【技术实现步骤摘要】
本专利技术涉及脑机交互、晕车识别等领域，具体为一种晕车识别的特征提取方法。
技术介绍
1、随着电车舒适性要求的不断提高，以驾驶员为中心的汽车设计一直无法满足消费者的需求。乘客在乘坐过程中的舒适性需求也成为一个重要的指标。因此，乘客晕车的问题迫切需要解决。由于不同的人晕动病的原因不同，很难从源头解决晕动病问题。但是，由晕动病引起的人类症状往往是相同的。这些症状一般表现为冷汗、头晕、恶心、呕吐等，人类症状的出现导致了生理信号的变化。因此，生理信号的测量是进一步研究晕动病的可靠方法。通过生理信号的变化来预测晕车水平的变化后，可以引入干预措施，有效地避免了乘车过程中晕车水平的加深。目前，相关研究已经提出了一些与晕动病有关的生理特征。这些生理特征已被证明是有效的识别晕车水平。然而，这些生理特征主要是从血压、心率等方面进行的分析和判断，与前庭冲突理论所涉及的前庭系统相距较远，对晕车程度的反应不直接。另外，在乘客实际乘车过程中，无法方便的进行准确预测和判断晕车状态，一是无法持续监测，二是指标较笼统。因此，本专利技术提出了一种能够在乘客乘车过程中进行持续监测、并且对乘客乘车无影响的晕车识别的特征提取方法。
技术实现思路
1、为了解决现有技术问题，本专利技术的目的在于克服已有技术存在的不足，提供一种晕车识别的特征提取方法，是一种基于不同人群在乘坐汽车过程中的生理信号进行的处理、分析，进而提取出与晕车状态相关的特征提取方法，进而根据所提取的特征进行晕车状态的分析，并且还通过cnn-bilstm的分析确
2、本专利技术目的之一，在于提供一种晕车识别的特征提取方法的技术方案。
3、一种晕车识别的特征提取方法，包括以下四个步骤：
4、第一步，进行晕车诱发与生理信号采集：在至少两种驾驶模式下采集若干人员头部不同脑区的生理信号，所述生理信号为fnirs信号和eeg信号；
5、第二步，将所述生理信号进行预处理及信号转化：对所述fnirs信号和所述eeg信号分别进行预处理，以去除噪声和干扰，获得fnirs源信号和eeg源信号，并将所述fnirs源信号转化为血氧信号；
6、第三步，进行主客观对比分析及特征提取通道确定：将所述血氧信号和所述eeg源信号分别进行晕车识别特征提取通道的合理性分析，并确定用于晕车识别特征提取的通道；
7、第四步，确定晕车识别特征中的血氧特征和脑电特征：根据所述晕车识别特征提取通道所对应的所述血氧信号和所述eeg源信号，确定血氧特征和脑电特征作为晕车识别的特征，用于晕车状态识别。
8、优选的，第二步中，所述fnirs信号的预处理，首先采用2hz的20阶低通fir滤波器滤除噪声数据，用于删除一些明显存在局部干扰的数据段，然后采用滑动窗口运动伪影抑制算法，将光强数据中的运动伪影删除，获得所述fnirs源信号。
9、进一步优选的，第二步中，所述fnirs源信号的光强信号转化为血氧信号。
10、优选的，第二步中，所述eeg信号的预处理，首先对采集的eeg信号进行0.5hz到45hz的滤波处理，用于去除来自外界环境的干扰，然后采用独立成分分析去除运动伪迹，获得所述eeg源信号。
11、优选的，第三步中，主客观对比分析为：通过所述血氧信号和/或所述eeg源信号，计算分析不同大脑区域对晕车水平变化的反应性，获得晕车状态参数，再结合相应的晕动病fms评分，确定主客观评价结论一致的信号通道作为所述晕车识别特征提取的通道。
12、优选的，第四步中，所述血氧特征为区域脑氧饱和度rso2，所述脑电特征为晕车水平指标psdδ/α。
13、本专利技术的目的之二，在于提供一种晕车识别特征的应用方法的技术方案。
14、一种晕车识别特征的应用方法，是上述一种晕车识别的特征提取方法的应用，包括如下步骤：
15、利用fnirs设备在右前额阳白穴采集fnirs信号，所述fnirs信号经过预处理去除噪声和干扰后，获得fnirs源信号，将所述fnirs源信号的光强信号转化为血氧信号，并确定晕车识别的血氧特征；
16、利用eeg设备在右前额的本神穴及其与阳白穴中间的位置，分别采集eeg信号，所述eeg信号经过预处理去除噪声和干扰后，获得eeg源信号，确定晕车识别的脑电特征；
17、将所述血氧特征和所述脑电特征用于晕车识别。
18、本专利技术目的之三，提供一种用于晕车识别的特征的有效性验证方法的技术方案。
19、一种用于晕车识别的特征的有效性验证方法，包括如下步骤：
20、第一步，构建卷积神经网络结合双向长短时神经网络，将提取的血氧晕车状态参数、脑电晕车状态参数、血氧特征和脑电特征进行两两特征组合，输入卷积神经网络结合双向长短时神经网络中进行识别和分类；
