[发明专利]一种融合脑电和心电信号的疲劳驾驶检测方法

摘要

本发明涉及一种融合脑电和心电信号的疲劳驾驶检测方法。本发明通过16通道的gUSBamp放大器获取脑电和心电的原始数据，提取脑电的功率谱特征数据—脑电疲劳指数和、脑电的相位同步特征数据—Pz-Fz和P3-P4在delta频段的MPC、心电的时域特征数据—HR和心电的频域特征数据—LF/HF后，直接将脑电心电特征数据在特征数据层面上直接融合，再利用SVM进行分类。本发明强调决策信息的全面性，融合特征的分类效果总体上比单种特征好，运用两种正交的生理指标来检测驾驶疲劳，有助于提高检测的准确率。

主权项

一种融合脑电和心电信号的疲劳驾驶检测方法，其特征在于该方法包括以下步骤： 首先计算脑电的功率谱特征数据和相位同步特征数据，具体是： 通过gUSBamp放大器来记录Fz、Pz、Oz、Fp1、Fp2、F7、F3、F4、F8、C3、C4、P7、P3、P4和P8这15个通道的原始数据； 脑电数据的处理单位为1s，选取F3、Fz、F4、P3、Pz和P4这6个通道的脑电原始数据x(n)＝{x(0),x(1),...,x(N‑1)}，采用Welch法进行功率谱估计，选择汉宁窗函数w(n)进行窗处理，则计算通道w的M频段的功率谱估计为： 其中归一化因子为： 由此可分别计算得到通道w的α，β和θ频段功率谱估计为Iα(w)，Iβ(w)和Iθ(w)，其中w为F3、Fz、F4、P3、Pz、P4； 则，脑电的功率谱特征数据——脑电疲劳指数为： w＝F3、Fz、F4、P3、Pz、P4w＝F3、Fz、F4、P3、Pz、P4选取Pz‑Fz、P3‑P4这2对电极通道的脑电原始数据，则脑电相位同步特征数据—Pz‑Fz和P3‑P4的delta频段的平均相位相干性为： 其中，Δt为采样周期，N为样本点数，θH(kΔt)为在k个采样周期后的信号的瞬时相位，λ的取值范围是[0，1]，若λ＝0，表明信号x(t)和y(t)相位完 全不同步，若λ＝1则表明信号x(t)和y(t)相位完全同步； 然后计算心电时域特征数据和频域特征数据，具体是： 心电信号的原始数据采集是利用通过16通道的gUSBamp放大器的没有用到的最后一个通道得到；一个典型的心电信号包含着P波、QRS波和T波；其中QRS波是最明显的，包含着许多跟心脏状态有关的信息； 由于R波具有变化快，幅度大，持续时间短特征，采用差分阈值法来进行R波的监测；对于得到的滤波后的心电信号X(i),i＝1,2,...，计算一阶差分和二阶差分为： f′(i)＝[X(i+1)‑X(i‑1)]/2 f″i(i)＝[f′(i+1)‑f′(i‑1)]/2 把一阶差分和二阶差分相结合得： F(i)＝f′(i)×f′max+f″(i)×f″max给定的阈值为： Rthr＝C×fmax其中，C为经验参数，fmax为F(i)最大值； 若存在连续的F(i)＞Rthr，则在R点附近存在一个QRS波，在R点附近查找振幅绝对值最大值点，即为R波的波峰点； 计算窗口时间100s内所有RR期间的平均值为： 则，心电的时域特征数据—心率HR为： 10s为窗口前移步长，即重叠窗口为90s，重复计算HR，得到驾驶过程中的心率数据； 对于心电数据样本时间序列X(tj),j＝1,2,3,...,N，采用Lomb‑Scargle周期图法，计算频率f的周期信号功率为： 其中，tj是样本时间，N是样本总数，τ是时间平移变量； 计算低频LF的周期信号功率为： 其中：低频的频率范围为0.04～0.14Hz； 计算高频HF的周期信号功率为： 其中：高频的频率范围为0.15～0.4Hz； 则，心电的频域特征数据为：LF/HF； 在上述计算脑电和心电特征数据时，脑电特征提取的窗口为1s，而心电特征的窗口为100s；为了便于脑电和心电信号的直接比较和融合，对100s内的脑电特征取其均值作为脑电100s的特征数据，以便与心电特征对应； 最后将得到的脑电和心电特征数据整理为： (xi,yi),i＝1,...,n,x∈Rd,y∈{+1,‑1} 其中“+1”表示疲劳时的脑电或心电数据，“‑1”表示清醒时的脑电或心电数据，并将得到的脑电和心电特征数据作为SVM进行分类的样本数据； 由于脑电和心电数据的特征向量在输入空间Rd中线性不可分，非线性SVM通过非线性映射函数： φ:Rd→H 将特征向量x∈Rd映射到高维欧几里得空间H； 在非线性SVM情况下，两分类的最优分类面的方程为： φ(x)·w+b＝0 之后将问题转化为以下的最优解问题： 最优分类面问题转化为对偶问题： 判断函数为： 。