[发明专利]结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法

权利要求书

1.结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法，其特征在于包括如下步骤：

步骤1、使用脑电采集设备采集驾驶员脑电信号；

步骤2、对采集到的脑电信号进行预处理，包括降频、降噪；

步骤3、对预处理后的脑电信号通过结合经验模态分解和能量谱密度的特征提取方法提取特征；

步骤4、对提取的特征使用分类器进行分类学习、识别。

2.如权利要求1所述的结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法，其特征在于，步骤1具体为：所述的脑电信号采集包括记录驾驶者脑电信号的实时变化，以10秒作为每段脑电信号片段的长度。

3.根据权利要求1所述的结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法，其特征在于，步骤3具体为：

步骤3-1：对预处理后信号通过经验模态分解得到一系列固有模态分量；

步骤3-2：对前三层固有模态函数分量提取能量谱密度的特征，并以此作为信号特征。

4.根据权利要求1所述的结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法，其特征在于所述的步骤3-1中经验模态分解具体为：

(1)识别脑电信号中所有极大值点并拟合成信号的上包络线e_up(t)，识别脑电信号中所有极小值点并拟合成信号的下包络线e_low(t)；

(2)根据合成的上下包络线计算平均值m₁(t)，其公式为：

(3)将预处理后的脑电信号x(t)减去m₁(t)得到h₁(t)，将得到的h₁(t)作为新的脑电信号，

(4)重复步骤(1)-(3)k次，直到h₁(t)满足；即极值点个数与零点个数相等或者相差一个，且上下包络线的均值在任一点均为零；此时的h₁(t)为信号的第一个IMF分量，记为c₁(t)＝h₁(t)；

(5)将c₁(t)与x(t)的差值r₁(t)作为新的信号；

重复步骤(1)-(5)，得到一系列的IMF分量，当得到的IMF分量或残余信号小于预先设定的值时，经验模态分解步骤完成。

5.根据权利要求1所述的结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法，其特征在于，所述的步骤3-2中对前三层固有模态函数分量提取能量谱特征具体为：计算每一层固有模态函数分量的能量谱积分，即每一层固有模态函数分量包含的能量，该能量即为每层固有模态函数分量的特征；能量谱的公式如下：

其中，f_n为信号分量序列，F(ω)为信号f_n的傅立叶变换，F^*(ω)为F(ω)的共轭函数，ω_k表示的是信号频谱对应的角频率，n代表的是信号的采样点数，j表示的是虚数。