[發(fā)明專利]基于脈搏波信號的警覺度實時檢測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810505524.4
• 申請日: 2018-05-24
• 公開（公告）號: CN108652650A
• 公開（公告）日: 2018-10-16
• 發(fā)明（設計）人: 焦學軍;姜勁;曹勇;王立志;李啟杰
• 申請（專利權）人: 中國航天員科研訓練中心
• 主分類號: A61B5/18
• 分類號: A61B5/18;A61B5/02;A61B5/00
• 代理公司: 長沙星耀專利事務所(普通合伙) 43205
• 代理人: 許伯嚴

1.基于脈搏波信號的警覺度實時檢測方法，其特征在于，其步驟為：

(1)通過多生理參數(shù)采集儀器獲取脈搏波數(shù)據；

(2)對所述脈搏波數(shù)據進行預處理，降噪并濾除各類生理干擾，提高脈搏波信號的可靠性；

(3)從所述預處理完成后的脈搏波數(shù)據中提取生理特征；

(4)對所述生理特征進行篩選，以剔除所述脈搏波特征中的冗余信息；

(5)根據分類器對所述脈搏波特征進行分類，以根據分類結果進行警覺度狀態(tài)判別。

2.根據權利要求1所述的基于脈搏波信號的警覺度實時檢測方法，其特征在于，所述的步驟(1)中多生理參數(shù)采集儀器采用光電傳感器，使用光電傳感器采集實驗者脈搏波信號，并通過光電轉換為電壓信號；所述光電傳感器可佩戴于實驗者左右耳垂，或小指指尖位置。

3.根據權利要求1所述的基于脈搏波信號的警覺度實時檢測方法，其特征在于，所述的步驟(2)脈搏波數(shù)據預處理步驟為：對所述脈搏波數(shù)據由500Hz降采樣到100Hz；對降采樣后脈搏波信號進行濾波處理和小波濾波處理。

4.根據權利要求1所述的基于脈搏波信號的警覺度實時檢測方法，其特征在于，所述的步驟(3)中特征提取包括時域特征和頻域特征，時域特征有波谷幅值、波峰幅值、次級波峰幅值、波谷間期、波峰間期、次級波峰間期、波峰潛伏期、次級波峰潛伏期以及次級波峰與波峰之間間隔時間這9個特征；

所述頻域特征通過小波包分解方式計算得出：對去噪后的信號采用db3小波基進行6層小波包分解，信號被對應分解為64個子頻帶，每個子頻帶寬度為50Hz/64＝0.78Hz；定義某一頻帶能量為該頻段下小波系數(shù)的平方和，即

式(1)中，I為小波包分解層數(shù)，N為每層小波系數(shù)個數(shù)，C_i(k)為第i層小波的第k個系數(shù)，整個信號的總能量定義為

則頻帶i占總能量的比例為

P_i＝E_i/E_total (3)

經小波包分解后，64個子頻帶的能量概率P_i作為脈搏波的頻域特征。

5.根據權利要求1所述的基于脈搏波信號的警覺度實時檢測方法，其特征在于，所述的步驟(4)對脈搏波特征進行篩選包括采用Relief算法進行特征權值計算并篩選：當評價某個樣本中特征的權重時，首先在所有同類別的樣本中找出一個最鄰近的樣本Y，接著再找到一個不同類別最近鄰樣本Z；當某個特征點再X和Y之間非常接近，但是X和Z之間距離又特別遠，那么滿足這樣條件的特征點看做是區(qū)分不同類別較為重要的點，給這些點賦一個較高的權重；當樣本數(shù)據是離散的，則樣本特征點之間的距離通過公式(4)計算：

當樣本數(shù)據是連續(xù)的，則樣本特征點之間的距離通過向量之間的歐氏距離來刻畫，如式(5)。

diff(Sⁱ,Yⁱ)＝|Sⁱ-Yⁱ| (5)。

6.根據權利要求1所述的基于脈搏波信號的警覺度實時檢測方法，其特征在于，所述的步驟(5)中對警覺度判別算法采用支持向量機分類器。

7.基于脈搏波信號的警覺度實時檢測系統(tǒng)，其特征在于，包括采集模塊(210)、預處理模塊(220)、提取模塊(230)、篩選模塊(240)和判別模塊(250)，采集模塊(210)、預處理模塊(220)、提取模塊(230)、篩選模塊(240)、判別模塊(250)依次相連，所述采集模塊(210)用于獲取脈搏波數(shù)據，預處理模塊(220)用于對脈搏波信號濾除各類生理干擾，提取模塊(230)用于提取脈搏波信號的各類特征，篩選模塊(240)用于對所提特征進行篩選，簡化建模復雜度；判別模塊(250)用于根據分類器對所述腦電特征進行分類，以根據分類結果進行警覺度狀態(tài)識別。