[發(fā)明專利]頭戴式疲勞檢測(cè)裝置及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410633521.0
• 申請(qǐng)日: 2014-11-11
• 公開（公告）號(hào): CN104305964A
• 公開（公告）日: 2015-01-28
• 發(fā)明（設(shè)計(jì)）人: 禹東川;李艷瑋;陳鴻雁;劉芳
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): A61B5/00
• 分類號(hào): A61B5/00;A61B5/0476
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

1.一種頭戴式疲勞檢測(cè)裝置，其特征在于，包括：

腦電采集模塊，用于獲取用戶的原始腦電信號(hào)；

腦電分析模塊，用于實(shí)時(shí)接收所述原始腦電信號(hào)，并通過標(biāo)準(zhǔn)時(shí)頻分析算法處理原始腦電信號(hào)，獲得特征參數(shù)，包括腦電節(jié)律功率譜和眨眼頻率；

疲勞估計(jì)器，用于根據(jù)所述特征參數(shù)所處的空間分布實(shí)現(xiàn)對(duì)用戶的疲勞程度的估計(jì)，生成疲勞估計(jì)結(jié)果；

語音播報(bào)模塊，用于將所述疲勞估計(jì)結(jié)果實(shí)時(shí)播放給用戶；

電源模塊，用于為上述各模塊提供能量。

2.如權(quán)利要求1所述的頭戴式疲勞檢測(cè)裝置，其特征在于，所述腦電采集模塊、腦電分析模塊、疲勞估計(jì)器、語音播報(bào)模塊和電源模塊整體封裝在頭戴式外殼中。

3.如權(quán)利要求1所述的頭戴式疲勞檢測(cè)裝置，其特征在于，所述腦電采集模塊采用干電極，腦電信號(hào)采集的頭皮位置為雙側(cè)前額葉，參考電極和地電極分別位布置在左右耳垂。

4.如權(quán)利要求1所述的頭戴式疲勞檢測(cè)裝置，其特征在于，所述腦電分析模塊通過標(biāo)準(zhǔn)的時(shí)頻分析獲得的腦電節(jié)律功率譜和眨眼頻率；其中，腦電節(jié)律包括δ波、θ波、α波、β波和γ波。

5.如權(quán)利要求1所述的頭戴式疲勞檢測(cè)裝置，其特征在于，所述特征參數(shù)包括δ波功率譜、θ波功率譜、α波功率譜、β波功率譜、γ波功率譜、眨眼頻率和眨眼頻率歷史信息。

6.如權(quán)利要求1所述的頭戴式疲勞檢測(cè)裝置，其特征在于，所述疲勞估計(jì)器采用三層前向神經(jīng)網(wǎng)絡(luò)，隱層激勵(lì)函數(shù)是Sigmoid函數(shù)，輸出層激活函數(shù)為線性函數(shù)。

7.如權(quán)利要求1至6任一項(xiàng)所述的頭戴式疲勞檢測(cè)裝置，其特征在于，疲勞估計(jì)結(jié)果分為“不疲勞”、“稍微有些疲勞”、“有些疲勞”、“非常疲勞”和“極度疲勞”五個(gè)量化等級(jí)。

8.基于權(quán)利要求1至6任一項(xiàng)所述頭戴式疲勞檢測(cè)裝置的疲勞檢測(cè)方法，其特征在于，包括如下步驟：

步驟1：通過腦電采集模塊采集原始腦電信號(hào)，并將其實(shí)時(shí)傳輸給腦電分析模塊；

所述腦電采集模塊包括信號(hào)電極輸入、帶通濾波電路、初級(jí)放大電路、低通濾波電路、次級(jí)放大電路、陷波電路、第三級(jí)放大電路和數(shù)模轉(zhuǎn)換器；

信號(hào)電極輸入采集到的微弱原始腦電信號(hào)輸入帶通濾波電路濾除腦電信號(hào)的低頻噪聲；接著信號(hào)進(jìn)入到初級(jí)放大電路進(jìn)行第一次放大，放大之后的腦電信號(hào)進(jìn)入到低通濾波電路中濾除信號(hào)中摻雜的高頻噪聲，而讓所有的有用信號(hào)通過；信號(hào)接著又進(jìn)入到次級(jí)放大電路中進(jìn)行了第二次放大；接著信號(hào)經(jīng)過陷波電路來抑制50Hz工頻干擾；信號(hào)經(jīng)過陷波電路之后進(jìn)入都第三級(jí)放大電路中進(jìn)行最后一次信號(hào)放大，其輸出信號(hào)經(jīng)過模數(shù)轉(zhuǎn)換獲得數(shù)字信號(hào)，并輸入到腦電分析模塊進(jìn)行進(jìn)一步處理；其中，所述信號(hào)電極輸入采用干電極，腦電信號(hào)采集的頭皮位置為雙側(cè)前額葉，參考電極和地電極分別位布置在左右耳垂；

