• / 10
  • 下載費用:30 金幣  

一種基于多源信息融合的疲勞檢測方法.pdf

關 鍵 詞:
一種 基于 信息 融合 疲勞 檢測 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
摘要
申請專利號:

CN201710583838.1

申請日:

20170718

公開號:

CN107280694A

公開日:

20171024

當前法律狀態:

有效性:

審查中

法律詳情:
IPC分類號: A61B5/16,A61B5/0476,A61B5/0402,A61B5/0496,A61B5/11,A61B5/00 主分類號: A61B5/16,A61B5/0476,A61B5/0402,A61B5/0496,A61B5/11,A61B5/00
申請人: 燕山大學
發明人: 金海龍,王曉妍,于曉華,吳頔,李卓陽,劉浩,邱石
地址: 066004 河北省秦皇島市海港區河北大街西段438號
優先權: CN201710583838A
專利代理機構: 秦皇島一誠知識產權事務所(普通合伙) 代理人: 李合印
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201710583838.1

授權公告號:

法律狀態公告日:

法律狀態類型:

摘要

本發明公開了一種基于多源信息融合的疲勞檢測方法,分別利用腦電采集設備、心電采集設備,同步采集被試者腦電信號、眨眼信息和心電信號;提取腦電信號特征:腦電節律波ɑ波β波θ波,δ波相對能量;眼電信息:眨眼頻率E,眨眼強度F;心電特征:心率值HR,LF,HF;運用邏輯回歸算法將疲勞程度初步分成三類:非疲勞、輕度疲勞和深度疲勞,同時,根據邏輯回歸權重篩選權重較大的特征,進行特征融合;融合后的特征向量,采用基于支持向量機的bagging算法重新分類,將處理后的特征向量作為bagging算法的輸入,確定被試者當前疲勞程度;根據被試者疲勞程度的分類結果,采取不同的緩解疲勞方法。本發明具有適用性強、疲勞檢測精度高、改善效果良好等優點。

權利要求書

1.一種基于多源信息融合的疲勞檢測方法,其特征在于,所述方法包括以下步驟:步驟1,分別利用腦電采集設備、心電采集設備,同步采集被試者腦電信號、眨眼信息和心電信號;步驟2,提取腦電信號特征:腦電節律波ɑ波β波θ波,δ波相對能量;眼電信息:眨眼頻率E,眨眼強度F;心電特征:心率值HR,LF,HF;步驟3,運用邏輯回歸算法將疲勞程度初步分成三類:非疲勞、輕度疲勞和深度疲勞,同時,根據邏輯回歸權重篩選權重較大的特征,進行特征融合;步驟4,融合后的特征向量,采用基于支持向量機的bagging算法重新分類,將處理后的特征向量作為bagging算法的輸入,確定被試者當前疲勞程度;步驟5,提出自適應疲勞改善方法:根據被試者疲勞程度的分類結果,采取不同的緩解疲勞方法。2.根據權利要求1所述的一種基于多源信息融合的疲勞檢測方法,其特征在于:步驟1中,所述腦電信號和眨眼信息采集設備為藍牙腦電耳機,所述耳機一個輸入端與使用者前額的腦電傳感器連接,另一個輸入端與使用者耳部電極連接,通過干電極獲得使用者FP1和A1信道的腦電波電壓變化,并經內部的放大,濾波將反應腦電強度的數字信號通過藍牙方式輸出至腦電信號分析模塊;所述心電信號采集模塊為基于BMD101芯片的心電采集電路,人體心電信號經過2片銀-氯化銀電極采集后,經高通濾波器送入BMD101采集器,經芯片內部放大,濾波,計算輸出心電數字信號并通過藍牙方式送入心電處理模塊。3.根據權利要求1所述的一種基于多源信息融合的疲勞檢測方法,其特征在于:在步驟2中,采用小波包變換算法,提取ɑ,β,θ,δ四種節律波,分別計算四種節律波相對能量E,E,E,E;利用藍牙腦電耳機的眨眼信息接口,記錄一分鐘內的眨眼次數和強度,得出眨眼頻率E,和平均眨眼強度F;利用中值濾波和平滑濾波去除心電信號基線漂移和其他干擾信號,記錄心電設備輸出的原始心電信號(ECG),和心率值(HR);采用差分閾值法對ECG信號進行RR間期提取,并做頻域分析,生成LF波和HF波,分別計算LF波和HF波的功率,作為心電信號特征。4.根據權利要求1所述的一種基于多源信息融合的疲勞檢測方法,其特征在于:在步驟3中,將步驟2中提出的特征向量歸一化處理后作為輸入,采用多元邏輯回歸算法對疲勞狀態進行初步分類,基于特征向量的特征權重,篩選主要特征,并進行特征融合,提出融合特征向量E,E/HR,眨眼頻率E,LF/HF,(LF-HF)/HR。5.根據權利要求1所述的一種基于多源信息融合的疲勞檢測方法,其特征在于:步驟5中,采取自適應疲勞改善方法:輕度疲勞階段,采用播放音樂療法;過度疲勞階段,采用音樂電刺激療法;音樂播放和音樂電刺激均由音樂電刺激電路提供。6.根據權利要求5所述的一種基于多源信息融合的疲勞檢測方法,其特征在于:所述音樂電刺激電路主要包括,存儲單元,主控單元,音頻解碼單元,信號處理單元,信號輸出單元,耳機,和觸摸屏單元;主控芯片控制音頻解碼單元讀取內存單元中音樂文件,解碼生成音頻信號,一路經耳機輸出,另一路送入信號處理單元采樣放大處理;放大后信號經與輸出單元相連的電極作用于人體;輸出電流強度,播放音量等均有主控單元控制;輸出脈沖變化經LCD屏反饋給被試者。

