[發明專利]基于電生理信號人工智能分析的疲勞駕駛告警方法及系統

有效

• 申請號: 202010317781.2
• 申請日: 2020-04-21
• 公開（公告）號: CN111603158B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 蔡沈健;沈綱祥;張強;胡南;周詩銘
• 申請（專利權）人: 蘇州樂達納米科技有限公司
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/398;A61B5/18
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 張榮

1.一種基于電生理信號人工智能分析的疲勞駕駛告警方法，其特征在于，包括如下步驟：

步驟S1：采集前額三通道電生理信號，構造原始待處理數據矩陣S_raw＝[s₁,s₂,s₃]并放入緩存；

步驟S2：對所述緩存內的原始待處理數據矩陣S_raw作預處理，得到預處理后的數據矩陣S；

步驟S3：對所述預處理后的數據矩陣S作多通道經驗模態分解，三個通道上分別得到通道間對應頻率一致的多個本征模函數分量，其中第i個通道上的第n個本征模函數分量表示為；

步驟S4：根據所述本征模函數分量，基于矩陣聯合對角化得到三個通道上各自的腦電信號e_i、垂直眼電分量v_i和水平眼電分量h_i；

步驟S5：將所述三個通道上各自的垂直眼電分量v_i和水平眼電分量h_i合并得到匯總的垂直眼電信號v和水平眼電信號h；

步驟S6：將所述三個通道各自的腦電信號e_i、匯總的垂直眼電信號v和水平眼電信號h輸入預先搭建并訓練好的多通道循環神經網絡，根據輸出結果判斷是否屬于疲勞駕駛；

其中對所述預處理后的數據矩陣S作多通道經驗模態分解的方法為：

步驟S31：由序列采樣法在二維球面上獲得合適的均勻采樣點集，確定三維空間的多個方向向量；

步驟S32：將所述預處理后的數據矩陣S在L個方向向量上做投影，形成L個二維球面上的投影，確定投影后形成的各個矩陣各列向量的極值所在位置，在每列的極值點周圍插值獲取多維包絡，計算包絡均值，其中在每列的極值點周圍插值獲取多維包絡E_l,l＝1,2,...,L；

步驟S33：計算所述預處理后的數據矩陣S與所述包絡均值M的差值H＝S-M，判斷差值H是否滿足所述本征模函數分量的篩分停止條件，若不滿足，則用所述差值H替換所述預處理后的數據矩陣S，重復進行步驟S32、步驟S33，若滿足，則定義，進入步驟S34；

步驟S34：判斷預處理后的數據矩陣S與已分解出的各個本征模函數分量做差形成的余量R＝S-IMF₁-IMF₂-…-IMF_n是否滿足多通道經驗模態分解終止條件，若滿足終止條件，則停止本征模函數分量提??；若不滿足，將所述余量作為輸入，返回至所述步驟S32開始循環；

基于矩陣聯合對角化得到三個通道上各自的腦電信號e_i、垂直眼電分量v_i和水平眼電分量h_i的方法為：

步驟S41：對于第i個通道上的第n個本征模函數分量，以多個數據點滑動、1個數據點交迭，構造增廣數據矩陣X_i,n,n＝1,2,...,N,i＝1,2,3，根據所述增廣數據矩陣計算除第一本征模函數分量和第二本征模函數分量之外的本征模函數分量對應的本征模協方差矩陣，其中n＝3～7，(·)^T為矩陣轉置；

步驟S42：對于第n(n2)個本征模函數分量，計算三通道數據分別對應的本征模協方差矩陣C_1,n、C_2,n與C_3,n的聯合對角化，并提取對應于絕大部分能量的主成分基矩陣U_n；

步驟S43：以第六個主成分基矩陣U₆為垂直眼電分量的參考基矩陣，對于第n＝3,4,5,7個主成分基矩陣的第k列向量u_n,k，若與參考基矩陣形成的相關系數大于預設閾值，則將該向量作為所述主成分基矩陣中垂直眼電分量基矩陣U_v,n的新增列，否則將其作為水平眼電分量基矩陣U_h,n的新增列，最終形成垂直眼電投影矩陣、水平眼電投影矩陣，n=3,4,5,7和對應于垂直眼電分量參考基矩陣的參考投影矩陣;

步驟S44：對于第i個通道，通過所述垂直眼電投影矩陣P_v,n和水平眼電投影矩陣P_h,n分別計算出垂直眼電數據矩陣和水平眼電數據矩陣，由向量構造矩陣相反的方式通過所述垂直眼電數據矩陣V_i和水平眼電數據矩陣H_i分別反構造出垂直眼電分量v_i和水平眼電分量h_i，再由三通道數據上各自與垂直眼電分量v_i和水平眼電分量h_i的差值計算腦電信號e_i＝s_i-v_i-h_i。