專(zhuān)利名稱(chēng)：基于稀疏重表示的腦電信號(hào)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種信號(hào)檢測(cè)技術(shù)領(lǐng)域的方法，具體是一種用于駕駛員疲勞駕駛 的基于稀疏重表示的腦電信號(hào)檢測(cè)方法。
背景技術(shù)：
我國(guó)是一個(gè)交通事故多發(fā)國(guó)，根據(jù)2005年統(tǒng)計(jì)數(shù)字，平均每年因交通事故死亡的 人數(shù)超過(guò)10萬(wàn)人，居世界第一，而每年因交通事故所造成的經(jīng)濟(jì)損失達(dá)數(shù)百億元。其中， 駕駛員疲勞駕駛是交通事故發(fā)生的主要誘因。據(jù)統(tǒng)計(jì)研究表明，由疲勞駕駛造成的重大交 通事故所占的比例大約是10% _20%。根據(jù)德國(guó)保險(xiǎn)公司的調(diào)查結(jié)果顯示，德國(guó)大約四分 之一的高速公路死亡事故是由疲勞駕駛引發(fā)的。另?yè)?jù)美國(guó)公路交通局NHTSA的統(tǒng)計(jì)研究得 出，人在疲勞時(shí)，事故發(fā)生的可能性會(huì)上升4-6倍。疲勞駕駛是指駕駛員在長(zhǎng)時(shí)間的駕車(chē) 之后所產(chǎn)生的反應(yīng)水平下降，導(dǎo)致不能正常駕駛。駕駛員產(chǎn)生疲勞后，其心理狀態(tài)也會(huì)發(fā) 生各種各樣的變化.如視力下降，致使注意力分散、視野逐漸變窄；思維能力下降致使反應(yīng) 遲鈍、判斷遲緩、動(dòng)作僵硬、節(jié)律失調(diào)；自我控制能力減退致使易于激動(dòng)、心情急躁或開(kāi)快車(chē)寸。經(jīng)過(guò)對(duì)現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，奔馳開(kāi)發(fā)的“疲勞識(shí)別”輔助系統(tǒng)能識(shí)別駕駛員的疲 勞狀態(tài)，并及時(shí)予以警告；沃爾沃卡車(chē)開(kāi)發(fā)了駕駛員提醒支持系統(tǒng)。這種系統(tǒng)自動(dòng)監(jiān)測(cè)卡車(chē) 在路標(biāo)間的位置，如果發(fā)現(xiàn)汽車(chē)在未使用轉(zhuǎn)向燈的情況下偏離車(chē)道，則判定駕駛員有困倦 的跡象。此時(shí)系統(tǒng)將自動(dòng)記錄并通過(guò)儀表盤(pán)中央位置的屏幕發(fā)出報(bào)警聲音來(lái)提醒駕駛員， 在報(bào)警的同時(shí)，屏幕還會(huì)發(fā)出閃爍光，十分醒目，能夠有效避免司機(jī)疲勞駕駛。日本豐田開(kāi)發(fā)的系統(tǒng)則是針對(duì)駕駛者眼部的偵測(cè)，通過(guò)內(nèi)置在駕駛者前方的攝像 頭記錄駕駛者的眼部狀態(tài)，如果系統(tǒng)偵測(cè)到駕駛者的眼睛已經(jīng)閉上，車(chē)內(nèi)會(huì)立即發(fā)出警報(bào) 提醒駕駛者。國(guó)內(nèi)南京遠(yuǎn)驅(qū)科技有限公司已經(jīng)開(kāi)發(fā)出了一套基于眼睛閉合的駕駛員疲勞駕 駛的檢測(cè)系統(tǒng)，并已經(jīng)推向市場(chǎng)銷(xiāo)售；由此看來(lái)對(duì)于駕駛員疲勞程度的檢測(cè)系統(tǒng)其應(yīng)用前 景非常廣闊，可以預(yù)見(jiàn)在未來(lái)很長(zhǎng)一段時(shí)間內(nèi)都將是汽車(chē)安全技術(shù)領(lǐng)域的一個(gè)熱點(diǎn)方向。