筛选特征生理指标；步骤S4、基于特征生理指标通过融合多生理指标的信息融合算法构建疲劳模型，以预测管制疲劳度，能够有效实时地识别出管制员的疲劳状态，避免管制员疲劳上岗，不仅可以对疲劳度判定进行更为细致的量化与分析，还能够弥补管制疲劳在生理数据研究方面的空缺。面的空缺。面的空缺。

【技术实现步骤摘要】
一种基于心电信号的应激和疲劳监测方法及系统


[0001]本专利技术涉及心电信号监测
，具体涉及一种基于心电信号的应激和疲劳监测方法及系统。

技术介绍

[0002]虽然现在人们生活水平越来越高，但是年轻人承担的责任与压力也随之增加，越来越多的人长时间承受巨大压力而无法缓解，导致情绪低落，而大部分人因长时间从事高紧张的脑力任务会使其工作状态、认知能力下降从而导致管制员疲劳，甚至影响个人生活，因此研究现代年轻人的疲劳风险日益成为国民安全运行的重点之一。
[0003]目前，疲劳检测技术层出不穷，针对年轻人的疲劳检测技术也日益增多，主要包括主观检测技术与客观检测技术两种，但主观检测技术受个体主观性影响较大，客观性较差；而客观检测技术由于设备操作性较低不易应用于实际工作中，由此，针对压力大的年轻人开发了一套基于认知能力的疲劳评价系统，该系统认为年轻人在工作过程中产生的疲劳状态属于脑力疲劳，主要研究心电信号与精神疲劳之间的关系，通过对被试进行读书任务和笔算作业，分析了人在精神疲劳下HR与HRV的变化，并将精神疲劳下HRV信号作为实时监测疲劳的量化心电指标，发现随着精神疲劳程度的增加，心电指标可在一定程度上反应疲劳水平。
[0004]目前采用的基于认知变化的管疲劳检测系统还存在一下缺陷：一是现有检测系统研究影响年轻人疲劳程度的影响因素相对较主观，导致在分析疲劳水平时，受主观影响大，客观性较差；二是影响认知变换的因素很多，现有疲劳检测系统在分析心电信号时，通过脑电信号或者眼电信号等生理指标检测出管制员的疲劳水平，虽较为准确，但是当人在紧张工作时，并没有大量时间用于检测疲劳水平，导致疲劳监测模型输入过于简单且缺乏个体差异性。

