基于低频脑电信号的疲劳检测方法及系统的制作方法
【技术领域】
[0001]本公开的各个实施方式涉及基于脑电信号的疲劳检测技术领域，并且更具体地涉及一种基于低频脑电信号的疲劳检测方法及系统。
【背景技术】
[0002]疲劳是指人在一定的环境下，由于长时间的体力或脑力劳动而引起的劳动效率下降的状态。在现代社会，尤其是在实时监控、交通运输、高危作业等领域，由于在疲劳状态下警觉性、持续注意力、工作记忆力、判断力等能力的下降，工作人员极易出现随意操作和违章行为，从而可能引发安全事故。因此，建立起客观可靠并且对正常工作无干扰的精神疲劳检测系统，对于防范由于疲劳引发的安全事故是非常必要的，具有极大的经济价值和社会价值。
[0003]疲劳状态的检测方法主要分主观评价和客观检测两类。主观评价方法主要是依靠个体自我评价和自我记录表等来评测被试者的疲劳程度。主观评价方法虽然操作简单，然而这些方法易受主观因素的影响，并且评分标准不统一，也难以量化疲劳等级，其结果往往不太令人满意。客观检测主要从生物医学角度出发，借用医用电子设备测试被试者的人体行为或生物信号的某些特征的变化趋势，从而判断其疲劳程度。现阶段研宄的客观方法主要是利用生物信号的特征变化趋势加以检测，这些生物信号主要包括脑电信号、眼电信号、心电信号、肌电信号等。在这些生理信号中，脑电信号能客观地记录大脑机能状态的连续变化，是人脑思维活动、认知和意识状态的一种外在表现，有着更高的时间分辨率，而且无法人为控制及伪造，被誉为疲劳检测方法的“金标准”，获得医学界的广泛认可。随着生物信号检测技术的进步和现代信号处理技术的快速发展，极大地推动了基于脑电的精神疲劳研宄。
[0004]现有技术中基于脑电信号的疲劳检测方法，大多是基于中高频脑电信号(即theta波、alpha波和beta波)的频谱特征变化趋势来检测警觉度变化情况。不同个体之间的theta波、alpha波和beta波的绝对频谱特征存在非常大的差异，甚至可能出现不同数量级的差异，因此容易引起不同警觉度水平的混淆，极易造成疲劳检测准确度下降。此外，现有技术中通常基于多通道的脑电信号进行研宄，多通道脑电信号需要采用多个测试电极分别进行采集，因此电极位置受头发影响，佩戴起来不方便。
【发明内容】
[0005]本公开的目的包括提供一种基于低频脑电信号的疲劳检测方法及系统，以至少部分解决现有技术中的上述问题。
[0006]根据本公开的一个方面，提供了一种基于脑电信号的疲劳检测方法，包括:获取预定时间段内的脑电信号；提取与所述脑电信号中的低频脑电信号相关的疲劳特征；以及根据所述疲劳特征确定疲劳等级。
[0007]根据本公开的一个示例性实施方式，所述方法还包括对获取的所述脑电信号进行预处理，其中所述预处理包括:去除所述脑电信号中的幅度异常的信号，以产生剩余信号；对所述剩余信号进行标准化处理，以产生标准化信号；以及对所述标准化信号进行平滑滤波以滤除所述标准化信号中的基线漂移信号。
[0008]根据本公开的一个示例性实施方式，所述方法还包括对经预处理的所述脑电信号进行噪音检测和去除，其中所述噪音检测和去除包括:将所述脑电信号划分为多个分段；分别对各个分段进行噪音检测，以确定是否存在明显漂移信号；以及采用移动中值滤波对存在明显漂移信号的分段进行去漂移。
[0009]根据本公开的一个示例性实施方式，提取所述疲劳特征进一步包括:将所述脑电信号划分为多个分段；分别提取与各个分段相关的所述疲劳特征；以及计算与各个分段相关的所述疲劳特征的平均值作为与所述低频脑电信号相关的所述疲劳特征。
[0010]根据本公开的一个示例性实施方式，所述疲劳特征包括静态疲劳特征。
[0011]根据本公开的一个示例性实施方式，所述方法还包括对提取的静态疲劳特征进行特征平滑，其中特征平滑包括:利用当前预定时间段的静态疲劳特征以及所述当前预定时间段之前的多个时间段的静态疲劳特征，通过移动加权平均法计算所述当前预定时间段的经平滑的静态疲劳特征。
[0012]根据本公开的一个示例性实施方式，所述疲劳特征还包括用于表征静态疲劳特征的变化趋势的一阶差分动态特征。
[0013]根据本公开的一个示例性实施方式，所述方法还包括:采用线性判别分析法对由静态疲劳特征和一阶差分动态特征形成的特征向量进行特征选择，以选择出与疲劳相关的特征分量并且去除与疲劳无关的特征分量。