針對(duì)駕駛員疲勞駕駛的檢測(cè)，可采用多種生物特征，如心跳、眼睛、腦電信號(hào)(EEG) 等。目前，技術(shù)比較成熟的是基于眼睛閉合度的檢測(cè)，但是該技術(shù)也同時(shí)存在一個(gè)弊端若 駕駛員的眼睛比較小的話(huà)，那么基于此所設(shè)計(jì)出的系統(tǒng)，其誤檢的錯(cuò)誤率會(huì)增大。研究人員 很早就已經(jīng)發(fā)現(xiàn)腦電信號(hào)能夠直接反映大腦的活動(dòng)狀態(tài)，發(fā)現(xiàn)當(dāng)人體進(jìn)入疲勞狀態(tài)時(shí)，腦 電中的δ波和θ波的活動(dòng)會(huì)大幅度增長(zhǎng)，而α波活動(dòng)會(huì)有小幅增長(zhǎng)。另一項(xiàng)研究通過(guò)在 模擬器和實(shí)車(chē)中監(jiān)測(cè)腦電信號(hào)，試驗(yàn)結(jié)果表明腦電信號(hào)對(duì)于監(jiān)測(cè)駕駛員疲勞駕駛是一種有 效的方法。研究人員同時(shí)發(fā)現(xiàn)，腦電信號(hào)特征有很大的個(gè)人差異，如性別和性格等，同時(shí)也 和人的心理活動(dòng)有很大的相關(guān)性。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提出了一種基于稀疏重表示的腦電信號(hào)檢測(cè)方法，通過(guò)對(duì)駕駛員的不同駕駛狀態(tài)的腦電信號(hào)頻率能量進(jìn)行分析可以有效判斷出駕駛 員當(dāng)前是處于清醒狀態(tài)、疲勞駕駛狀態(tài)還是已經(jīng)處于睡眠狀態(tài)。駕駛員所處的每一種駕駛 狀態(tài)的腦電信號(hào)能量自身具有很強(qiáng)的相似性，而不同駕駛狀態(tài)的腦電信號(hào)能量大小具有較 大的差異，所以通過(guò)提取駕駛員不同駕駛狀態(tài)腦電信號(hào)的能量信息并采用稀疏重表示的方 法來(lái)對(duì)駕駛員駕駛狀態(tài)進(jìn)行識(shí)別是一種有效的方法。本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明主要采用小波變換來(lái)提取與駕駛員的 疲勞駕駛狀態(tài)有關(guān)的腦電信號(hào)的頻率特征信息，構(gòu)建一個(gè)模板矩陣，對(duì)于任意外來(lái)的腦電 信號(hào)序列，通過(guò)求解模板矩陣用來(lái)構(gòu)建外來(lái)序列的稀疏解來(lái)實(shí)現(xiàn)對(duì)駕駛員處于不同駕駛狀 態(tài)的腦電信號(hào)進(jìn)行分類(lèi)的工作，具體包括以下步驟第一步、腦電信號(hào)的預(yù)處理1. 1)首先實(shí)時(shí)地采集駕駛員的腦電信號(hào)，并將腦電信號(hào)經(jīng)低通濾波以去除在腦電 采集過(guò)程中來(lái)自于肌電和眼電信號(hào)的干擾；1. 2)將采樣數(shù)據(jù)進(jìn)行分段處理，每個(gè)片段與前一個(gè)片段有50%的重復(fù)；1. 3)將采集到的每個(gè)分段的采樣數(shù)據(jù)采用獨(dú)立成份分析方法進(jìn)行分解得到由每 個(gè)導(dǎo)聯(lián)采集到的近似獨(dú)立的腦電信號(hào)；1. 