专利名称：基于多生理参数pca融合的脑力负荷测量方法
技术领域：
本发明涉及医疗器械领域，具体讲，涉及应用于医疗器械领域的基于多生理参数PCA融合的脑力负荷测量方法。
背景技术：
脑力负荷，指作业人员为达到业绩标准而付出的注意力大小，其涉及到完成某项任务时的工作要求、时间压力、作业人员的能力和努力程度，以及任务不顺利时的挫折感等。低脑力负荷会使人感到厌倦，注意力不集中；高强度的脑力负荷会影响作业者工作绩效，如此长时间的脑力负荷会使人产生脑力疲劳，而疲劳会使人反应迟钝，灵活性低，容易被无关信息干扰，出错率增加，重复犯错。因为脑力负荷是一个多维的概念，所以脑力负荷的测量方法是多种多样的。目前，脑力负荷测量的方法归纳起来主要有如下4类(I)主观测量法是以劳动者对作业或系统功能的成绩判断为基础建立的一些心理学方法，如主观劳动负荷测量技术和作业负荷指数等；(2)主任务测量法也叫工作成绩测量，通过操作者完成作业或系统功能的成绩评价劳动负荷，如完成作业的负荷量，作业速度，时间和成绩，错误率等；(3)次任务测量法；(4)生理学测量法通过作业者对系统或作业需要的生理反应进行评价，如心率及其变异性、呼吸、眨眼频率、瞳孔直径、皮肤电阻、眼电图、脑事件相关电位、脑地形图、脑磁图、磁共振成像、正电子发射扫描等。由于生理参数的客观、实时性，因此生理学测量法是目前测量脑力负荷的常用方法。在当前的研究中，学者们多采用单一参数如EEG、fNIRS, ERP等作为检测脑力负荷的指标，但由于现实工作中任务的复杂性，单一测量指标不能全面反映脑力负荷的变化。研究表明，不同的生理测量技术能从不同角度表现出对脑力负荷的敏感性。任何单一的生理指标对脑力负荷的测量都是片面的，只有多种生理指标的综合运用才能全面反映脑力负荷的变化。另外，由于某些生理参数如EEG、ERP等采集相对复杂，在实际应用中受到限制。因此基于多参数的，简单便捷的脑力负荷检测方法还在不断的探索之中。
发明内容
本发明旨在克服现有技术的不足，有效地提高脑力负荷检测系统准确性和简便性，为达到上述目的，本发明采取的技术方案是，基于多生理参数PCA融合的脑力负荷测量方法，包括如下步骤测量心率变异性HRV、瞳孔直径、皮肤电阻SR三个生理参数，利用PCA技术得出三个参数的权重系数，根据参数融合计算公式计算脑力负荷的参数融合分值MWS，丽S是mental workload score的缩写，丽S等于各参数与其权重之积的和，并将丽S作为脑力负荷的测量指标。测量心率变异性HRV、瞳孔直径、皮肤电阻SR三个生理参数是
I)心率变异性HRV提取采用傅立叶变换FFT计算HRV的低频频率LF、高频频率HF，将LF/HF即低频与高频的比值记为P1，将总功率TP的功率谱密度记为P2，其中LF频率变化在0. 04 0. 15HZ，HF的频率变化在0. 15 0. 40HZ, TP表示频率在0. 00^0. 40HZ的总频率变化值；2)瞳孔直径特征提取采用AR模型计算瞳孔直径的功率谱密度记为P3 ；3) SR特征提取采用傅里叶变换FFT，计算皮肤电阻在0. 03、. 5HZ的功率谱密度记为P4。利用PCA技术得出三个参数的权重系数是，将提取的四个特征变量低频与高频的比值P1、总功率TP的功率谱密度P2、瞳孔直径的功率谱密度P3和皮肤电阻的功率谱密度P4,这四个特征变量构成一个四维空间，样本数为n，对在该四维空间下的所测样本进行变换设其原始变量的坐标系为Pla、P2a、、P3a、、P4a，在对原始坐标经过坐标平移、尺度伸缩、旋转变换后，得到一组新的、相互正交的坐标轴Vl、v2、v3、V4，根据原始变量在新坐标系上投影值的方差来确定这四个特征变量的权重系数Wp W2、W3、W4 :首先对该4个特征变量进行n次观测得到的观测数据可用下面的矩阵表示
权利要求
