[发明专利]一种基于LZC算法的晕车程度量化方法、装置和存储介质

说明书

本发明公开了一种基于LZC算法的晕车程度量化方法、装置和存储介质，本发明在获取脑电信号后进行预处理，得出脑电数据，根据预先设定的评估时间段对所述脑电数据按照时间顺序进行分段，得出分段脑电数据，计算出分段脑电数据的复杂度后，与所获取的评分数据共同计算相关性，根据相关性和对应的评分数据得出量化结果，通过复杂度反映出胜利信号随人体状态变化而变化的情况，结合评分数据实现了量化的主客观结合，使得得出的量化数据更有参考性。

技术领域

本发明涉及生物信号处理领域，特别是一种基于LZC算法的晕车程度量化方法、装置和存储介质。

背景技术

随着科技的发展，模拟驾驶设备已经应用到汽车和娱乐行业，能够使驾驶者获得真实驾驶的体验。但是模拟驾驶设备与现实驾驶还是存在一定的差距，设备的性能不同可能带来不同的延迟，使得驾驶者在模拟驾驶时很容易出现晕车的情况，为了对设备进行改进，需要在设备投入使用之前通过受试者进行测试，针对造成晕车的原因进行改进。现有方案主要依靠采集受试者脑电信号，通过计算出重心频率实现晕车程度的量化，这种方法得出的量化结果虽然有一定的参考价值，但是脑电信号通常比较复杂，仅计算重心频率所得出的量化结果未必能表现出真实的晕车程度。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于LZC算法的晕车程度量化方法、装置和存储介质，能够结合脑电信号和受试者评分对晕车程度进行量化，提高量化结果的参考价值。

本发明解决其问题所采用的技术方案是：第一方面，本发明提供了一种基于LZC算法的晕车程度量化方法，包括以下步骤：

客户端获取脑电信号，对所述脑电信号进行预处理，得出脑电数据；

所述客户端获取预先设定的评估时间段，根据所述评估时间段对所获取的脑电数据按照时间顺序分段，得出分段脑电数据；

所述客户端根据LZC算法计算出所述分段脑电数据的复杂度；

所述客户端获取与所述评估时间段所对应的评分数据，计算所述评分数据与所述复杂度的数值的相关性，根据所述相关性和对应的评分数据得出量化结果。

进一步，所述脑电信号为频带位于theta波频段的信号，所述脑电信号的采样频率为1000Hz。

进一步，所述预处理包括以下步骤：

所述客户端对所述脑电信号进行滤波和去基线处理，得出第一预处理信号；

所述客户端将所述第一预处理信号的采样频率下降至250Hz，得出第二预处理信号；

所述客户端去除所述第二预处理信号中的眼电杂讯和肌电杂讯，得出脑电数据。

进一步，所述对所述脑电信号进行滤波包括高通滤波和低通滤波。

进一步，所述评分数据通过拾音设备获取并识别的用户的语音评分得出。

第二方面，本发明提供了一种用于执行基于LZC算法的晕车程度量化方法的装置，包括CPU单元，所述CPU单元用于执行以下步骤：

客户端获取脑电信号，对所述脑电信号进行预处理，得出脑电数据；

所述客户端获取预先设定的评估时间段，根据所述评估时间段对所获取的脑电数据按照时间顺序分段，得出分段脑电数据；

所述客户端根据LZC算法计算出所述分段脑电数据的复杂度；

所述客户端获取与所述评估时间段所对应的评分数据，计算所述评分数据与所述复杂度的数值的相关性，根据所述相关性和对应的评分数据得出量化结果。

进一步，所述CPU单元还用于执行以下步骤：

所述客户端对所述脑电信号进行滤波和去基线处理，得出第一预处理信号；