基于低频脑电信号的疲劳检测方法及系统

1.一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。
2.根据权利要求1所述的疲劳检测方法，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。
3.根据权利要求2所述的疲劳检测方法，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。
4.根据权利要求1所述的疲劳检测方法，其中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。
5.根据权利要求1所述的疲劳检测方法，其中所述疲劳特征包括静态疲劳特征。
6.根据权利要求5所述的疲劳检测方法，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。
7.根据权利要求5所述的疲劳检测方法，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。
8.根据权利要求7所述的疲劳检测方法，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。
9.根据权利要求5至8中任一项所述的疲劳检测方法，
其中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
其中所述低频脑电信号的频率范围为a Hz至c Hz，其中2＜c＜6。
10.根据权利要求9所述的疲劳检测方法，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。
11.根据权利要求1所述的疲劳检测方法，其中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。
12.一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。
13.根据权利要求12所述的疲劳检测系统，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。
14.根据权利要求13所述的疲劳检测系统，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。
15.根据权利要求12所述的疲劳检测系统，其中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。
16.根据权利要求12所述的疲劳检测系统，其中所述疲劳特征包括静态疲劳特征。
17.根据权利要求16所述的疲劳检测系统，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。
18.根据权利要求16所述的疲劳检测系统，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。
19.根据权利要求18所述的疲劳检测系统，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。
20.根据权利要求16至19中任一项所述的疲劳检测系统，
其中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
其中所述低频脑电信号的频率范围为a Hz至c Hz，其中2＜c＜6。
21.根据权利要求20所述的疲劳检测系统，其中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。
22.根据权利要求12所述的疲劳检测系统，其中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。

暂无