[发明专利]驾驶疲劳识别方法及系统

权利要求书

1.一种驾驶疲劳识别方法，其特征在于，所述方法包括步骤：

获取所述被测人员的脑电数据；

对脑电数据利用傅里叶变换计算，提取脑电特征数据；

采用核主元分析对脑电特征数据进行特征降维，依次按照贡献率从大到小选取主元直至总贡献率超过预定值，被选中的主元构成疲劳识别脑电指标；

将所述疲劳识别脑电指标作为支持向量机的输入，得到被测人员的驾驶疲劳识别结果。

2.如权利要求1所述的驾驶疲劳识别方法，其特征在于，所述对脑电数据利用傅里叶变换计算，提取脑电特征数据的步骤包括：

对每个电极的脑电数据利用傅里叶变换计算，并计算由低至高的第一频段、第二频段、第三频段的幅值序列，并求第一频段的幅度均值θ、第二频段的幅度均值α、第三频段的幅度均值β；

根据第一频段的幅度均值θ、第二频段的幅度均值α、第三频段的幅度均值β，计算((α+β)/β，α/β，(θ+α)/(α+β)，θ/β，(α+β)/θ)；

将q个电极的脑电信号对应的第一频段的幅度均值θ、第二频段的幅度均值α、第三频段的幅度均值β、((α+β)/β，α/β，(θ+α)/(α+β)，θ/β，(α+β)/θ)作为脑电特征数据，相应得到8×q项脑电特征数据。

3.如权利要求2所述的驾驶疲劳识别方法，其特征在于，所述采用核主元分析对脑电特征数据进行特征降维，依次按照贡献率从大到小选取主元直至总贡献率超过预定值，被选中的主元构成疲劳识别脑电指标的步骤包括：

对于一个脑电特征参数样本E＝(e₁,e₂,…e_m)，其中m＝8q，其在高维特征空间的映射为Φ(E)，给定Φ(E)的协方差矩阵的特征矢量为w_k，则脑电特征参数样本E在特征矢量w_k上的投影，即为所求主元t_k

tk=(wk,Φ(e))=Σj=1mαjk(Φ(ej),Φ(e))=Σj=1mαjkk(ej,e)]]>

其中，k(e_j,e)为核函数，各主元的贡献率w按下式进行计算：

w＝(t_k,t_k+1,…,t_m)E′

将主元按照贡献率进行排序，取前p(p<m)个主元，使其累计贡献率在90％以上，构成疲劳识别脑电指标X＝(x₁,x₂,…,x_p)。