4)對(duì)由上述方法得到的每一個(gè)分段信號(hào)Us e RnxS采用Morlet復(fù)小波提取每 一個(gè)分段內(nèi)的頻率特征信息用作駕駛員駕駛狀態(tài)的分析。所述的頻率特征信息是通過(guò)下述方法得到的W(s, ) = -L’其中s^^exp^X/Jexpf-^r},其中4。為中心頻率，取值分別為2.5、6、10、13、21、35，4為帶寬參數(shù)，取值分別為 2、1、2、1、3、3，綜合得到24個(gè)頻率特征信息，包括12個(gè)均值，12個(gè)方差，對(duì)于60導(dǎo)聯(lián)的數(shù) 據(jù)，則每一段腦電信號(hào)總共有M * 60 = 1440個(gè)特征值，得到每一段腦電信號(hào)的一個(gè)特征 值向量ν Cf。所述的駕駛員駕駛狀態(tài)的分析是指根據(jù)頻率特征信息得到的特征值生成一段腦 電信號(hào)的特征值向量后，對(duì)應(yīng)得到駕駛員在清醒駕駛、疲勞駕駛和睡眠駕駛等三個(gè)駕駛狀 態(tài)的多個(gè)特征向量，即分別為 va，vd, vs,^ =[vn,v;2,v;3,...,vw]CjR1440xivfJt^ 1 = a, d，s, N 為每個(gè)狀態(tài)的訓(xùn)練樣本的數(shù)目，Va表示清醒狀態(tài)(alert)數(shù)據(jù)，Vd表示疲勞狀態(tài)(drowsy) 數(shù)據(jù)，Vs表示睡眠狀態(tài)(slewing)數(shù)據(jù)。第二步、疲勞駕駛檢測(cè)通過(guò)稀疏重表示的方法進(jìn)行駕駛員疲勞駕駛的檢測(cè)，判斷 得到駕駛員的駕駛狀態(tài)并輸出至控制中心進(jìn)行指令操作，具體步驟包括將駕駛員分別在 清醒駕駛、疲勞駕駛和睡眠駕駛狀態(tài)得到的腦電信號(hào)特征值va，Vd, Vs組合起來(lái)構(gòu)建一個(gè)矩 陣A = [Va, Vd, VJ^cjR1440x3",對(duì)于從駕駛員腦電信號(hào)的任意一個(gè)的數(shù)據(jù)段提取到的特征 向量、CjR1440x1, y e {a, d，s}。要根據(jù)vy預(yù)測(cè)駕駛員此刻所處的駕駛狀態(tài)可以通過(guò)求解 下列方程來(lái)得到mini χ I。滿(mǎn)足方程式Ax = Vy，其中A = [Va，Vd, Vs]，轉(zhuǎn)化I1的求解 min |x| I1滿(mǎn)足方程式Ax = Vy，其中A = [Va，Vd, Vj，并采用稀疏重表示漸變投影算法得 IlJxeii3jv ,其中Va表示清醒狀態(tài)數(shù)據(jù)，Vd表示疲勞狀態(tài)數(shù)據(jù)，Vs表示睡眠狀態(tài)數(shù)據(jù)；然后 利用^值對(duì)代表當(dāng)前駕駛員所處的駕駛狀態(tài)的特征向量Vy進(jìn)行分類(lèi)，判斷得到駕駛員的駕駛狀態(tài)并輸出至控制中心進(jìn)行指令操作。本發(fā)明的優(yōu)點(diǎn)在于由于采用人體的腦電信號(hào)為生物特征對(duì)駕駛員的疲勞進(jìn)行檢 測(cè)，能夠大大提高檢測(cè)結(jié)果的準(zhǔn)確率；同時(shí)由于采用的信號(hào)特征是那些僅與人的警覺(jué)度有 著緊密聯(lián)系的頻率譜而去除了那些與警覺(jué)度檢測(cè)不相關(guān)的特征從而能夠大大提高疲勞駕 駛的檢測(cè)效率；由于采用的用作模板的矩陣具有多個(gè)訓(xùn)練數(shù)據(jù)，從而提高了檢測(cè)系統(tǒng)的魯 棒性及準(zhǔn)確率；對(duì)腦電信號(hào)做小波變換后，利用壓縮感知的方法通過(guò)其進(jìn)行采樣后存儲(chǔ)，然 后可以通過(guò)求解I1凸優(yōu)化的問(wèn)題將原有的腦電信號(hào)恢復(fù)出來(lái)便于以后作為冗余數(shù)據(jù)檢測(cè)。
