[發明專利]一種應用于人機共駕的駕駛員腦電偽跡去除方法

在審

• 申請號: 202210452840.6
• 申請日: 2022-04-27
• 公開（公告）號: CN114795242A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 奇格奇;安亞寧;趙朔;關偉
• 申請（專利權）人: 北京交通大學
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/372;A61B5/374
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

1.一種應用于人機共駕的駕駛員腦電偽跡去除方法，其特征在于，包括：

采集駕駛員模擬駕車的腦電信號和駕駛行為數據，并對腦電信號進行基礎降噪處理，得到原始腦電數據；

識別原始腦電數據中的各種偽跡成分，構建多種偽跡成分組合方案；在不同的偽跡成分組合方案下分別對腦電數據進行偽跡成分去除處理，分別提取不同偽跡成分組合去除后的腦電信號的頻譜特征；

根據所述腦電信號的頻譜特征對應時間段，計算出駕駛員的駕駛行為數據；

根據所述腦電信號的頻譜特征和駕駛行為數據選取預測模型，評估不同偽跡組合去除效果下的所述預測模型的駕駛行為數據的預測結果的準確度，根據評估結果得到最優的偽跡成分組合去除方案。

2.根據權利要求1所述的方法，其特征在于，所述的采集駕駛員模擬駕車的腦電信號和駕駛行為數據，并對腦電信號進行基礎降噪處理，得到原始腦電數據，包括：

同步采集駕駛員模擬駕車的腦電信號和駕駛行為數據，其中腦電信號采樣頻率為1000Hz，駕駛行為數據記錄頻率為10Hz，將采集到的腦電信號經過0.5HZ至70HZ帶通濾波，清除腦電信號中特定頻率的正弦線噪聲，剔除腦電信號中的損壞電極通道，并用相鄰電極的內插補充，將腦電信號中的腦電圖EEG數據設定為平均參考，獲得原始腦電數據。

3.根據權利要求1所述的方法，其特征在于，所述的識別原始腦電數據中的各種偽跡成分，構建多種偽跡成分組合方案，在不同的偽跡成分組合方案下分別對腦電數據進行偽跡成分去除處理，包括：

對原始腦電數據進行第一輪獨立成分分析ICA后，通過基于空間和時間聯合特征的腦電偽跡自動檢測器ADJUST識別眨眼、水平眼動、垂直眼動和一般性不連續四種偽跡成分，根據眨眼、水平眼動、垂直眼動、一般性和肌肉偽跡五種偽跡成分組成多種偽跡成分組合方案；

在不同的偽跡成分組合方案下分別對腦電數據進行偽跡成分去除處理，肌肉偽跡的去除是通過ARR中基于盲源分離技術的肌電信號去除功能實現，其它四種偽跡成分直接在ADJUST插件中將相應偽跡成分刪除。

4.根據權利要求3所述的方法，其特征在于，所述的分別提取不同偽跡成分組合去除后的腦電信號的頻譜特征，包括：

將去除偽跡成分后的腦電數據劃分為長度1S，重疊時間0.1S的多個時間段，將所有時間段的腦電數據組成數據集，將數據集劃分為訓練集和測試集，將每個時間段的腦電數據經快速傅利葉變換，轉換到不同頻帶，計算五個不同波段的腦電數據的平均功率，得到腦電信號的頻譜特征，所述五個不同波段包括δ波段：0.5–3Hz、θ波段：4–7Hz、α波段：8–13Hz、β波段14–30Hz和γ波段：31–70Hz。

5.根據權利要求4所述的方法，其特征在于，所述的根據所述腦電信號的頻譜特征對應時間段計算出駕駛員的駕駛行為數據，包括：

基于每個時間段的腦電數據，分別計算每個時間段內所述駕駛員的駕駛行為數據在1S內的平均值，存儲每個時間段內的腦電數據和對應的駕駛行為數據，針對具體駕駛場景選擇恰當的駕駛行為分別作為駕駛行為特征和駕駛決策指標。

6.根據權利要求4或者5所述的方法，其特征在于，所述的根據所述腦電信號的頻譜特征和駕駛行為數據選取預測模型，評估不同偽跡組合去除效果下的所述預測模型的駕駛行為數據的預測結果的準確度，根據評估結果得到最優的偽跡成分組合去除方案，包括：

根據所述腦電信號的頻譜特征和駕駛行為數據在預測模型庫中選擇多種預測模型，在每個預測模型中，將駕駛行為特征和所述腦電信號的頻譜特征作為輸入數據，預測模型輸出預測的駕駛決策指標；

針對每個預測模型，在測試集上計算平均絕對誤差MAE、均方根誤差RMSE、平均絕對百分比誤差MAPE和R平方指數，計算公式分別為：

其中，y_i表示第i個觀測值，在駕駛實驗中采集得到，表示第i個預測值，n為周期，代表觀測均值，MAE、RMSE、MAPER表示預測值和觀測值之間的偏差，數值越小說明預測誤差越低，而R方指數越大,表示模型的擬合效果越好；

整合不同預測模型的預測性能，Oln代表整體性能指數，ln_p是第p個預測模型的性能指標，w_p是第p個預測模型的影響權重；

通過比較不同偽跡組合方案去除后的整體性能指數，選擇性能最優者的偽跡組合方案作為該駕駛場景下的偽跡去除方案。