[发明专利]一种融合肌电和心电信号的疲劳监测系统及方法有效
申请号: | 202110424867.X | 申请日: | 2021-04-20 |
公开(公告)号: | CN113100776B | 公开(公告)日: | 2023-08-29 |
发明(设计)人: | 王文东;杨容霁;高睿鑫;胡康;张子辰;张培铖 | 申请(专利权)人: | 西北工业大学 |
主分类号: | A61B5/318 | 分类号: | A61B5/318;A61B5/389;A61B5/18;A61B5/353;A61B5/366;A61B5/355;A61B5/363;A61B5/357;A61B5/00 |
代理公司: | 西北工业大学专利中心 61204 | 代理人: | 金凤 |
地址: | 710072 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 融合 电信号 疲劳 监测 系统 方法 | ||
1.一种融合肌电和心电信号的疲劳监测系统,其特征在于,包括表面肌电信号电极模块、表面肌电信号采集转换模块、表面肌电信号数据处理模块、心电信号采集转换模块、心电信号数据处理模块和非线性支持向量机算法数据融合模块;
所述表面肌电信号电极模块采集驾驶员表面肌电信号,将采集的驾驶员表面肌电信号送入表面肌电信号采集转换模块;所述表面肌电信号采集转换模块对驾驶员表面肌电信号进行信号放大、滤波和A/D转换,将输出信号送入表面肌电信号数据处理模块;所述表面肌电信号数据处理模块对输入数据进行时域分析和频域分析,得到驾驶员表面肌电信号的特征参数;
所述心电信号采集转换模块采集驾驶员的心电信号,并进行放大、滤波和A/D转换,将输出信号送入心电信号数据处理模块;所述心电信号数据处理模块对输入数据进行时域分析和频域分析,得到驾驶员心电信号的特征参数;
将驾驶员的表面肌电信号特征参数和心电信号特征参数一起送入非线性支持向量机算法数据融合模块;所述非线性支持向量机算法数据融合模块将驾驶员的表面肌电信号特征参数和心电信号特征参数进行特征层融合,融合成疲劳特征向量,通过判断特征向量是否符合疲劳特征判断驾驶员疲劳情况;
所述表面肌电信号采集转换模块包括传感器模块、ADC转化电路和终端模块;
所述传感器模块包括放大模块、滤波模块和陷波处理模块,对采集的驾驶员表面肌电信号进行放大、滤波和消除工频干扰;
所述ADC转化电路将经过传感器模块处理的表面肌电信号由模拟信号转化为数字信号并送入终端模块,ADC转化电路采用Arduino电路板实现;
所述终端模块通过软件将表面肌电信号记录并可视化;
所述心电信号采集转换模块包括LED红外光器件、传感采集模块、主控模块和上位机模块;
所述LED红外光器件固定于驾驶员食指处,利用光电容积法,将光信号转换为电信号;
所述传感采集模块包括放大模块、滤波模块和陷波处理模块,对采集的驾驶员心电信号进行放大、滤波、消除基线漂移干扰、消除工频干扰和消除肌电信号干扰;
所述主控模块接收到经传感采集模块处理后的心电信号,将心电信号进行A/D转换,并将心电信号传输到上位机模块;
所述上位机模块包括心电信号处理计算模块、心率记录模块和心率实时显示模块,心电信号处理计算模块通过时域分析算法计算实时心率值,将实时心率值保存在心率记录模块,并导入心率信号实时显示模块,利用上位机屏幕创建窗口,实时显示心率值的变化情况;
一种表面肌电信号采集方法,具体包括如下步骤:
步骤1:将Arduino电路板与终端模块连接,在实现为肌电信号采集模块与ADC转化电路供电的同时,向终端模块传输数字信号;
步骤2:根据肌肉电信号性质,将终端模块的采集频率调整为10kHz;
步骤3:将驾驶员肌腹部表皮的角质层清除,并用酒精擦拭,并将双极性电极片固定在驾驶员肌腹部,双极性电极片长轴与肌肉纤维长轴方向平行;
步骤4:设置终端模块,实时显示肌电信号图像并且实时导出肌电信号数据;
一种表面肌电信号数据处理方法,具体包括如下步骤:
步骤1:对表面肌电信号采集转换电路模块处理完的肌电信号进行快速傅里叶变换,求得傅里叶变换后的振幅;
步骤2:求取积分肌电值、均方根值、平均功率频率、中值频率;
步骤3:通过中值频率的趋势对驾驶员是否疲劳进行判断,若中值频率下降视为疲劳状态,中值频率上升则视为非疲劳状态;
一种心电信号数据处理方法,具体包括如下步骤:
步骤1:设定心电信号采集频率与取样时间,得到样本数;
步骤2:通过DIFF(i)=f(i+1)-f(i-1)+2*f(i+2)-2*f(i-2)得到R波阈值;其中f(.)表示样本数据,i表示样本中的数据值,DIFF(i)=zeros(1,samples)表示生成一个1*样本数的Double类零矩阵;
步骤3:得到R-R间期数据,计算:
其中,N表示采集样本中数据总个数,表示相邻主波波峰之间的时间差的平均值,RRi表示第i个相邻主波波峰之间的时间差,SDNN表示R-R间期标准差;
得到SDNN;
步骤4:对SDNN进行分析,判断驾驶员疲劳程度,SDNN的值与疲劳程度正相关。
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西北工业大学,未经西北工业大学许可,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/202110424867.X/1.html,转载请声明来源钻瓜专利网。