[發明專利]一種面向RSVP腦-機接口的疲勞檢測方法

在審

• 申請號: 201811280307.6
• 申請日: 2018-10-30
• 公開（公告）號: CN109480871A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 奕偉波;趙開宇;劉昊;張利劍
• 申請（專利權）人: 北京機械設備研究所
• 主分類號: A61B5/18
• 分類號: A61B5/18;A61B5/0476
• 代理公司: 北京天達知識產權代理事務所(普通合伙) 11386
• 代理人: 侯永帥;田英楠

1.一種面向RSVP腦-機接口的疲勞檢測方法，其特征在于，包括以下步驟：

以一定頻率的RSVP方式呈現圖像內容，當目標圖像出現時，被試作出行為反應，并記錄其行為學信息，通過評分量表標記被試疲勞狀態；

提取被試腦電信號，并對所述腦電信號進行預處理，以功率譜密度作為疲勞特征；

對所述疲勞特征進行識別，得到疲勞狀態識別結果。

2.根據權利要求1所述的方法，其特征在于，提取被試腦電信號具體包括：使用腦電采集系統，以前額為地，電極Cz為參考，在一定的采樣頻率采集腦電初始信號；通過帶通濾波器和陷波器進行帶通濾波和去除工頻干擾，提取得到被試腦電信號。

3.根據權利要求2所述的方法，其特征在于，對所述腦電信號進行預處理，具體包括：對所述腦電信號帶通濾波到一定的頻率范圍，得到濾波后的腦電信號，將所述濾波后的腦電信號截取為數據片段。

4.根據權利要求3所述的方法，其特征在于，將所述濾波后的腦電信號截取為數據片段，具體包括：將所述濾波后的腦電信號截取為多個時長相同并且有一定時長重疊的數據片段。

5.根據權利要求3所述的方法，其特征在于，以功率譜密度作為疲勞特征，具體包括：將所述數據片段輸入自回歸模型，算出自回歸模型系數a_k，采用基于自回歸模型的功率譜密度估計方法，計算得到功率譜密度，將其作為疲勞狀態的識別特征。

6.根據權利要求5所述的方法，其特征在于，基于自回歸模型的功率譜密度估計方法的估算公式為：

其中，σ²為白噪聲方差，a_k為自回歸模型，p模型階數，k為階數的取值，ω為頻率，P(ω)為功率譜密度。

7.根據權利要求6所述的方法，其特征在于，對疲勞特征進行識別，得到疲勞狀態識別結果，具體包括：采用支持向量機，選用線性核函數，對疲勞特征進行模式識別，得到疲勞狀態識別結果。

8.根據權利要求7所述的方法，其特征在于，以一定頻率的RSVP呈現圖像內容，具體包括，以一定頻率依次呈現m段圖像內容，其中，每段圖像內容包括α組圖像內容，每組圖像內容包括n張圖片，m≥3，α≥2，n≥100。

9.根據權利要求8所述的方法，其特征在于，還包括對疲勞狀態識別結果的正確率進行驗證，具體包括：

基于評分量表標記的疲勞狀態，通過交叉驗證方法，對每種疲勞狀態下每組任務的疲勞特征完成一次測試，將測試所得疲勞識別結果和實際疲勞狀態做對比，得到一種識別正確率，將所有識別正確率進行平均，得到疲勞狀態識別結果的正確率。

10.根據權利要求9所述的方法，其特征在于，若所述疲勞狀態識別結果的正確率不符合要求，則

對所述所有數據片段的功率密度特征，在時間維度上，采用一定窗寬的滑動平均濾波方法進行平滑處理，得到平滑處理后的功率譜密度特征空間；然后基于互信息方法，在特征向量維度上，從所述功率譜密度特征空間中尋找與目標疲勞狀態類別有最大相關性且相互之間具有最少冗余性的特征集，將所述特征集作為疲勞特征進行識別，得到疲勞狀態識別結果。