[發(fā)明專利]基于分形特征的腦電信號處理及警覺度檢測方法

無效

• 申請?zhí)枺?/td>: 201110062821.4
• 申請日: 2011-03-16
• 公開（公告）號: CN102106730A
• 公開（公告）日: 2011-06-29
• 發(fā)明（設(shè)計(jì)）人: 潘軍;任慶生;盧宏濤
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: A61B5/0476
• 分類號: A61B5/0476;A61B5/16;G06F19/00
• 代理公司: 上海交達(dá)專利事務(wù)所 31201
• 代理人: 王錫麟;王桂忠

技術(shù)領(lǐng)域

本發(fā)明涉及的是一種信號處理技術(shù)領(lǐng)域的方法，具體是一種基于分形特征的腦電信號處理及警覺度檢測方法。

背景技術(shù)

警覺度(Vigilance)是指人在執(zhí)行任務(wù)時(shí)的注意力或警惕性的水平。在日常生活中，有很多工作崗位需要工作人員保持較高的警覺度，例如駕駛員，飛行員等，對于工作人員來說，警覺度的下降很可能導(dǎo)致非常嚴(yán)重的后果。但是，過去的研究已經(jīng)表明，像上述這樣的執(zhí)行單調(diào)但又需要保持警覺度的工作崗位，工人幾乎不可能長時(shí)間地維持在一個(gè)高的警覺度水平。所以，如何對人的警覺度進(jìn)行定量、準(zhǔn)確和實(shí)時(shí)地分析，已經(jīng)成為了一個(gè)亟待解決的課題，而使用機(jī)器和自動化的方法或設(shè)備來達(dá)到這一目的，正是解決該課題的一條重要路線。通過提取人的生理信號，使用計(jì)算機(jī)來連續(xù)、準(zhǔn)確和實(shí)時(shí)地分析出人的警覺度水平，并在檢測到警覺度下降到某個(gè)危險(xiǎn)水平時(shí)給出警告或其他手段，這樣可以有效地防止可能出現(xiàn)的事故。

在眾多的生理信號中，腦電信號與人的認(rèn)知行為、警覺度狀態(tài)緊密相關(guān)。與其它信號，比如臉部表情、肢體動作等相比，腦電信號被認(rèn)為最及時(shí)、可靠地反映了人的警覺度水平，其神經(jīng)生理學(xué)基礎(chǔ)是人的腦電信號在不同的精神狀態(tài)時(shí)所表現(xiàn)出的節(jié)律行為，具體表現(xiàn)形式就是腦電波形會隨著不同精神狀態(tài)發(fā)生微小變化，在利用腦電信號去預(yù)測人類警覺度時(shí)存在兩個(gè)主要問題：1.如何去衡量這些微小的波形變化，提高警覺度預(yù)測正確率。研究證明分形所具有的分形維度和最大分形長度特征可以很好地衡量細(xì)微的腦電波形變化；2.如何降低前期分類器訓(xùn)練成本。為了保證預(yù)測結(jié)果的準(zhǔn)確性，通常需要先采集大量數(shù)據(jù)進(jìn)行分類器訓(xùn)練。但是訓(xùn)練數(shù)據(jù)的采集和標(biāo)定成本較高，而且在實(shí)際應(yīng)用時(shí)需要對駕駛員的警覺度進(jìn)行實(shí)時(shí)監(jiān)控和預(yù)測，沒有足夠時(shí)間采集大量數(shù)據(jù)進(jìn)行訓(xùn)練。提出了一個(gè)多分類器投票方法，該方法先在受試者和其他個(gè)體在駕車過程中采集部分腦電信號數(shù)據(jù)訓(xùn)練出多個(gè)分類器，在進(jìn)行警覺度的預(yù)測時(shí)，實(shí)時(shí)從受試者大腦上采集少量的新數(shù)據(jù)進(jìn)行分類器訓(xùn)練，最后預(yù)測輸出是所有分類器的投票結(jié)果，也就是在所有分類器的輸出中取出現(xiàn)次數(shù)最多的結(jié)果作為最終的預(yù)測結(jié)果。該方法在實(shí)際應(yīng)用時(shí)所需要的訓(xùn)練數(shù)據(jù)僅為單個(gè)分類器訓(xùn)練的1/5，提高了警覺度分析的實(shí)際推廣價(jià)值。

警覺度分析屬于經(jīng)典的模式識別問題，其處理框架可分為信號處理，特征提取，特征選擇，分類器分類四個(gè)步驟，在過去的研究中，這四個(gè)過程都分別有很多有價(jià)值的成果。對于信號處理和特征提取而言，大部分的方法都試圖用有效的特征來捕獲到腦電信號中的節(jié)律信息。Liu等人利用頻譜分析的方法進(jìn)行了駕駛員警覺度的分析及預(yù)測，J.Z.Liu,Q.Yang等人發(fā)現(xiàn)分形維度可以很好地捕捉腦電信號的動態(tài)變化，Sridhar?P?Arjunan，Dinesh?K?Kumar，andTzyy-Ping?Jung，發(fā)現(xiàn)在完成指定動作時(shí)最大分形長度和受試者的錯(cuò)誤率負(fù)線性相關(guān)。

經(jīng)過對現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)：Sridhar?PArjunan，Dinesh?K?Kumar，and?Tzyy-Ping?Jung.在《Changes?in?decibel?scale?wavelength?properties?of?EEG?with?Alertness?levels?whileperforming?sustained?attention?tasks》(執(zhí)行持續(xù)任務(wù)時(shí)腦電信號分貝尺度的波長屬性變化與警覺度水平的關(guān)系，31st?Annual?International?Conference?of?the?IEEE?Engineering?in?Medicineand?Biology?Society.2009，6288-6291)中記載了一種腦電信號檢測技術(shù)，但該技術(shù)缺陷在于：沒有給出分形維度和最大分形長度在駕駛員警覺度分析領(lǐng)域的應(yīng)用方法；沒有給出一個(gè)簡單有效的計(jì)算最大分形長度的算法；為了獲得較高的預(yù)測準(zhǔn)確率需要大量訓(xùn)練數(shù)據(jù)進(jìn)行分類器訓(xùn)練，而獲得這些數(shù)據(jù)需要長時(shí)間的數(shù)據(jù)采集和標(biāo)定，難以推廣到實(shí)際應(yīng)用中。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，提供一種基于分形特征的腦電信號處理及警覺度檢測方法，使用分形長度和最大分形長度進(jìn)行警覺度預(yù)測比功率譜使用特征更少、準(zhǔn)確率更高，通過多分類器投票方法進(jìn)一步減少采集訓(xùn)練數(shù)據(jù)的時(shí)間，最終得到了一種能夠有效識別駕駛員警覺度狀態(tài)并進(jìn)行疲勞駕駛預(yù)警的技術(shù)。

本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括以下步驟：

第一步、在包括受試者在內(nèi)的多個(gè)樣本上采集多組腦電信號，然后分別為每組數(shù)據(jù)訓(xùn)練一個(gè)隨機(jī)森林分類器，具體步驟包括：