技术实现思路

[0005]本专利技术的目的在于提供一种基于心电信号的应激和疲劳监测方法及系统，以解决现有技术中现有疲劳检测系统受主观影响较大，且疲劳监测模型输入过于简单、缺乏个体差异性的技术问题。
[0006]为解决上述技术问题，本专利技术具体提供下述技术方案：
[0007]一种基于心电信号的应激和疲劳监测方法，包括以下步骤：
[0008]步骤S1、利用生理信号记录仪获取心电信号，分析生理指标显著性变化差异，根据差异变化时序采集相应时间段的差错信息，对差错信息进行预处理；
[0009]步骤S2、依据预处理后的数据建立疲劳等级划分模型，采用排序等级计算疲劳相关性系数；
[0010]步骤S3、利用相关性系数分析生理指标与疲劳度线性关系，依据所述生理指标与疲劳度的线性关系二次筛选特征生理指标；
[0011]步骤S4、基于特征生理指标通过融合多生理指标的信息融合算法构建疲劳模型，以预测管制疲劳度。
[0012]作为本专利技术的一种优选方案，所述步骤S1中，利用所述生理信号记录仪采集生理信号，对所述生理信号进行频谱分析，通过FIR滤波器对数据进行预处理，结合主观评价量表和操作绩效对各项指标数据进行管制疲劳状态分级，提取KSS疲劳等级时段内差错扣分分值。
[0013]作为本专利技术的一种优选方案，对所述相应等级时段内差错扣分分值采用排序等级计算相关性系数r
s
，其表达式为：
[0014][0015]其中，d表示KSS量表疲劳度与绩效差错扣分分值取秩后每对观察值的秩之差，n表示疲劳观察对象的个数。
[0016]作为本专利技术的一种优选方案，所述步骤S2中，所述相关性系数r
s
取值区间设定在
‑
1到1之间，1表示两个变量完全线性相关，
‑
1表示两个变量完全负相关，越接近于0代表相关性关系越弱，所述相关性系数r
s
的权值采用三个皮尔逊相关系数得到，其表达式为：
[0017][0018]其中，r
12
表示生理指标与时间的皮尔逊相关系数，r
13
表示时间与疲劳度的皮尔逊相关系数，r
23
表示疲劳度与生理指标的皮尔逊相关系数。
[0019]作为本专利技术的一种优选方案，所述步骤S3中，依据所述疲劳相关性系数构建基于特征生理指标的疲劳模型，具体构建步骤如下：
[0020]步骤S301、采用BP神经网络将不同状态下管制被试的各项生理特征测量指标输入进行样本训练来判断测试组管制被试的疲劳状态；
[0021]步骤S302、BP神经网络输入层获取疲劳心电信号，使用premnmx对各项特征参数的数值进行归一化处理，通过激活函数与权值矩阵将信号传到输出层，依据KSS量表与绩效获取疲劳度；
[0022]步骤S303、通过反向对神经网络中的权值矩阵进行修正更新疲劳等级，构建疲劳状态下数据模型。
[0023]作为本专利技术的一种优选方案，所述步骤S302中，所述激活函数采用支持向量机结构将数据映射到高维空间获取样本距离最大化的最优分类，根据最优分类时间段数据采用决策树算法获取适合特征的不同取值来进行疲劳类别划分。
[0024]作为本专利技术的一种优选方案，所述决策树算法的具体方法包括：
[0025]首先、采用各项生理特征测量指标作为训练样本集，采用load函数导入训练样本；
[0026]其次、利用CART算法对训练样本获取二分叉树结构，将各不相同的离散特征值置于一个单独的类别之中；
[0027]最后、通过代价函数对二分叉树结构的所有子节点数据进行剪枝，预测心理特征数据。
[0028]作为本专利技术的一种优选方案，依据所述心理特征数据采用基于信息增益率的子树
分裂顺序获取各生理指标的重要程度，以构建预测管制疲劳度模型。
[0029]一种根据权利要求1
‑
8任一项所述的基于心电信号的应激和疲劳监测方法的系统，包括：疲劳监测模块、管制疲劳评估模块、生理参量采集模块、微观仿真模块以及数据存储模块；
[0030]所述疲劳监测模块，用于实时监测心电信号变化以判断管制疲劳等级；
[0031]所述管制疲劳评估模块，用于融合各项生理特征参量，通过相关性系数评估人体疲劳状态等级；
[0032]所述生理参量采集模块，用于实时采集各项生理特征参量以获取疲劳数据；
[0033]所述微观仿真模块，用于利用预测管制疲劳度模型执行微观数据仿真过程生成微观疲劳等级的仿真结果；
[0034]所述数据存储模块，用于存储预测管制疲劳度模型输出的数据，分别存入各时间段的疲劳等级、生理特征参量以及疲劳的监测结果。
[0035]作为本专利技术的一种优选方案，所述管制疲劳评估模块采用JDL决策级融合算法构架多信息评估方案，对每一生理参数进行各自的疲劳标定，然后采用特征级融合对相关性系数进度决策级分析。
[0036]本专利技术与现有技术相比较具有如下有益效果：
[0037]本专利技术通过对不同管制实验组在模拟管制过程中的生理实验数据进行记录，建立可靠的疲劳度识别模型，有效实时地识别出管制员的疲劳状态，避免管制员疲劳上岗，从而减少由管制疲劳引发的安全事本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于心电信号的应激和疲劳监测方法，其特征在于，包括以下步骤：步骤S1、利用生理信号记录仪获取心电信号，分析生理指标显著性变化差异，根据差异变化时序采集相应时间段的差错信息，对差错信息进行预处理；步骤S2、依据预处理后的数据建立疲劳等级划分模型，采用排序等级计算疲劳相关性系数；步骤S3、利用相关性系数分析生理指标与疲劳度线性关系，依据所述生理指标与疲劳度的线性关系二次筛选特征生理指标；步骤S4、基于特征生理指标通过融合多生理指标的信息融合算法构建疲劳模型，以预测管制疲劳度。2.根据权利要求1所述的一种基于心电信号的应激和疲劳监测方法，其特征在于：所述步骤S1中，利用所述生理信号记录仪采集生理信号，对所述生理信号进行频谱分析，通过FIR滤波器对数据进行预处理，结合主观评价量表和操作绩效对各项指标数据进行管制疲劳状态分级，提取KSS疲劳等级时段内差错扣分分值。3.根据权利要求2所述的一种基于心电信号的应激和疲劳监测方法，其特征在于，对所述相应等级时段内差错扣分分值采用排序等级计算相关性系数r
s
，其表达式为：其中，d表示KSS量表疲劳度与绩效差错扣分分值取秩后每对观察值的秩之差，n表示疲劳观察对象的个数。4.根据权利要求3所述的一种基于心电信号的应激和疲劳监测方法，其特征在于，所述步骤S2中，所述相关性系数r
s
取值区间设定在
‑
1到1之间，1表示两个变量完全线性相关，
‑
1表示两个变量完全负相关，越接近于0代表相关性关系越弱，所述相关性系数r
s
的权值采用三个皮尔逊相关系数得到，其表达式为：其中，r
12
表示生理指标与时间的皮尔逊相关系数，r
13
表示时间与疲劳度的皮尔逊相关系数，r
23
表示疲劳度与生理指标的皮尔逊相关系数。5.根据权利要求4所述的一种基于心电信号的应激和疲劳监测方法，其特征在于，所述步骤S3中，依据所述疲劳相关性系数构建基于特征生理指标的疲劳模型，具体构建步骤如下：步骤S301、采用BP神经网络将不同状态下管制被试的各项生理特征测量指标输入进行样本训练来判断测试组管制被试的疲劳状态；步骤S302、BP神...

【专利技术属性】
技术研发人员：包磊，朱丽群，唐为定，
申请(专利权)人：江苏大学附属医院，
类型：发明
国别省市：