說明書

技術領域

本發明涉及人體疲勞狀態檢測領域,尤其涉及基于多源信息融合的疲勞檢測方法。

背景技術

目前腦力疲勞度的檢測方法主要是主觀評測法和客觀評測法。主觀評測是通過文件調查的形式進行,這種方法能提供關于腦力疲勞的多種信息,如疲勞出現的時間,造成疲勞的原因和主觀上的不舒適等。但主觀評測評分標準不易統一,受記憶和個人原因影響較大,從而導致疲勞檢測準確度較低??陀^評測法是一種借助儀器設備等輔助工具記錄人體行為、生理、生化的某些指標變化并進行評測的方法。包括(1)心理學、行為學指標評測法,主要采用心理運動測驗和心理測驗對腦力疲勞進行評估。(2)生理學指標評測法,腦力疲勞的生理學指標主要是電生理指標,如腦電,眼電,心電等。(3)生化指標評測法,主要涉及疲勞狀態下血液成分,睡眠激素或多態的研究。目前生理學指標評測法研究最為深入,但具有設備體積大,便攜性差,費用高,單一指標檢測準確性低等缺點,難以應用于日常生活的疲勞檢測。

發明內容

本發明目的在于提供一種方便攜帶、操作簡單、疲勞分類準確性高、疲勞改善效果明顯的基于多源信息融合的疲勞檢測方法。

為實現上述目的,采用了以下技術方案,本發明所述方法包括以下步驟:

步驟1,分別利用腦電采集設備、心電采集設備,同步采集被試者腦電信號、眨眼信息和心電信號;

步驟2,提取腦電信號特征:腦電節律波ɑ波β波θ波,δ波相對能量;眼電信息:眨眼頻率E,眨眼強度F;心電特征:心率值HR,LF,HF;

步驟3,運用邏輯回歸算法將疲勞程度初步分成三類:非疲勞、輕度疲勞和深度疲勞,同時,根據邏輯回歸權重篩選權重較大的特征,進行特征融合;

驟4,融合后的特征向量,采用基于支持向量機的bagging算法重新分類,將處理后的特征向量作為bagging算法的輸入,確定被試者當前疲勞程度;

步驟5,提出自適應疲勞改善方法:根據被試者疲勞程度的分類結果,采取不同的緩解疲勞方法。

進一步的,步驟1中,所述腦電信號和眨眼信息采集設備為藍牙腦電耳機,所述耳機一個輸入端與使用者前額的腦電傳感器連接,另一個輸入端與使用者耳部電極連接,通過干電極獲得使用者FP1和A1信道的腦電波電壓變化,并經內部的放大,濾波將反應腦電強度的數字信號通過藍牙方式輸出至腦電信號分析模塊;所述心電信號采集模塊為基于BMD101芯片的心電采集電路,人體心電信號經過2片銀-氯化銀電極采集后,經高通濾波器送入BMD101采集器,經芯片內部放大,濾波,計算輸出心電數字信號并通過藍牙方式送入心電處理模塊。