1.一种基于多生理参数PCA融合的脑力负荷测量方法，其特征是，包括如下步骤测量心率变异性HRV、瞳孔直径、皮肤电阻SR三个生理参数，利用PCA技术得出三个参数的权重系数，根据参数融合计算公式计算脑力负荷的参数融合分值MWS, MWS是mental workloadscore的缩写，MWS等于各参数与其权重之积的和，并将MWS作为脑力负荷的测量指标。
2.如权利要求I所述的基于多生理参数PCA融合的脑力负荷测量方法，其特征是，测量心率变异性HRV、瞳孔直径、皮肤电阻SR三个生理参数是 1)心率变异性HRV提取采用傅立叶变换FFT计算HRV的低频频率LF、高频频率HF，将LF/HF即低频与高频的比值记为P1，将总功率TP的功率谱密度记为P2，其中LF频率变化在O. 04 O. 15HZ，HF的频率变化在O. 15 O. 40HZ, TP表示频率在O. 00 0. 40ΗΖ的总频率变化值； 2)瞳孔直径特征提取采用AR模型计算瞳孔直径的功率谱密度记为P3； 3)SR特征提取采用傅里叶变换FFT，计算皮肤电阻在O. 03、. 5ΗΖ的功率谱密度记为
3.如权利要求I所述的基于多生理参数PCA融合的脑力负荷测量方法，其特征是，利用PCA技术得出三个参数的权重系数是，将提取的四个特征变量低频与高频的比值P1、总功率TP的功率谱密度P2、瞳孔直径的功率谱密度P3和皮肤电阻的功率谱密度P4，这四个特征变量构成一个四维空间，样本数为η，对在该四维空间下的所测样本进行变换设其原始变量的坐标系为Pla、P2a、P3a、P4a，在对原始坐标经过坐标平移、尺度伸缩、旋转变换后，得到一组新的、相互正交的坐标轴Vl、V2, V3, V4，根据原始变量在新坐标系上投影值的方差来确定这四个特征变量的权重系数WpWyWpW4 首先对该4个特征变量进行η次观测得到的观测数据可用下面的矩阵表示
4.如权利要求I所述的基于多生理参数PCA融合的脑力负荷测量方法，其特征是，采用模糊模式识别对脑力负荷的大小进行判别，具体包括如下步骤 (1)模糊特征提取由参数融合计算公式得到的参数融合值MWS，根据一定的模糊化规则把该参数融合值MWS分成多个模糊变量，使每个模糊变量表达参数融合值MWS的某一局部特性，用模糊变量进行模式识别； (2)隶属函数建立在模糊特征有效抽取的基础上，采用模糊分布的方法，通过对上述模糊变量统计分析描出大致曲线，选择一个与给出的几种分布最接近的一个，再根据实验确定模糊变量的实际值，从而确定隶属函数，模糊分布包括有矩形与半矩形分布、梯形与半梯形分布、正态分布； (3)根据最大隶属原则对结果进行判别设由参数融合值MWS组成的集合X为所要识别的对象全体，Ai属于F(X)，F(X)表示X上的模糊子集的全体，i=l, 2，3，表示3个模糊模式即“低度脑力负荷”、“中度脑力负荷”和“高度脑力负荷”;对于X中任一元素X，设X对于模式Ai的隶属度为yAk(x)，要识别它属于哪一个模式，可按下列原则作判断，即若yAk(x) =max {μΑ1(χ), μ Α2 (χ)，μ Α3 (X)}，则认为X相对属于Ak所代表的那一类，从而判断出脑力负荷程度。
全文摘要
本发明涉及医疗器械领域。为有效地提高脑力负荷检测系统准确性和简便性，为达到上述目的，本发明采取的技术方案是，基于多生理参数PCA融合的脑力负荷测量方法，包括如下步骤测量心率变异性HRV、瞳孔直径、皮肤电阻SR三个生理参数，利用PCA技术得出三个参数的权重系数，根据参数融合计算公式计算脑力负荷的参数融合分值MWS，MWS是mentalworkload score的缩写，MWS等于各参数与其权重之积的和，并将MWS作为脑力负荷的测量指标。本发明主要应用于医疗器械领的设计制造。
文档编号A61B5/16GK102727223SQ20121020151
公开日2012年10月17日 申请日期2012年6月18日 优先权日2012年6月18日
发明者付兰, 张迪, 明东, 李南南, 柯余峰 申请人:天津大学