[发明专利]一种基于HRV和对抗网络的预测醉驾和疲劳驾驶的方法

权利要求书

1.一种基于HRV和对抗网络的预测醉驾和疲劳驾驶的方法，其特征在于，包括以下步骤：

S1、使用嵌入方向盘的心电传感器测量来自驾驶员手掌的连续心电信号；

S2、使用小波分解对心电信号进行去噪；

S3、对去噪后的心电信号采用自适应差分阈值法检测R波,提取R-R间隔的微小波动(HRV)；

S4、使用一个包括对抗生成网络和CNN的模型根据步骤S3中得到的R-R间隔的微小波动(HRV)来判断驾驶员的疲劳状态和醉驾状态。

2.根据权利1要求的一种基于HRV和对抗网络的预测醉驾和疲劳驾驶的方法，其特征在于，步骤S2中，所述使用小波分解对心电信号进行去噪的步骤如下：

S21、基于4次小波分解对步骤S1中得到的原始心电信号去噪，得到小波系数；

S22、采用软阈值算法更新小波系数，小波的方向的相似度记为λ，具体如下：

其中N为信号的数量大小，σ为噪声的标准差，用公式估计为：

其中d_s表示第s个小波系数，median(|d_s|)为小波系数d_s,的中值,设标准差的调整系数为0.6745；然后采用软阈值算法更新小波系数，公式如下：

其中sgn(d_s)表示d_s的符号函数，在d_s≥0时取值为1，在d_s0时取值为-1；

S23、根据更新后的小波系数重构心电信号。

3.根据权利1要求的一种基于HRV和对抗网络的预测醉驾和疲劳驾驶的方法，其特征在于，步骤S3中，具体步骤如下：

S31、利用微分计算增强心电信号的R波，同时压缩心电信号的T波；利用微分计算的频率响应，将放大和压缩在指定的频率Δt，公式如下：

d(t)＝2f(t)-f(t+Δt)-f(t-Δt)；

其中，f(t)为信号关于时间t的函数，为了放大频率在20Hz左右的R波，压缩频率在9Hz以下的T波，Δt设为0.025s；

S32、采用动态阈值来适应R波的幅值波动，包括初始阈值选择和阈值自适应修改过程；初始阈值选择时，将去噪后的心电信号分为5段；每段应包括至少一个QRS心电波组；丢弃分段的最大值和最小值，计算平均值λ，然后设定初始阈值为Th＝0.5λ；在阈值自适应修改过程中，前5个R波检测阈值决定当前阈值；前5个R波检测阈值记为Th(n)，其中n＝-1、-2、-3、-4、-5，则前5个阈值的平均值为记为Th_Avg，前5个阈值的最大值记为Th_max；当前阈值自适应修改地设置为：

S33、提取R-R间隔的微小波动(HRV)作为后续神经网络的输入。

4.根据权利1要求的一种基于HRV和对抗网络的预测醉驾和疲劳驾驶的方法，其特征在于，步骤S4中，所述对抗生成网络用于降低检测极片与手之间的噪声对结果的影响；对抗生成网络包括生成器G和识别器D；识别器D拥有与G相似的结构，只是最后一层的输出为一个标量，用于判断输入的数据是否符合要求；识别器D仅在模型训练时起作用。