進一步的,在步驟2中,采用小波包變換算法,提取ɑ,β,θ,δ四種節律波,分別計算四種節律波相對能量Eɑ,Eβ,Eθ,Eδ;

利用藍牙腦電耳機的眨眼信息接口,記錄一分鐘內的眨眼次數和強度,得出眨眼頻率E,和平均眨眼強度F;

利用中值濾波和平滑濾波去除心電信號基線漂移和其他干擾信號,記錄心電設備輸出的原始心電信號(ECG),和心率值(HR);采用差分閾值法對ECG信號進行RR間期提取,并做頻域分析,生成LF波和HF波,分別計算LF波和HF波的功率,作為心電信號特征。

進一步的,

在步驟3中,將步驟2中提出的特征向量歸一化處理后作為輸入,采用多元邏輯回歸算法對疲勞狀態進行初步分類,基于特征向量的特征權重,篩選主要特征,并進行特征融合,提出融合特征向量E(ɑ+θ)/β、E(ɑ+θ)/β/HR、眨眼頻率E、LF/HF、(LF-HF)/HR。融合后的特征向量E(ɑ+θ)/β、E(ɑ+θ)/β/HR、LF/HF、(LF-HF)/HR均隨著疲勞程度的增加而增加,眨眼頻率E在非疲勞狀態下的范圍為7~20,其他情況視為疲勞狀態。

進一步的,步驟5中,采取自適應疲勞改善方法:輕度疲勞階段,采用播放音樂療法;過度疲勞階段,采用音樂電刺激療法;音樂播放和音樂電刺激均由音樂電刺激電路提供。

進一步的,所述音樂電刺激電路主要包括,存儲單元,主控單元,音頻解碼單元,信號處理單元,信號輸出單元,耳機,和觸摸屏單元;主控芯片控制音頻解碼單元讀取內存單元中音樂文件,解碼生成音頻信號,一路經耳機輸出,另一路送入信號處理單元采樣放大處理;放大后信號經與輸出單元相連的電極作用于人體;輸出電流強度,播放音量等均有主控單元控制;輸出脈沖變化經LCD屏反饋給被試者。

與現有技術相比,本發明具有如下優點:

1、基于可穿戴腦電心電設備開發,便攜性強,克服了大型信號采集設備,體積大,價格高,不能廣泛應用的缺點。

2、采用多源信息融合的疲勞檢測算法,提高了檢測的精度和魯棒性。

3、采取自適應疲勞改善方法,針對性更強,避免了緩解措施冗余,改善效果顯著。

附圖說明

圖1是本發明的整體框架圖。

圖2是音樂電刺激器功能框架圖。

圖3是音樂電刺激器存儲單元原理圖。

圖4是音樂電刺激器音頻解碼單元電路圖。

圖5是音樂電刺激器采樣電路原理圖。

圖6是音樂電刺激器放大部分和輸出部分原理圖。

附圖標號:1為主控單元、2為存儲單元、3為音頻解碼單元、4為耳機、5為信號處理單元、6為輸出單元、7為觸摸屏單元、5-1為采樣電路、5-2為放大電路。

具體實施方式

下面結合附圖對本發明做進一步說明:

結合圖1,疲勞檢測包括以下步驟:

步驟1:分別利用藍牙采集設備、心電傳感器、同步采集腦電信號、眨眼信息和心電信號。

腦電信號,眨眼信息采集設備為藍牙腦電耳機。該耳機一個輸入端與使用者前額的腦電傳感器連接,另一個輸入端與使用者耳部電極連接,通過干電極獲得使用者FP1和A1信道的腦電波電壓變化,并經內部的放大,濾波將反應腦電強度的數字信號通過藍牙方式輸出至腦電信號分析模塊。采樣頻率為512Hz,波特率為115200bps。

心電信號采集模塊為基于BMD101芯片的心電采集電路,人體心電信號經過2片銀-氯化銀電極采集后,經高通濾波器送入BND101采集器,經芯片內部放大,濾波,計算輸出心電數字信號并通過藍牙方式送入心電處理模塊。

