一种基于脑电频域特征指标化算法的测量警觉性的方法

1.一种基于脑电频域特征指标化算法的测量警觉性的方法，其特征在于，所述方法步骤如下：
(1)初始化设备硬件，设定可接受条件；
(2)采集脑电数据；
(3)对采集的数据滤波、去噪、时频分析、计算脑电指标；
(4)将计算的脑电指标传输至终端并进行显示；
(5)判断是否符合接受条件，进而判断使用者是否处于疲劳状态，如果判定处于疲劳状态，则给出警示；如果判定不处于疲劳状态，则再次至步骤(2)进行相关步骤；
所述脑电指标算法具体如下：
(a)预处理：对量化的脑电波进行数字滤波，去除肌电等干扰噪音；滤波器为无限冲激响应(IIR)带通滤波器；
(b)特征表达和提取：从预处理之后的脑电信号中提取反映综合认知状态的基本指标，具体包括alpha波8-13Hz、beta波13-20Hz，delta1-4Hz，theta4-7Hz；运用时频分析技术将这些指标从原始时域信号中提取出来，在频域上以能量或功率的时间序列形式加以表达；
(c)指标化表示：将上述基本指标进行标准化，使得不同使用者以及同一个使用者不同时间的同一指标具有相同的物理含义；所述算法输出警觉性水平和紧张度水平两个指标，所述警觉性水平指标和紧张度水平指标具体如下：
a(t)、b(t)和c(t)分别表示alpha、beta和theta三个频段的时序信号，他们分别由原始脑电信号的经由时频分析并选定特定频段的能量累加实现；
警觉性水平指标：
S1(t)＝c(t)/a(t)，其中t表示时间，a和c分别表示alpha和theta的能量；
紧张度水平指标：
S2(t)＝b(t)*c(t)，其中t表示时间，b和c分别表示beta和theta的能量；
(d)注意力水平的判定：即以正常使用者在没有困倦、疲劳状态发生的情况下，持续保持注意2分钟的警觉性水平指标和和紧张度水平指标两项指标序列的时序均值的60％作为判决门限，低于此门限判决为疲劳发生。
2.根据权利要求1所述的方法，其特征在于：所述步骤(a)中，带通滤波器的低通起始频率为1Hz，高通截止频率为35Hz。
3.根据权利要求1所述的方法，其特征在于：
所述步骤(b)特征表达子模块的具体算法如下：
采用Morlat函数为母小波函数，对脑电时域信号进行连续小波变换；输入信号为单导联脑电采集到的离散脑电时间序列，与以上母小波函数卷积并经过变换后得到一系列不同频段的复时间序列信号即小波系数，其中时间与输入信号长度保持一致，频率范围对为
1-35Hz，保留其中1-35Hz用于提取节律特征；对于特定的时刻和频点，系数表示信号的时频分布情况，对其取模，即用功率表示；按照频段范围高低，分别提取alpha波8-13Hz、beta波13-20Hz，delta1-4Hz，theta4-7Hz对应频段的复小波系数的模的时间序列，即功率表示频段能量的时序变化。
4.根据权利要求1所述的方法，其特征在于：
所述步骤(c)指标化表示采用特征归一化算法，即：
将某一频段能量占总能量的比值作为指标：
其中，t表示时间，f表示频率，P表示功率，从而Pf(t)表示某一频率f范围内的能量随时间变化的函数，公式的分母部分则表示将1到35Hz频率范围内的能量累加总和；根据以上模型将Pf(t)除以总能量归一化以后，每个频段的相对能量变为0-1范围内的数值，即’
用Pf (t)表示。

一种基于脑电频域特征指标化算法的测量警觉性的方法\n技术领域\n[0001] 本发明涉及一种基于脑电频域特征指标化算法测量警觉性的方法。\n背景技术\n[0002] 脑电可以反映人的注意力或疲劳与否早已为众人所熟知，并且实验室环境中相关的技术也非常的成熟。在许多场合了解被试是否为觉醒态具有重要意义，如教室和工厂车间等，尤其是驾驶环境中，当使用者处于困倦、注意力不集中状态时马上可以报警或给出提示。但是由于脑电是非常微弱的电信号(微伏级)，在实际环境中记录的过程很容易受到干扰，能够提取稳定的表征疲劳和困倦的指标并把它非常方便的应用与实际生活或工作中的技术，没有查阅到文献或专利报道。