基于腦電頻譜特征的疲勞檢測方法及系統的制作方法
【技術領域】
[0001]本公開的各個實施方式涉及基于腦電信號的疲勞檢測技術領域，并且更具體地涉及一種基于腦電頻譜特征的疲勞檢測方法及系統。
【背景技術】
[0002]疲勞是指人在一定的環境下，由于長時間的體力或腦力勞動而引起的勞動效率下降的狀態。在現代社會，尤其是在實時監控、交通運輸、高危作業等領域，由于在疲勞狀態下警覺性、持續注意力、工作記憶力、判斷力等能力的下降，工作人員極易出現隨意操作和違章行為，從而可能引發安全事故。因此，建立起客觀可靠并且對正常工作無干擾的精神疲勞檢測系統，對于防范由于疲勞引發的安全事故是非常必要的，具有極大的經濟價值和社會價值。
[0003]疲勞狀態的檢測方法主要分主觀評價和客觀檢測兩類。主觀評價方法主要是依靠個體自我評價和自我記錄表等來評測被試者的疲勞程度。主觀評價方法雖然操作簡單，然而這些方法易受主觀因素的影響，并且評分標準不統一，也難以量化疲勞等級，其結果往往不太令人滿意。客觀檢測主要從生物醫學角度出發，借用醫用電子設備測試被試者的人體行為或生物信號的某些特征的變化趨勢，從而判斷其疲勞程度。現階段研宄的客觀方法主要是利用生物信號的特征變化趨勢加以檢測，這些生物信號主要包括腦電信號、眼電信號、心電信號、肌電信號等。在這些生理信號中，腦電信號能客觀地記錄大腦機能狀態的連續變化，是人腦思維活動、認知和意識狀態的一種外在表現，有著更高的時間分辨率，而且無法人為控制及偽造，被譽為疲勞檢測方法的“金標準”，獲得醫學界的廣泛認可。隨著生物信號檢測技術的進步和現代信號處理技術的快速發展，極大地推動了基于腦電的精神疲勞研宄。
[0004]現有技術中基于腦電信號的疲勞檢測方法，大多是基于theta波、alpha波和beta波的頻譜特征變化趨勢來檢測警覺度變化情況，不同個體之間的theta波、alpha波和beta波的頻譜特征存在非常大的差異，甚至可能出現不同數量級的差異。現有技術中的疲勞檢測方法精確度不高，經常出現假陽性現象，對疲勞等級不能準確地判定，導致出錯率很高。此外，現有技術中通常基于多通道的腦電信號進行研宄，多通道腦電信號需要采用多個測試電極分別進行采集，因此電極位置受頭發影響，佩戴起來不方便。
【發明內容】
[0005]本公開的目的包括提供一種基于腦電頻譜特征的疲勞檢測方法及系統，以至少部分解決現有技術中的上述問題。
[0006]根據本公開的一個方面，提供了一種基于腦電頻譜特征的疲勞檢測方法，包括:獲取預定時間段內的腦電信號；將所述腦電信號中的中高頻腦電信號的頻率范圍劃分為多個頻帶；分別提取所述多個頻帶的相對功率；以及根據所述相對功率確定疲勞等級。
[0007]根據本公開的一個示例性實施方式，所述方法還包括對獲取的所述腦電信號進行預處理，其中所述預處理包括:去除所述腦電信號中的幅度異常的信號，以產生剩余信號；對所述剩余信號進行標準化處理，以產生標準化信號；以及對所述標準化信號進行平滑濾波以濾除所述標準化信號中的基線漂移信號。
[0008]根據本公開的一個示例性實施方式，所述方法還包括對經預處理的所述腦電信號進行噪音檢測，其中所述噪音檢測包括:將所述腦電信號劃分為多個分段；以及分別對所述多個分段進行噪音檢測，以確定相應的分段是否屬于噪音信號。
[0009]根據本公開的一個示例性實施方式，提取所述相對功率進一步包括:針對所述多個分段中不屬于噪音信號的各個分段，分別提取所述多個頻帶的所述相對功率；以及針對所述多個頻帶，分別計算相應的所述相對功率的平均值。
[0010]根據本公開的一個示例性實施方式，所述方法還包括對提取的所述相對功率進行特征平滑，其中所述特征平滑包括:針對所述多個頻帶，分別利用當前預定時間段的相對功率以及當前預定時間段之前的多個時間段的相對功率，通過移動加權平均法計算當前預定時間段的經平滑的相對功率。
[0011]根據本公開的一個示例性實施方式，所述方法還包括:提取用于表征所述相對功率的變化趨勢的一階差分動態特征。
[0012]根據本公開的一個示例性實施方式，所述方法還包括:采用主成分分析法對由所述相對功率和所述一階差分動態特征形成的特征向量進行降維。
[0013]根據本公開的一個示例性實施方式，所述方法還包括:采用線性判別分析法對特征降維后的特征向量進行特征選擇，以選擇出與疲勞相關的特征分量并且去除與疲勞無關的特征分量，得到特征選擇后的特征向量。