步驟2:腦電信號處理模塊接收腦電數據。采用小波包變換算法,去除原始腦電信號(EEG)中其他干擾信號,并進行:α,β,θ,δ節律波提取,分別計算四種節律波能量Eɑ,Eβ,Eθ,Eδ。

腦電信號為非平穩信號,一般頻率在0.5~100Hz,本發明中的主要頻率在0~30Hz。首先采用高通濾波器濾除頻率小于0.5Hz的干擾信號,然后通過小波包變換算法提取四種節律波。

小波包變換是在小波變換的基礎上提出的,小波包變換會同時分析信號的高頻和低頻成分,提供更精確的時頻分析。小波包分解與重構算法公式如下:

(快速分解算法)(1)

f(t)為采集到的EEG信號,該信號在第j層上一共有2j個小波包,其中第i個小波包可表示為G、H代表小波包分解濾波器,他們分別與小波包函數ψj(t)和尺度函數有關。式中,t=1,2,...,2J-j;i=1,2,...,2j;

(快速重構算法)(2)

g、h代表小波包重構的濾波器,其中g與小波函數ψj(t)有關,h與尺度函數有關。j=J-1,J-2,...,1,0;i=2j,2j-1,...,2,1;

本實施例中利用db4小波對EEG信號進行7層分解。然后利用小波包重構將各個節律所對應的子帶疊加起來,即可獲得信號的四個節律的時域信息。

根據小波包分解的機理可知,EEG信號的能量可由小波包子帶能量表示,其中各節點重構信號的能量可表示成:其中表示在時間點t上第j層第i個節點的小波包分解系數。EEG信號中各個節律的能量Er為:式中,r代表節律α,β,θ或δ,k的取值范圍由r代表的節律頻帶決定。結合兩式求出四種節律波的能量為Eɑ,Eβ,Eθ,Eδ。

眨眼信息由藍牙腦電耳機自帶的眨眼信息接口提供,記錄一分鐘內的眨眼次數和強度,得出眨眼頻率E,和平均眨眼強度F。

心電信號處理模塊接收采集到的心電數據,解析后記錄原始心電信號,利用中值濾波和平滑濾波消除基線漂移和去除毛刺。采用差分閾值法進行R波檢測,提取RR間期。使用Lomb-Scargle周期圖法對RR間期做譜估計。提取頻域指標HF和LF。Lomb-Scargle周期圖法是從傳統的傅里葉變換頻譜分析發展過來的,給定一段時間序列X(tj),j=1,2,3,...,N,功率譜如下:

其中Px(f)是頻率f的周期信號的功率,tj是樣本時間,N是樣本總數,τ是時間平移不變量。

步驟3:采用多元邏輯回歸算法,將上述特征值作為回歸算法的輸入,對疲勞結果做初步分類,并記錄每種特征值的權重,篩除權重小于±0.2的特征值。對剩下的特征值進行特征融合,從而提高融合特征與疲勞程度的相關性。具體如下:

提出融合特征向量:E(ɑ+θ)/β、E(ɑ+θ)/β/HR、眨眼頻率E、LF/HF、(LF-HF)/HR。

隨疲勞程度的增加,腦電信號中ɑ,θ節律波增加,β節律波減少,E(ɑ+θ)/β隨之增加,心率HR降低,心率變異性的高頻段功率HF降低,低頻段功率LF增加。眨眼頻率E在非疲勞狀態下的范圍為7~20,其他情況視為疲勞狀態。因此融合后E(ɑ+θ)/β、E(ɑ+θ)/β/HR、LF/HF、(LF-HF)/HR均隨著疲勞程度的增加而增加。

步驟4:將訓練集分成20份,將上述融合特征作為輸入,對每一份訓練集進行支持向量機,得到20個弱分類器。結合bagging算法,對20個弱分類器進行集成學習,得到強分類器,并將強分類器下的分類結果作為最終的疲勞程度分類結果。

步驟5:提出自適應疲勞改善方法:根據被試疲勞程度的分類結果,采取不同的緩解疲勞方法。輕度疲勞階段,采用播放音樂療法;過度疲勞階段,采用音樂電刺激療法;音樂播放和音樂電刺激均由音樂電刺激電路提供。