\n发明内容\n[0003] 本发明的目的，提供一种基于脑电频域特征指标化算法测量警觉性的帽子及方法，以客观的判断、评估测试者的状态并及时的给出提示。\n[0004] 本发明的技术方案如下：\n[0005] 一种基于脑电频域特征指标化算法测量警觉性的帽子，所述帽子还包括脑电信号采集装置、IC电路、信号传输装置及终端设备，其特征在于：\n[0006] 脑电信号采集装置包括脑电信号采集电极、脑电信号参考电极和信号处理器，所述采集装置对人脑活动产生的模拟脑电波进行采样、量化，变成离散数字信号，进行后续的处理；\n[0007] 所述IC电路包括信号放大器及信号处理器，所述信号放大器为前置信号放大器，将量化的数字信号进行放大，增强处理和传输过程中的抗干扰能力；\n[0008] 所述信号处理器对采集的信号进行去噪预处理，增强脑电波信号的强度，并从中提取反映人认知状态变化的计算指标，评估使用者的状态；\n[0009] 所述信号传输装置连接IC电路与终端设，将IC电路提取的计算指标传输给终端设备；\n[0010] 所述终端设备为一PC机，对上述计算指标进行处理，并进行显示和反馈。\n[0011] 进一步的，所述IC电路内置于帽子内部，进一步整合有电池仓及电源开关。\n[0012] 进一步的，所述脑电信号采集电极位于头部，脑电信号参考电极夹位于耳部。\n[0013] 进一步的，所述信号传输装置为无线信号传输装置。\n[0014] 一种基于脑电频域特征指标化算法的测量警觉性的帽子，其特征在于，所述方法，所述方法步骤如下：\n[0015] (1)初始化设备硬件，设定可接受条件；\n[0016] (2)采集脑电数据；\n[0017] (3)对采集的数据滤波、去噪、时频分析、计算脑电指标；\n[0018] (4)将计算的脑电指标传输至终端并进行显示；\n[0019] (5)判断是否符合接受条件，进而判断使用者是否处于疲劳状态，如果判定处于疲劳状态，则给出警示；如果判定不处于疲劳状态，则再次至步骤(2)进行相关步骤。\n[0020] 6、根据权利要求5所述的方法，其特征在于，所述指标化算法具体如下：\n[0021] (1)预处理：对量化的脑电波进行数字滤波，去除肌电等干扰噪音；所述滤波器为无限冲激响应(IIR)带通滤波器；\n[0022] (2)特征表达和提取：从预处理之后的脑电信号中提取反映综合认知状态的基本指标，具体包括alpha波(8-13Hz)、beta波(13-20Hz)，delta(1-4Hz)，theta(4-7Hz)；运用时频分析技术将这些指标从原始时域信号中提取出来，在频域上以能量或功率的时间序列形式加以表达；\n[0023] (3)指标化表示：将上述基本指标进行标准化，使得不同使用者以及同一个使用者不同时间的同一指标具有相同的物理含义；所述算法输出警觉性水平和紧张度水平两个指标，所述警觉性水平指标和和紧张度水平指标具体如下：\n[0024] a(t)、b(t)和c(t)分别表示alpha、beta和theta三个频段的时序信号，他们分别由原始脑电信号的经由时频分析并选定特定频段的能量累加实现；\n[0025] 警觉度指标：\n[0026] S1(t)＝c(t)/a(t)，其中t表示时间，a和c分别表示alpha和theta的能量；\n[0027] 紧张度指标：\n[0028] S2(t)＝b(t)*c(t)，其中t表示时间，b和c分别表示beta和theta的能量；\n[0029] (4)注意力水平的判定：即以正常使用者在没有困倦、疲劳状态发生的情况下，持续保持注意2分钟的警觉性水平指标和和紧张度水平指标两项指标序列的时序均值的\n60％作为判决门限，低于此门限判决为疲劳发生。\n[0030] 进一步的，所述步骤(1)中，带通滤波器的低通起始频率为1Hz，高通截止频率为\n35Hz。