[發明專利]一種樣本與特征質量聯合量化評估的腦電疲勞檢測方法

有效

• 申請號: 202110317792.5
• 申請日: 2021-03-24
• 公開（公告）號: CN113143275B
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 彭勇;李幸;張懌愷
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: A61B5/18
• 分類號: A61B5/18;A61B5/372;A61B5/369;A61B5/16
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 陳煒

本發明提供一種樣本與特征質量聯合量化評估的腦電疲勞檢測方法。本發明步驟如下：1、多個被試者分別在模擬駕駛系統下進行腦電數據采集。2、對步驟1所得的所有腦電數據進行預處理和特征提取。3、建立機器學習模型以實現樣本與特征質量聯合量化評估的腦電疲勞檢測。4、求得衡量樣本質量的描述因子v、特征的描述因子θ。5、對新的被試者腦電的數據進行疲勞回歸預測。本發明將v和θ嵌入最小二乘模型后，獲得的衡量樣本質量與特征的權重描述因子提供了執行腦電數據樣本選擇和特征選擇的有效工具，對質量較好的樣本和特征賦予更高的權重，能夠根據腦電數據準確地獲取被測者的疲勞情況。

技術領域

本發明屬于腦電信號處理技術領域，具體涉及一種樣本與特征質量聯合量化評估的腦電疲勞檢測方法。

背景技術

隨著我國交通事業的日益發展，研究更為實用客觀的駕駛疲勞檢測對于提高主動交通安全具有重要的意義。綜合國內外的疲勞檢測方法，主要分為主觀評價和客觀檢測兩種。主觀評價方法主要是通過記錄主觀調查問卷如皮爾遜疲勞量表、斯坦福睡眠尺度表等，判斷是否處于疲勞狀態。客觀檢測領域主要分為：基于車輛行為特征的檢測、基于駕駛員特征行為特征的檢測、基于生理電特征的檢測。其中，基于客觀檢測方法中的腦電信號作為中樞神經信號活動的表征，具有檢測準確率高的特點，是疲勞判定的金標準。但目前腦電采集過程當中由于受到跨時段采集和電極帽位置的影響，導致采集到的腦電數據質量缺乏可靠性。

腦電信號作為非穩態信號，樣本中含有較多的噪聲，如果能在學習過程中對每個腦電數據刻畫樣本質量和樣本特征的描述因子，實現對腦電數據質量進行區分，選擇有利于模型訓練的特征，從而提升機器學習模型性能，保證模型具有較好的魯棒性。

發明內容

本發明的目的在于提供一種樣本與特征質量聯合量化評估的腦電疲勞檢測方法。通過該方法可以獲得衡量樣本質量好壞的描述因子v與衡量樣本特征的描述因子Θ，嵌入最小二乘模型并計算得到量化因子v以刻畫樣本的質量以及通過自學習得到樣本特征的描述因子Θ，避免因大噪聲腦電樣本對模型魯棒性的負面影響,使用得到的描述因子來進行樣本選擇可以得到更高的疲勞檢測精度。

本發明的具體步驟如下：

步驟1、對處于逐漸疲勞的過程中的多個被試者進行腦電數據采集。

步驟2、對步驟1所得的所有腦電數據進行預處理和特征提取。處理后的每一組數據均作為一個樣本矩陣X。每個樣本矩陣X均對應一個標簽向量y；標簽向量y對應受試者的疲勞程度。

步驟3、建立用于腦電疲勞檢測的機器學習模型。

3-1.建立嵌入有描述因子v和θ目標函數如式(1)所示。

式(1)中，描述因子θ根據描述矩陣Θ來確定，其具體關系為Θ_jj為描述矩陣Θ的第j個對角元素；θ_j為描述因子θ的第j個元素；w、b分別為權重、偏差；Θ為描述矩陣；x_i為樣本矩陣X的第i列元素；yⁱ為標簽y的第i個元素；v_i為描述因子v的第i個元素，描述樣本矩陣中各樣本的質量；表示2范數的平方計算；γ表示正則項參數；f(λ,v)表示正則項函數。

3-2.建立正則項函數f(λ，v)的表達式如式(2)所示：

式(2)中，n為樣本矩陣中的樣本個數；λ為正則項函數f(λ，v)中的參數。

3-3.通過固定v、b，將式(1)該寫成如式(3)所示：

由拉格朗日乘子法可求得θ的最優解如(4)式所示：