步驟2：通過標(biāo)準(zhǔn)時(shí)頻分析算法處理原始腦電信號(hào)，獲得特征參數(shù)；

首先，通過時(shí)頻分析單元對(duì)腦電采集模塊發(fā)送來的腦電信號(hào)進(jìn)行標(biāo)準(zhǔn)化的時(shí)頻分析，為后續(xù)節(jié)律功率譜計(jì)算單元和眨眼頻率計(jì)算單元提供輸入信號(hào)；節(jié)律功率譜計(jì)算單元分別計(jì)算不同腦電節(jié)律腦電波功率譜，其中腦電節(jié)律包括δ波、θ波、α波、β波、和γ波；眨眼頻率計(jì)算單元?jiǎng)t通過時(shí)頻分析獲得眨眼時(shí)刻的間隔信息，并進(jìn)而獲得用戶眨眼頻率信息，與此同時(shí)這些信息將通過歷史信息存儲(chǔ)單元進(jìn)行存儲(chǔ)；最后，特征參數(shù)提取單元將根據(jù)節(jié)律功率譜計(jì)算單元、眨眼頻率計(jì)算單元和歷史信息存儲(chǔ)單元的結(jié)果，通過主元分析方法確定后續(xù)疲勞估計(jì)器進(jìn)行模式分類用的特征參數(shù)；

步驟3：根據(jù)所述特征參數(shù)所處的空間分布實(shí)現(xiàn)對(duì)用戶的疲勞程度的估計(jì)，生成疲勞估計(jì)結(jié)果；疲勞估計(jì)器包括特征參數(shù)輸入單元、三層前向神經(jīng)網(wǎng)絡(luò)、系統(tǒng)參數(shù)計(jì)算單元、典型歷史數(shù)據(jù)單元和預(yù)測(cè)輸出單元；

疲勞估計(jì)器的構(gòu)建分為兩個(gè)階段，第一個(gè)階段為系統(tǒng)參數(shù)確定階段，第二個(gè)階段為實(shí)時(shí)計(jì)算階段；在系統(tǒng)參數(shù)確定階段，依據(jù)典型歷史數(shù)據(jù)單元將典型的大樣本量特征參數(shù)數(shù)據(jù)輸入到系統(tǒng)參數(shù)計(jì)算單元，系統(tǒng)參數(shù)計(jì)算單元通過合適的機(jī)器學(xué)習(xí)算法獲得三層前向神經(jīng)網(wǎng)絡(luò)的特征參數(shù)；在實(shí)時(shí)計(jì)算階段，首先要通過特征參數(shù)輸入單元將模式分類所需的特征參數(shù)輸入到三層前向神經(jīng)網(wǎng)絡(luò)，三層前向神經(jīng)網(wǎng)絡(luò)根據(jù)當(dāng)前的系統(tǒng)參數(shù)計(jì)算獲得函數(shù)輸出，函數(shù)輸出結(jié)果經(jīng)過預(yù)測(cè)輸出單元處理獲得最終輸出結(jié)果；

所述疲勞估計(jì)器采用三層前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即隱層激勵(lì)函數(shù)是Sigmoid函數(shù)輸出層激活函數(shù)為線性函數(shù)f(x)＝x，因此三層前向神經(jīng)網(wǎng)絡(luò)的函數(shù)映射關(guān)系可以表示為：out＝W₂*f(W₁*in+B₁)+B₂，

其中，out為三層前向神經(jīng)網(wǎng)絡(luò)的函數(shù)映射關(guān)系的輸出、in為三層前向神經(jīng)網(wǎng)絡(luò)的函數(shù)映射關(guān)系的輸入、W₁為隱層權(quán)值、W₂為輸出層權(quán)值、B₁為隱層閥值、B₂為輸出層閥值；

機(jī)器學(xué)習(xí)算法采用前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)算法，確定隱層神經(jīng)元數(shù)量、輸入層權(quán)值與閥值、隱層權(quán)值與閥值、輸出層權(quán)值與閥值等結(jié)構(gòu)信息；預(yù)測(cè)輸出單元的最終輸出結(jié)果采用五點(diǎn)量化方法具體分為“不疲勞”、“稍微有些疲勞”、“有些疲勞”、“非常疲勞”、“極度疲勞”五個(gè)量化等級(jí)；

步驟4：將所述疲勞估計(jì)結(jié)果實(shí)時(shí)播放給用戶；

語音播報(bào)模塊，包括微處理器、語音存儲(chǔ)單元和語音播放單元，微處理器首先接受疲勞估計(jì)器輸出的模式分類結(jié)果，即“不疲勞”、“稍微有些疲勞”、“有些疲勞”、“非常疲勞”、“極度疲勞”五個(gè)量化等級(jí)中的一個(gè)，接著通過查詢語音存儲(chǔ)單元獲得事先錄好的能反映疲勞狀態(tài)的五種與“不疲勞”、“稍微有些疲勞”、“有些疲勞”、“非常疲勞”、“極度疲勞”的語言提出信息，最后通過語音播放單元實(shí)時(shí)播放，用戶可以依據(jù)播放語言提示信息實(shí)時(shí)掌握自己的疲勞程度。