結合圖2,本發明的音樂電刺激器主要包括主控單元1、存儲單元2、音頻解碼單元3、耳機4、信號處理單元5、輸出單元6、觸摸屏單元7。

主控單元控制音頻解碼單元讀取存儲單元中的音樂文件,解碼為音頻信號,一路信號經耳機播放,另一路信號送至信號處理單元。。信號處理單元包括采樣電路5-1和放大電路5-2,將音頻信號采樣放大后輸出至輸出單元,通過與輸出單元相連的電極作用于人體。解碼后的音頻信號可傳回主控單元經主控單元內部的A/D轉換功能轉換為數字信號,用于實時觀察波形變化,觸摸屏單元與主控單元相連用于顯示波形變化,音量,曲目等。

下面結合附圖對音樂電刺激單元各個模塊做進一步闡述:

主控單元選擇STM32F103系列單片機,通過串口控制音頻解碼單元讀取存儲單元中的音樂文件解碼生成音頻信號。經信號處理單元采樣,放大輸出至電極。單片機內部ADC可將放大后的音頻信號轉換成數字信號,用于在LCD上繪制波形,反饋給被試者。同時主控單元還可以控制音量大小,以及輸出電流強度。

觸摸屏單元選擇TFTLCD,通過主控芯片的FSMC控制顯示??梢燥@示播放曲目,刺激波形,音樂音量等。實現治療的數字化和人性化。

STM32F103原理圖,及TFTLCD與單片機連接均可從各自說明手冊中得到,在此不再詳述。

存儲單元如圖3所示,存儲器采用SD卡存儲所需的音樂文件,主控單元控制音頻解碼單元讀取SD卡中的音樂文件,解碼后生成音頻信號。一路經耳機播放,一路送至信號處理單元處理。

音頻解碼單元如圖4所示,A2為音頻解碼核心芯片搭配外圍電路構成音頻解碼單元,管腳1,2,3與存儲單元SD卡相連,管腳4為播放指示燈,播放時為高電平,其他位低電平,5,6管腳為USB接口可通過USB數據線連接電腦,管腳7,8為內部參考電平,管腳9,10位音頻輸出,9為左聲道,10為右聲道,管腳1,12均為參考電源,管腳14,15位串口通信引腳,管腳16位一線串口引腳。

采樣電路如圖5所示,8腳輸入可調方波,當在低電平時,LF398處于截止狀態,輸出電壓為0。當在高電平時,LF398在導通狀態,輸出電壓等于引腳3的輸入電壓,為了使輸出的電壓呈一個跟隨狀態,引腳6連接一個電阻。調節脈沖的頻率和占空比就可以改變輸入波形的頻率和占空比。

放大與輸出電路如圖6所示,放大電路包括前置放大電路和功率放大電路,前置放大電路由數字電位器U10和集成運放U9A組成,音樂信號由U10的5腳輸入,由主控單元控制其阻值大小,從而改變U9A同相端的音樂電流強度,集成運放U9A構成反比例運算放大器增益倍數為R22/R21。

功率放大器由U8及其外圍電路構成,經前置放大的音樂信號通過CP16輸入到U8的1腳,2腳接電容CP19與外電阻R30構成交流負反饋,C19和R27為防自激網絡,電源電壓為12V,靜態電路為45mA,輸出從CP14的負腳端輸出,輸出功率可達6W。

輸出電路由繼電器K1、三極管Q1、耦合變壓器T1。三極管Q1工作在開關狀態,當基極為低電平時三極管截止,K1接地,變壓器T1沒有輸出。當Q1基極接高電平時,Q1飽和導通,繼電器通電,K1閉合,音樂信號輸入到變壓器T1的初級線圈。經變壓器升壓后產生很高的刺激電壓,最后通過電極作用于人體。

以上所述的實施例僅僅是對本發明的優選實施方式進行描述,并非對本發明的范圍進行限定,在不脫離本發明設計精神的前提下,本領域普通技術人員對本發明的技術方案做出的各種變形和改進,均應落入本發明權利要求書確定的保護范圍內。

   內容來自專利網www.6726714.live轉載請標明出處

關于本文
本文標題:一種基于多源信息融合的疲勞檢測方法.pdf
鏈接地址:http://www.6726714.live/p-8088648.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
广州跑腿兼职赚钱软件