21、第二步，将每个所述特征组合输入所述卷积神经网络结合双向长短时神经网络进行训练，以晕动病标签作为训练精度评价对比依据，获得所述特征组合的分类精度；
22、第三步，以其中一个所述特征组合为基准，用于与另一所述特征组合进行精度区间的对比，判断所述特征组合的晕车水平识别能力。
23、优选的，所述晕动病标签为两类，是根据晕动病fms评分进行划分的，一类为无明显晕动病的类别，另一类为有明显晕动病的类别。
24、与现有技术相比，本专利技术的有益效果是：
25、本专利技术提出了一种晕车识别的特征提取方法，通过开展两种驾驶模式下的乘车测试，对三类人群进行晕动诱发反应，采用fnirs设备与eeg设备进行受试者的生理信号采集，并且同步记录受试者的fms评分，然后对所采集的信号进行预处理和/或转化，获得血氧信号和eeg源信号作为作为基础信号进行进一步的分析判断；采用δcoe作为血氧晕车状态参数进行分析，锁定血氧信号的晕车识别特征提取的通道以及fnirs信号检测位置，对于eeg源信号，采用psdδ和psdα作为脑电晕车状态参数进行分析，锁定脑电信号的晕车识别特征提取的通道以及eeg信号检测位置；最后通过所选定的晕车识别特征提取的通道，提取相应的血氧特征和脑电特征进行晕车状态分析。该方法能够简单、有效的进行晕车识别的特征提取。
26、本专利技术提出了一种晕车识别特征的应用方法，是基于上述一种晕车识别的特征提取方法所确定的fnirs信号检测位置以及血氧信号的晕车识别特征提取的通道和eeg信号检测位置以及脑电信号的晕车识别特征提取的通道，应用于晕车识别特征的方法，该方法能够简单、有效的对晕车状态进行识别。
27、本专利技术提出了一种用于晕车识别的特征的有效性验证方法，是对上述一种晕车识别的特征提取方法以及一种晕车识别特征的应用方法的有效性和准确性的验证。
本文档来自技高网...【技术保护点】
1.一种晕车识别的特征提取方法，其特征在于，包括以下四个步骤：
2.根据权利要求1所述的晕车识别的特征提取方法，其特征在于，第二步中，所述fNIRS信号的预处理，首先采用2Hz的20阶低通FIR滤波器滤除噪声数据，用于删除一些明显存在局部干扰的数据段，然后采用滑动窗口运动伪影抑制算法，将光强数据中的运动伪影删除，获得所述fNIRS源信号。
3.根据权利要求2所述的晕车识别的特征提取方法，其特征在于，第二步中，所述fNIRS源信号的光强信号转化为血氧信号。
4.根据权利要求1所述的晕车识别的特征提取方法，其特征在于，第二步中，所述EEG信号的预处理，首先对采集的EEG信号进行0.5Hz到45Hz的滤波处理，用于去除来自外界环境的干扰，然后采用独立成分分析去除运动伪迹，获得所述EEG源信号。
5.根据权利要求1所述的晕车识别的特征提取方法，其特征在于，第三步中，主客观对比分析为：通过所述血氧信号和/或所述EEG源信号，计算分析不同大脑区域对晕车水平变化的反应性，获得晕车状态参数，再结合相应的晕动病FMS评分，确定主客观评价结论一致的信号
6.根据权利要求1所述的晕车识别的特征提取方法，其特征在于，第四步中，所述血氧特征为区域脑氧饱和度rSO2，所述脑电特征为晕车水平指标PSDδ/α。
7.一种晕车识别特征的应用方法，其特征在于，包括步骤：
8.一种用于晕车识别的特征的有效性验证方法，其特征在于，包括如下步骤：
9.根据权利要求8所述的用于晕车识别的特征的有效性验证方法，其特征在于，所述晕动病标签为两类，是根据晕动病FMS评分进行划分的，一类为无明显晕动病的类别，另一类为有明显晕动病的类别。
...【技术特征摘要】
1.一种晕车识别的特征提取方法，其特征在于，包括以下四个步骤：
2.根据权利要求1所述的晕车识别的特征提取方法，其特征在于，第二步中，所述fnirs信号的预处理，首先采用2hz的20阶低通fir滤波器滤除噪声数据，用于删除一些明显存在局部干扰的数据段，然后采用滑动窗口运动伪影抑制算法，将光强数据中的运动伪影删除，获得所述fnirs源信号。
3.根据权利要求2所述的晕车识别的特征提取方法，其特征在于，第二步中，所述fnirs源信号的光强信号转化为血氧信号。
4.根据权利要求1所述的晕车识别的特征提取方法，其特征在于，第二步中，所述eeg信号的预处理，首先对采集的eeg信号进行0.5hz到45hz的滤波处理，用于去除来自外界环境的干扰，然后采用独立成分分析去除运动伪迹，获得所述eeg源信号。
5.根据权利要求1所述的...
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。