[发明专利]基于脑电信号的立体显示视疲劳评价方法、系统、装置在审
申请号: | 201910504987.3 | 申请日: | 2019-06-12 |
公开(公告)号: | CN110215206A | 公开(公告)日: | 2019-09-10 |
发明(设计)人: | 王丹力;岳康 | 申请(专利权)人: | 中国科学院自动化研究所 |
主分类号: | A61B5/0476 | 分类号: | A61B5/0476;A61B5/0478 |
代理公司: | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人: | 郭文浩;尹文会 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 脑电信号 疲劳 视疲劳 预处理信号 立体显示 特征向量 脑电图 信息技术领域 脑神经科学 评估准确性 提取预处理 立体视觉 评价模型 系统搭建 概率 滤波 去噪 预设 | ||
1.一种基于脑电信号的立体显示视疲劳评价方法,其特征在于,该评价方法包括:
步骤S10,获取设定时间内的脑电信号作为输入信号;
步骤S20,对所述输入信号进行滤波、去噪处理,获得预处理信号;
步骤S30,提取所述预处理信号的特征向量;
步骤S40,通过视疲劳评价模型计算所述预处理信号的特征向量属于预设的各疲劳等级的概率;
步骤S50,以概率值最大的疲劳等级作为输入信号的疲劳等级。
2.根据权利要求1所述的基于脑电信号的立体显示视疲劳评价方法,其特征在于,所述视疲劳评价模型,其构建方法为:
步骤B10,获取多组预设条件的脑电信号作为训练数据集;获取训练数据集对应的疲劳等级作为训练数据标签集;
步骤B20,依据所述训练数据集,采用基于脑电信号的立体显示视疲劳评价方法权利要求1步骤S20-步骤S30方法,分别获取对应的各训练数据特征向量;
步骤B30,采用指数加权滑动平均算法对所述各特征向量进行平滑处理,获得训练数据对应的各平滑特征向量;
步骤B40,分别计算所述各平滑特征向量属于预设的疲劳等级的概率,依据各平滑特征向量对应的训练数据标签,通过岭回归的方法建立视疲劳评价模型。
3.根据权利要求1所述的基于脑电信号的立体显示视疲劳评价方法,其特征在于,步骤S20中“对所述输入信号进行滤波、去噪处理,获得预处理信号”,其方法为:
依次采用以下方法对所述输入信号进行滤波、去噪处理:采用FIR滤波器进行1-40Hz带通的滤波处理;采用独立成分分析法去除信号中的眼电、心电、肌电信号;采用小波变换方法将信号分离为δ波、θ波、α波、β波、γ波信号;分别将分离获得的δ波、θ波、α波、β波、γ波信号按照预设时长分段,相邻段之间设置预设时长的重叠。
4.根据权利要求1所述的基于脑电信号的立体显示视疲劳评价方法,其特征在于,步骤S30中“提取所述预处理信号的特征向量”,其方法为:
通过快速傅里叶变换函数分别计算各电极在所述预处理信号各波段的功率,并将获得的功率矩阵转换为一维向量作为提取的特征向量。
5.根据权利要求1-4任一项所述的基于脑电信号的立体显示视疲劳评价方法,其特征在于,所述疲劳等级为:
依据疲劳程度打分的1-5李克特量表,1代表不疲劳,随着数字加大疲劳程度加重,直至5严重疲劳。
6.根据权利要求1所述的基于脑电信号的立体显示视疲劳评价方法,其特征在于,步骤S10中“获取设定时间内的脑电信号作为输入信号”,其方法为:
将预设时间间隔内的脑电数据作为一个整体,并在下一个时间间隔内将所述脑电数据作为输入信号。
7.根据权利要求5所述的基于脑电信号的立体显示视疲劳评价方法,其特征在于,步骤B10中“获取多组预设条件的脑电信号作为训练数据集;获取训练数据集对应的疲劳等级作为训练数据标签集”,其方法为:
获取疲劳等级1-5对应的数据作为训练数据集,对应的疲劳等级作为训练数据标签集:疲劳等级为1直至疲劳等级变为2之间的脑电数据,对应的训练数据标签为1;疲劳等级为2直至疲劳等级变为3之间的脑电数据,对应的训练数据标签为2;疲劳等级为3直至疲劳等级变为4之间的脑电数据,对应的训练数据标签为3;疲劳等级为4直至疲劳等级变为5之间的脑电数据,对应的训练数据标签为4;疲劳等级为5以及后续设定时间内的脑电数据,对应的训练数据标签为5。
8.根据权利要求6或7所述的基于脑电信号的立体显示视疲劳评价方法,其特征在于,所述脑电信号为采用30导脑电采集电极采集的,30导脑电采集电极为:
Fp1、Fp2、F3、F4、F7、F8、Fz、FC3、FC4、FT7、FT8、FCZ、C3、C4、T3、T4、CZ、CP3、CP4、TP7、TP8、CPZ、P3、P4、T5、T6、PZ、O1、O2、Oz。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910504987.3/1.html,转载请声明来源钻瓜专利网。