具體實(shí)施例方式下面對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行 實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施 例。本實(shí)施例包括以下步驟第一步、腦電信號(hào)的預(yù)處理1. 1)首先實(shí)時(shí)地采集了 5名測(cè)試者在模擬駕駛環(huán)境中分別處于清醒駕駛、疲勞 駕駛和睡眠駕駛?cè)齻€(gè)狀態(tài)的中由Neurc^can系統(tǒng)采集的一段時(shí)間的腦電數(shù)據(jù)，采樣頻率為 lOOHz/s ；，并將腦電信號(hào)經(jīng)低通濾波以去除在腦電采集過(guò)程中來(lái)自于肌電和眼電信號(hào)的 干擾；所述的低通濾波是指采用帶寬為1-40HZ的有限長(zhǎng)低通濾波器對(duì)腦電信號(hào)進(jìn)行 濾波；1. 2)將采樣數(shù)據(jù)進(jìn)行分段處理，每5秒分成一個(gè)片段，每個(gè)片段與前一個(gè)片段有 2. 5秒的重復(fù)，即每個(gè)分段內(nèi)有500個(gè)采樣數(shù)據(jù)，其中包括與前一個(gè)分段相重疊的250個(gè)采 樣數(shù)據(jù)；1. 3)將采集到的每個(gè)分段的采樣數(shù)據(jù)采用獨(dú)立成份分析方法進(jìn)行分解得到由每 個(gè)導(dǎo)聯(lián)采集到的近似獨(dú)立的腦電信號(hào)；所述的獨(dú)立成份分析方法是指通過(guò)線(xiàn)性變換把混合數(shù)據(jù)或混合信號(hào)分離成多個(gè) 統(tǒng)計(jì)獨(dú)立的非高斯的信號(hào)源的線(xiàn)性組合的方法；具體步驟包括i)首先在腦電信號(hào)的預(yù)處理中對(duì)于每一個(gè)腦電極采集到的一個(gè)N維的腦電信號(hào) 矢量值X都是來(lái)自于X的數(shù)值是多個(gè)腦電極源信號(hào)矢量S的加權(quán)和，即X = AS，這里S為獨(dú) 立的M(M < N)維的未知源信號(hào)矢量，矩陣A被稱(chēng)為加權(quán)混合矩陣，然后對(duì)X進(jìn)行線(xiàn)性變換 后得到輸出向量U，即U = WX = WAS。向量U即是對(duì)大腦每一個(gè)區(qū)域產(chǎn)生的電位信號(hào)S的 近似估計(jì)。ii)對(duì)直接通過(guò)電極采集到的腦電信號(hào)X可以使用獨(dú)立成份分析的方法，來(lái)得到 大腦皮層的每一個(gè)區(qū)域產(chǎn)生的源信號(hào)S的近似估計(jì)U，其中每一個(gè)分段內(nèi)的腦電信號(hào)是 NXL的數(shù)據(jù)，N為腦電采集帽的導(dǎo)聯(lián)數(shù)目在后面的實(shí)驗(yàn)中N = 60，L為每一個(gè)分段內(nèi)信號(hào) 的采樣數(shù)目，L = 500，則對(duì)每一個(gè)分段內(nèi)的信號(hào)求其獨(dú)立成份Us = WXs，其中W為解混合矩 陣。1.4)對(duì)由上述方法得到的每一個(gè)分段信號(hào)Us e RN>a，設(shè)定N = 60為腦電極的數(shù) 目，L = 500為采樣點(diǎn)數(shù)目，并采用Morlet復(fù)小波提取每一個(gè)分段內(nèi)的頻率特征信息用做駕駛員駕駛狀態(tài)的分析。