[0014]根據本公開的一個示例性實施方式，根據所述相對功率確定疲勞等級進一步包括:根據特征選擇后的特征向量，采用隱馬爾可夫模型來確定所述疲勞等級。
[0015]根據本公開的一個示例性實施方式，所述中高頻腦電信號的頻率范圍為5?30Hzo
[0016]根據本公開的一個示例性實施方式，將所述中高頻腦電信號的頻率范圍劃分為多個頻帶進一步包括:采用預定步長將所述中高頻腦電信號的頻率范圍劃分為多個頻帶，其中預定步長為I?5之間的整數。
[0017]根據本公開的一個示例性實施方式，所述多個頻帶包括:5?8Hz、9?10Hz、ll?13Hz、14 ?18Hz、19 ?24Hz 以及 25 ?30Hz。
[0018]根據本公開的另一方面，提供了一種基于腦電頻譜特征的疲勞檢測系統，包括:腦電信號獲取裝置，用于獲取預定時間段內的腦電信號；頻帶劃分裝置，用于將所述腦電信號中的中高頻腦電信號的頻率范圍劃分為多個頻帶；相對功率提取裝置，用于分別提取所述多個頻帶的相對功率；以及疲勞等級確定裝置，用于根據所述相對功率確定疲勞等級。
[0019]根據本公開的一個示例性實施方式，所述系統還包括預處理裝置，所述預處理裝置用于對獲取的所述腦電信號進行預處理，其中所述預處理包括:去除所述腦電信號中的幅度異常的信號，以產生剩余信號；對所述剩余信號進行標準化處理，以產生標準化信號；以及對所述標準化信號進行平滑濾波以濾除所述標準化信號中的基線漂移信號。
[0020]根據本公開的一個示例性實施方式，所述系統還包括噪音檢測裝置，所述噪音檢測裝置用于對經預處理的所述腦電信號進行噪音檢測，其中所述噪音檢測包括:將所述腦電信號劃分為多個分段:以及分別對所述多個分段進行噪音檢測，以確定相應的分段是否屬于噪音信號。
[0021]根據本公開的一個示例性實施方式，所述相對功率提取裝置進一步包括:分段特征提取裝置，用于針對所述多個分段中不屬于噪音信號的各個分段，分別提取所述多個頻帶的所述相對功率；以及均值計算裝置，用于針對所述多個頻帶，分別計算相應的所述相對功率的平均值。
[0022]根據本公開的一個示例性實施方式，所述系統還包括特征平滑裝置，所述特征平滑裝置用于對提取的相對功率進行特征平滑，其中特征平滑包括:針對多個頻帶，分別利用當前預定時間段的相對功率以及當前預定時間段之前的多個時間段的相對功率，通過移動加權平均法計算當前預定時間段的經平滑的相對功率。
[0023]根據本公開的一個示例性實施方式，所述系統還包括:動態特征提取裝置，用于提取用于表征相對功率的變化趨勢的一階差分動態特征。
[0024]根據本公開的一個示例性實施方式，所述系統還包括:特征降維裝置，用于采用主成分分析法對由相對功率和一階差分動態特征形成的特征向量進行降維。
[0025]根據本公開的一個示例性實施方式，所述系統還包括:特征選擇裝置，用于采用線性判別分析法對特征降維后的特征向量進行特征選擇，以選擇出與疲勞相關的特征分量并且去除與疲勞無關的特征分量，得到特征選擇后的特征向量。
[0026]根據本公開的一個示例性實施方式，所述疲勞等級確定裝置根據所述特征選擇后的特征向量，采用隱馬爾可夫模型來確定所述疲勞等級。
[0027]根據本公開的一個示例性實施方式，所述中高頻腦電信號的頻率范圍為5?30Hzo
[0028]根據本公開的一個示例性實施方式，所述頻帶劃分裝置采用預定步長將所述中高頻腦電信號的頻率范圍劃分為多個頻帶，其中所述預定步長為I?5之間的整數。
[0029]根據本公開的一個示例性實施方式，所述多個頻帶包括:5?8Hz、9?10Hz、ll?13Hz、14 ?18Hz、19 ?24Hz 以及 25 ?30Hz。
[0030]在本公開的各個實施方式的技術方案中，采用中高頻腦電信號的多個頻帶的相對功率來進行疲勞檢測，能夠避免不同個體之間的差異性，極大地提高了本發明的疲勞特征檢測方法的通用性，并且能夠進一步提高疲勞檢測的準確性。
【附圖說明】
[0031]當結合附圖閱讀下文對示范性實施方式的詳細描述時，這些以及其它目的、特征和優點將變得顯而易見，在附圖中:
[0032]圖1示出了根據本公開的示例性實施方式的疲勞檢測方法的流程圖；
[0033]圖2示出了根據本公開的示例性實施方式的疲勞檢測系統的框圖；以及
[0034]圖3示出了根據本公開的示例性實施方式的相對頻率提取裝置的框圖。
【具體實施方式】
[0035]下面將參考附圖中示出的若干示例性實施方式來描述本公開的原理和方法。應當理解，描述這些實施