[发明专利]一种基于皮肤电信号的驾驶员心理应激强度智能识别方法

权利要求书

1.一种基于皮肤电信号的驾驶员心理应激强度智能识别的方法，其特征在于，该方法包括如下步骤：

(1)将皮肤电信号采集贴片贴于驾驶员左脚的脚踝处，采集每间隔一定时间t₁采集时长为t₂的驾驶员的皮肤电信号；

(2)通过巴特沃斯滤波器对皮肤电信号片段进行降噪至0.2Hz以下，以此提取有效的皮肤电信号；

(3)对降噪的皮肤电信号进行统计特征以及皮肤电信号特有特征提取，以上述特征组成特征向量，然后通过Fisher投影算法，对特征向量进行降维以获取低维特征向量；

(4)然后将上述步骤得到的低维特征向量作为SVM的训练矢量，训练出不同应激强度的SVM模型；

(5)利用上述训练模型对驾驶员的心理应激等级进行预测。

2.根据权利要求1所述的一种基于皮肤电信号的驾驶员心理应激强度智能识别的方法，步骤(3)中的皮肤电信号进行统计特征以及皮肤电信号特有特征具体包括：

皮肤电信号的统计特征包括：皮肤电导均值、中值、最大值、最小值、标准差、最小值比率和最大值比率，皮肤电导一阶差分的均值、中值、最大值、最小值、标准差、最小值比率和最大值比率，以及皮肤电导二阶差分的均值、中值、最大值、最小值、标准差、最小值比率和最大值比率；

皮肤电信号的特有特征有：单位时间内有效的皮肤电反应发生次数、皮肤电信号波峰的上升时间和皮肤电信号上升波峰的面积。

3.根据权利要求1或2所述的一种基于皮肤电信号的驾驶员心理应激强度智能识别的方法，步骤(3)中通过Fisher投影算法，对特征向量进行降维以获取低维特征向量，方法如下：

(3.1)在提取完上述特征后，将得到的每个信号片段的特征向量划分为低中高3种水平的集合，分别计算各个集合的均值μ_i和方差σ_i，利用式(1)对其进行归一化处理：

其中，s是步骤(3)中的特征向量，s’是归一化后得到的皮肤电信号特征向量；

(3.2)假设共有m个待分类的类别，即m种不同的心理应激强度等级，表示第i类中的第j个归一化之后的皮肤电信号特征向量样本，样本的类间离散度S_b表示为：

式中，m为3，其表示低中高3种心理应激等级，x⁽ⁱ⁾表示第i类样本的均值，i＝1,2,3，为所有的样本的均值，N_i表示i类样本的样本数，N表示样本的总数，即

对于该样本，类内离散度S_w表示为：

式(2)中，m为3，N为训练样本的数量，N₁、N₂和N₃分别为各类训练样本的样本数；

(3.3)Fisher线性判别的准则函数为：

使函数J(W)达到最大的W^*即是最佳的投影向量，由计算可得W^*＝[w₁,…,w_n]，其中，w₁,…,w_n分别是的n个最大特征对应的特征向量；

(3.4)最后根据Fisher投影法则得到的投影向量，将采集的皮肤电信号的归一化之后的特征向量x投影到2维数据空间的样本表示为：

v＝(W^*)^Tx (5)

其中，v表示经过Fisher线性判别法投影后得到的特征向量。