所述的頻率特征信息是通過(guò)下述方法得到的W(s,=/{τ)ψ{—) τ ’其中ΚΟΟ =汰/c}exp{-^r},其中f。為中心頻率，取值分別為2. 5、6、10、13、21、35，fb為帶寬參數(shù)，取值分別為 2、1、2、1、3、3，綜合得到對(duì)頻率特征信息，包括12個(gè)均值，12個(gè)方差，對(duì)于60導(dǎo)聯(lián)的數(shù)據(jù)， 則每一段腦電信號(hào)總共有M * 60 = 1440個(gè)特征值，得到每一段腦電信號(hào)的一個(gè)特征值向 量 ν c Ti1440xl。所述的駕駛員駕駛狀態(tài)的分析是指根據(jù)頻率特征信息得到的特征值生成一段腦 電信號(hào)的特征值向量后，對(duì)應(yīng)得到駕駛員在清醒駕駛、疲勞駕駛和睡眠駕駛等三個(gè)駕駛狀 態(tài)的多個(gè)特征向量，即分別為 va，vd, VS，K=K，V,2，V,3，···，、]CjR1440xiv,其中1 = a, d，S, N 為每個(gè)狀態(tài)的訓(xùn)練樣本的數(shù)目，Va表示清醒狀態(tài)(alert)數(shù)據(jù)，Vd表示疲勞狀態(tài)(drowsy) 數(shù)據(jù)，Vs表示睡眠狀態(tài)(slewing)數(shù)據(jù)。第二步、疲勞駕駛檢測(cè)通過(guò)稀疏重表示的方法進(jìn)行駕駛員疲勞駕駛的檢測(cè)，判 斷得到駕駛員的駕駛狀態(tài)并輸出至控制中心進(jìn)行指令操作，具體步驟包括將駕駛員分別 在清醒駕駛、疲勞駕駛和睡眠駕駛狀態(tài)得到的腦電信號(hào)特征值Va，vd, Vs組合起來(lái)構(gòu)建一個(gè) 矩陣A = [Va, Vd, VJ^cjR1440x3",對(duì)于從駕駛員腦電信號(hào)的任意一個(gè)的數(shù)據(jù)段提取到的特 征向量、CjR1440x1, y e {a, d，s}，要根據(jù)vy預(yù)測(cè)駕駛員此刻所處的駕駛狀態(tài)可以通過(guò)求解 下列方程來(lái)得到min| χ I。滿(mǎn)足方程式Ax = Vy，其中A = [Va，Vd, Vs]，轉(zhuǎn)化I1的求解 min |x| I1滿(mǎn)足方程式Ax = Vy，其中A = [Va，Vd, Vj，并采用稀疏重表示漸變投影算法得 IlJiejR3jv ,其中Va表示清醒狀態(tài)數(shù)據(jù)，Vd表示疲勞狀態(tài)數(shù)據(jù)，Vs表示睡眠狀態(tài)數(shù)據(jù)；然后 利用 值對(duì)代表當(dāng)前駕駛員所處的駕駛狀態(tài)的特征向量Vy進(jìn)行分類(lèi)，判斷得到駕駛員的駕 駛狀態(tài)并輸出至控制中心進(jìn)行指令操作。所述的判斷得到駕駛員的駕駛狀態(tài)是指采用殘余差來(lái)度量特征列向量Vy能夠被 模板中清醒狀態(tài)、疲勞狀態(tài)和睡眠狀態(tài)中的特征列向量表達(dá)的精確程度，得到對(duì)應(yīng)駕駛狀
態(tài)；具體是指根據(jù)、〔”11|^-、|2，1 = {a，d，s}來(lái)對(duì)具有特征向量Vy所的駕駛員所處