\n[0031] 进一步的，所述步骤(2)特征表达子模块的具体算法如下：\n[0032] 采用Morlat函数为母小波函数，对脑电时域信号进行连续小波变换；输入信号为单导联脑电采集到的离散脑电时间序列，与以上母小波函数卷积并经过变换后得到一系列不同频段的复时间序列信号即小波系数，其中时间与输入信号长度保持一致，频率范围对为1-35Hz，保留其中1-35Hz用于提取节律特征；对于特定的时刻和频点，系数表示信号的时频分布情况，对其取模，即用功率表示；按照频段范围高低，分别提取alpha波(8-13Hz)、beta波(13-20Hz)，delta(1-4Hz)，theta(4-7Hz)对应频段的复小波系数的模的时间序列，即功率表示频段能量的时序变化。\n[0033] 进一步的，所述步骤(3)指标化表示采用特征归一化算法，即：\n[0034] 将某一频段能量占总能量的比值作为指标：\n[0035] \n[0036] 其中，t表示时间，f表示频率，P表示功率，从而Pf(t)表示某一频率f范围内的能量随时间变化的函数，公式的分母部分则表示将1到35Hz频率范围内的能量累加总和；根据以上模型将Pf(t)除以总能量归一化以后，每个频段的相对能量变为0-1范围内的数值，即用Pf’(t)表示。\n[0037] 本发明的有益效果在于：\n[0038] 本发明基于脑电频域特征指标化算法测量警觉性，测量精度高，能精确的对脑电信号进行提取和处理，并且基于脑电频域特征指标化算法，可以客观的判断使用者当前的精神状态，并给出及时的提示。可以应用于各种工作环境。\n附图说明\n[0039] 图1是本发明的设备结构示意图。\n[0040] 图2是本发明的方法流程示意图。\n[0041] 其中，1-脑电信号采集电极，2-IC电路，3-脑电信号参考电极，4-帽子。\n具体实施方式\n[0042] 如图1所示，是本发明的帽子结构示意图，包括帽子、脑电信号采集装置、IC电路、信号传输装置及终端设备，脑电信号采集装置包括脑电信号采集电极和脑电信号参考电极，所述采集装置对人脑活动产生的脑电波进行采样、量化，变成离散数字信号，进行后续的处理；该两个电极与帽子相整合，为了更为精确的采集脑电信号，脑电信号采集电极位于头部，脑电信号参考电极夹位于耳部。\n[0043] IC电路包括信号放大器及信号处理器，所述信号放大器为前置信号放大器，将量化的数字信号进行放大，增强处理和传输过程中的抗干扰能力；IC电路也是内置于帽子中。信号处理器对采集的信号进行去噪预处理，增强脑电波信号的强度，并从中提取反映人认知状态变化的计算指标，评估使用者的状态；信号传输装置连接IC电路与终端设备，将IC电路提取的计算指标传输给终端设备。帽子还进一步整合有电池仓及电源开关。\n[0044] 终端设备为一PC机，对上述计算指标进行处理，并进行显示和反馈。一般来说，终端设备与IC电路之间采用无线信号传输。\n[0045] 本发明的一种基于脑电频域特征指标化算法的测量警觉性的帽子，所述方法步骤如下：\n[0046] (1)初始化设备硬件，设定报警条件；\n[0047] (2)同时采集脑电数据，一般采集1秒；\n[0048] (3)对采集的数据滤波、去噪、时频分析、计算脑电指标；\n[0049] (4)将计算的脑电指标传输至终端并进行显示；\n[0050] (5)判断是否符合报警条件，进而判断使用者是否处于疲劳状态，如果判定处于疲劳状态，则给出警示；如果判定不处于疲劳状态，则再次至步骤(2)进行相关步骤。\n[0051] 其中，指标化算法具体如下：\n[0052] (1)预处理：对量化的脑电波进行数字滤波，去除肌电等干扰噪音；所述滤波器为无限冲激响应(IIR)带通滤波器；带通滤波器的低通起始频率为1Hz，高通截止频率为\n35Hz。\n[0053] (2)特征表达和提取：从预处理之后的脑电信号中提取反映综合认知状态的基本指标，具体包括alpha波(8-13Hz)、beta波(13-20Hz)，delta(1-4Hz)，theta(4-7Hz)；运用时频分析技术将这些指标从原始时域信号中提取出来，在频域上以能量或功率的时间序列形式加以表达；\n[0054] (3)指标化表示：将上述基本指标进行标准化，使得不同使用者以及同一个使用者不同时间的同一指标具有相同的物理含义；所述算法输出警觉性水平和紧张度水平两个指标，所述警觉性水平指标和和紧张度水平指标具体如下：\n[0055] a(t)、b(t)和c(t)分别表示alpha、beta和theta三个频段的时序信号，他们分别由原始脑电信号的经由时频分析并选定特定频段的能量累加实现；\n[0056] 