[0014]根据本公开的一个示例性实施方式，其中静态疲劳特征包括慢速眼电信号的相对功率和/或重心频率；其中所述相对功率是所述慢速眼电信号的绝对功率与所述低频脑电信号的绝对功率的比值；其中所述慢速眼电信号的频率范围为a Hz至b Hz，其中0.1 < a<0.5且0.8 <b< 1.5;并且其中低频脑电信号的频率范围为a Hz至c Hz，其中2<c< 6。
[0015]根据本公开的一个示例性实施方式，根据所述疲劳特征确定疲劳等级进一步包括:根据所述相对功率与所述重心频率的比值确定所述疲劳等级。
[0016]根据本公开的一个示例性实施方式，根据所述疲劳特征确定疲劳等级进一步包括:根据所述疲劳特征，采用隐马尔可夫模型来确定所述疲劳等级。
[0017]根据本公开的另一方面，提供了一种基于脑电信号的疲劳检测系统，包括:脑电信号获取装置，用于获取预定时间段内的脑电信号；疲劳特征提取装置，用于提取与所述脑电信号中的低频脑电信号相关的疲劳特征；以及疲劳等级确定装置，用于根据所述疲劳特征确定疲劳等级。
[0018]根据本公开的一个示例性实施方式，所述系统还包括预处理装置，所述预处理装置用于对获取的所述脑电信号进行预处理，其中所述预处理包括:去除所述脑电信号中的幅度异常的信号，以产生剩余信号；对所述剩余信号进行标准化处理，以产生标准化信号；以及对所述标准化信号进行平滑滤波以滤除所述标准化信号中的基线漂移信号。
[0019]根据本公开的一个示例性实施方式，所述系统还包括噪音检测和去除装置，所述噪音检测和去除装置用于对经预处理的所述脑电信号进行噪音检测和去除，其中所述噪音检测和去除包括:将所述脑电信号划分为多个分段；分别对各个分段进行噪音检测，以确定是否存在明显漂移信号；以及采用移动中值滤波对存在明显漂移信号的分段进行去漂移。
[0020]根据本公开的一个示例性实施方式，所述疲劳特征提取装置进一步包括:分段装置，用于将所述脑电信号划分为多个分段；分段特征提取装置，用于分别提取与各个分段相关的所述疲劳特征；以及均值计算装置，用于计算与各个分段相关的所述疲劳特征的平均值作为与所述低频脑电信号相关的所述疲劳特征。
[0021]根据本公开的一个示例性实施方式，所述疲劳特征包括静态疲劳特征。
[0022]根据本公开的一个示例性实施方式，所述系统还包括特征平滑装置，所述特征平滑装置用于对提取的静态疲劳特征进行特征平滑，其中所述特征平滑包括:利用当前预定时间段的静态疲劳特征以及所述当前预定时间段之前的多个时间段的静态疲劳特征，通过移动加权平均法计算所述当前预定时间段的经平滑的静态疲劳特征。
[0023]根据本公开的一个示例性实施方式，所述疲劳特征还包括用于表征静态疲劳特征的变化趋势的一阶差分动态特征。
[0024]根据本公开的一个示例性实施方式，所述系统还包括:特征选择装置，用于采用线性判别分析法对由静态疲劳特征和一阶差分动态特征形成的特征向量进行特征选择，以选择出与疲劳相关的特征分量并且去除与疲劳无关的特征分量。
[0025]根据本公开的一个示例性实施方式，所述静态疲劳特征包括慢速眼电信号的相对功率和/或重心频率；其中相对功率是慢速眼电信号的绝对功率与所述低频脑电信号的绝对功率的比值；其中慢速眼电信号的频率范围为a Hz至b Hz，其中0.1 < a < 0.5且0.8
<b < 1.5 ;并且其中所述低频脑电信号的频率范围为a Hz至c Hz，其中2 < c < 6。
[0026]根据本公开的一个示例性实施方式，所述疲劳等级确定装置进一步用于根据所述相对功率与所述重心频率的比值确定所述疲劳等级。.
[0027]根据本公开的一个示例性实施方式，所述疲劳等级确定装置根据所述疲劳特征，采用隐马尔可夫模型来确定所述疲劳等级。
[0028]在本公开的各个实施方式的技术方案中，由于低频脑电信号(尤其是其中的慢速眼电信号)与疲劳密切相关，所以采用与低频脑电信号相关的疲劳特征进行疲劳检测能够进一步提高疲劳检测的准确性。
【附图说明】
[0029]当结合附图阅读下文对示范性实施方式的详细描述时，这些以及其它目的、特征和优点将变得显而易见，在附图中:
[0030]图1示出了根据本公开的示例性实施方式的疲劳检测方法的流程图；
[0031]图2示出了根据本公开的示例性实施方式的疲劳检测系统的框图；以及
[0032]图3示出了根据本公开的示例性实施方式的疲劳特征提取装置的框图。