的駕駛狀態(tài)進(jìn)行檢測(cè)，求矩陣中每一個(gè)類(lèi)別V1與系數(shù)列向量^乘積后得到的數(shù)據(jù)向量與更 新后的數(shù)據(jù)向量、的殘余差，殘余差數(shù)據(jù)越小則對(duì)應(yīng)該類(lèi)別使用I1在表達(dá)更新后的數(shù)據(jù)Vy 方面就更精確，即該更新后的數(shù)據(jù)vy判定為屬于對(duì)應(yīng)的駕駛狀態(tài)。所述的指令操作是指當(dāng)控制中心得到駕駛狀態(tài)為疲勞駕駛，則輸出駕駛員警告 信息，在警告信息未得到反饋的情況下，控制中心向汽車(chē)引擎輸出關(guān)閉引擎或停車(chē)的指令。根據(jù)以上提出的方法進(jìn)行實(shí)驗(yàn)，得到如下的實(shí)驗(yàn)結(jié)果
權(quán)利要求
1. 一種基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征在于，包括以下步驟第一步、腦電信號(hào)的預(yù)處理1.1)首先實(shí)時(shí)地采集駕駛員的腦電信號(hào)，并將腦電信號(hào)經(jīng)低通濾波以去除在腦電采集 過(guò)程中來(lái)自于肌電和眼電信號(hào)的干擾；1. 2)將采樣數(shù)據(jù)進(jìn)行分段處理，每個(gè)片段與前一個(gè)片段有50%的重復(fù)；1. 3)將采集到的每個(gè)分段的采樣數(shù)據(jù)采用獨(dú)立成份分析方法進(jìn)行分解得到由每個(gè)導(dǎo) 聯(lián)采集到的近似獨(dú)立的腦電信號(hào)；1.4)對(duì)由上述方法得到的每一個(gè)分段信號(hào)，采用Morlet復(fù)小波提取每一個(gè)分段內(nèi)的 頻率特征信息用作駕駛員駕駛狀態(tài)的分析；第二步、疲勞駕駛檢測(cè)通過(guò)稀疏重表示的方法進(jìn)行駕駛員疲勞駕駛的檢測(cè)，判斷得到 駕駛員的駕駛狀態(tài)并輸出至控制中心進(jìn)行指令操作。
2.根據(jù)權(quán)利要求1所述的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征是，所述的采 集的頻率為IOOHz/秒。
3.根據(jù)權(quán)利要求1所述的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征是，所述的低 通濾波是指采用帶寬為1-40HZ的有限長(zhǎng)低通濾波器對(duì)腦電信號(hào)進(jìn)行濾波。
4.根據(jù)權(quán)利要求1所述的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征是，所述的獨(dú) 立成份分析方法是指通過(guò)線(xiàn)性變換把混合數(shù)據(jù)或混合信號(hào)分離成多個(gè)統(tǒng)計(jì)獨(dú)立的非高斯 的信號(hào)源的線(xiàn)性組合的方法。
5.根據(jù)權(quán)利要求1或4所述的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征是，所述的 獨(dú)立成份分析方法具體步驟包括i)首先在腦電信號(hào)的預(yù)處理中對(duì)于每一個(gè)腦電極采集到的一個(gè)N維的腦電信號(hào)矢量 值X的數(shù)值是多個(gè)腦電極源信號(hào)矢量S的加權(quán)和，即X = AS,這里S為獨(dú)立的M，M < N維 的未知源信號(hào)矢量，矩陣A被稱(chēng)為加權(quán)混合矩陣，然后對(duì)X進(jìn)行線(xiàn)性變換后得到輸出向量U， 即U = WX = WAS。