警觉度指标：\n[0057] S1(t)＝c(t)/a(t)，其中t表示时间，a和c分别表示alpha和theta的能量；\n[0058] 紧张度指标：\n[0059] S2(t)＝b(t)*c(t)，其中t表示时间，b和c分别表示beta和theta的能量；\n[0060] (4)注意力水平的判定：即以正常使用者在没有困倦、疲劳状态发生的情况下，持续保持注意2分钟的警觉性水平指标和和紧张度水平指标两项指标序列的时序均值的\n60％作为判决门限，低于此门限判决为疲劳发生。\n[0061] 其中，特征表达子模块的具体算法如下：\n[0062] 采用Morlat函数为母小波函数，对脑电时域信号进行连续小波变换；输入信号为单导联脑电采集到的离散脑电时间序列，与以上母小波函数卷积并经过变换后得到一系列不同频段的复时间序列信号即小波系数，其中时间与输入信号长度保持一致，频率范围对为1-35Hz，保留其中1-35Hz用于提取节律特征；对于特定的时刻和频点，系数表示信号的时频分布情况，对其取模，即用功率表示；按照频段范围高低，分别提取alpha波(8-13Hz)、beta波(13-20Hz)，delta(1-4Hz)，theta(4-7Hz)对应频段的复小波系数的模的时间序列，即功率表示频段能量的时序变化。\n[0063] 其中，所述步骤(3)指标化表示采用特征归一化算法，即：\n[0064] 将某一频段能量占总能量的比值作为指标：\n[0065] \n[0066] 其中，t表示时间，f表示频率，P表示功率，从而Pf(t)表示某一频率f范围内的能量随时间变化的函数，公式的分母部分则表示将1到35Hz频率范围内的能量累加总和；\n根据以上模型将Pf(t)除以总能量归一化以后，每个频段的相对能量变为0-1范围内的数值，即用Pf’(t)表示。\n[0067] 大脑协同程度指标表示：\n[0068] 在以上两项基本指标的基础上，我们又根据不同节律表示的内在生理、心理规律，提出利用节律信号之间的同步性来综合反映使用者的大脑协同状态，从而全面表达大脑活动的状态是否适合工作。\n[0069] 指标计算流程如下：\n[0070] 从原始信号中分别提取出8-13Hz和4-7Hz频段范围的alpha和theta波，用a(t)和c(t)表示，其中t表示时间。\n[0071] 对脑电幅度信号a(t)和b(t)分别进行Hilbert变换，得到其相位信号φa(t)和φb(t)，表示信号相位随时间变化的情况；\n[0072] 计算alpha和theta能量时间序列之间的同步性指标S，表示一段时间内(用Δt表示)，两个频段信号总体的相位差值，即同步性的好坏，用于衡量全脑参与维持注意水平的程度，同步性越好，越能调动全脑的认知资源维持较高的注意水平，能够保证警觉性，客服疲劳等因素，提高对外界刺激的加工能力，从而保持较好的工作状态。\n[0073] 指标S的计算模型如下：\n[0074] \n[0075] 其中，S表示拟计算的同步性指标，其中Δt表示选定的一段时间长度，信号将根据该时间段的长度从原始信号中逐步计算出，e表示自然常数，其值约为2.71828；t表示选定时间段内的某一时刻；φ(t)表示节律的相位信息；对一段时间内的相位的差进行累加可以计算出总体的相位同步性，以自然对数形式表示可以保证指标在0和1之间。\n[0076] 本专利中，选定时间段长度为1s，即每1s输出以上指标S一次，以实时地跟踪注意力指标的变化，传输给终端并加以提示。\n[0077] 流程图可以按以下流程进行：\n[0078] 预处理->特征表达和提取->特征归一化->特征指标化表示\n[0079] Alpha\n[0080] Theta\n[0081] Beta\n[0082] 前两个合成A：警觉度；\n[0083] 后两个合成B：紧张度；\n[0084] 第一个和第三个深度合成C：协同性指标；\n[0085] 然后指向门限判别和指标输出。