向量υ即是對(duì)大腦每一個(gè)區(qū)域產(chǎn)生的電位信號(hào)S的近似估計(jì)； )對(duì)直接通過(guò)電極采集到的腦電信號(hào)X可以使用獨(dú)立成份分析的方法，來(lái)得到大腦 皮層的每一個(gè)區(qū)域產(chǎn)生的源信號(hào)S的近似估計(jì)U，其中每一個(gè)分段內(nèi)的腦電信號(hào))(S是NXL 的數(shù)據(jù)，N為腦電采集帽的導(dǎo)聯(lián)數(shù)目在后面的實(shí)驗(yàn)中N = 60，L為每一個(gè)分段內(nèi)信號(hào)的采樣 數(shù)目，L = 500，則對(duì)每一個(gè)分段內(nèi)的信號(hào)求其獨(dú)立成份Us = WXs，其中W為解混合矩陣。
6.根據(jù)權(quán)利要求1所述的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征是，所述的頻 率特征信息是通過(guò)下述方法得到的 W{s, 0 = ^ J" (τ)ψ(^-) τ ,其中yOO =汰/Jexpf-,},其中f。為中心頻率，取值分別為2.5、6、10、13、21、35，fb為帶寬參數(shù)，取值分別為2、 1、2、1、3、3，綜合得到M個(gè)頻率特征信息，包括12個(gè)均值，12個(gè)方差，對(duì)于60導(dǎo)聯(lián)的數(shù)據(jù)， 則每一段腦電信號(hào)總共有M * 60 = 1440個(gè)特征值，得到每一段腦電信號(hào)的一個(gè)特征值向 量 ν c Ti1440xl。
7.根據(jù)權(quán)利要求1所述的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征是，所述的駕 駛員駕駛狀態(tài)的分析是指根據(jù)頻率特征信息得到的特征值生成一段腦電信號(hào)的特征值向 量后，對(duì)應(yīng)得到駕駛員在清醒駕駛、疲勞駕駛和睡眠駕駛等三個(gè)駕駛狀態(tài)的多個(gè)特征向量，即分別為^，^=[巧1，巧2，巧3，...，、]〔#440^,其中1 = a，d，s，N為每個(gè)狀態(tài)的訓(xùn)練樣本的數(shù)目，Va表示清醒狀態(tài)數(shù)據(jù)，Vd表示疲勞狀態(tài)數(shù)據(jù)，Vs表示睡眠狀態(tài)數(shù)據(jù)。
8.根據(jù)權(quán)利要求1所述的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征是，所述的第 二步具體是指將駕駛員分別在清醒駕駛、疲勞駕駛和睡眠駕駛狀態(tài)得到的腦電信號(hào)特征 值Va，Vd, Vs組合起來(lái)構(gòu)建一個(gè)矩陣A = [Va, Vd, VJ對(duì)于從駕駛員腦電信號(hào)的 任意一個(gè)的數(shù)據(jù)段提取到的特征向量、ci 1440xl，y e {a, d，s}，要根據(jù)vy預(yù)測(cè)駕駛員此刻 所處的駕駛狀態(tài)可以通過(guò)求解下列方程來(lái)得到min| χ Itl滿(mǎn)足方程式Ax = vy，其中A = [Va, Vd, VJ，轉(zhuǎn)化I1的求解:min |x| I1滿(mǎn)足方程式Ax = Vy，其中A = [Va, Vd, Vs]，并采用 稀疏重表示漸變投影算法得到^eii3jv ,其中Va表示清醒狀態(tài)數(shù)據(jù)，Vd表示疲勞狀態(tài)數(shù)據(jù)， Vs表示睡眠狀態(tài)數(shù)據(jù)；然后利用^值對(duì)代表當(dāng)前駕駛員所處的駕駛狀態(tài)的特征向量Vy進(jìn)行 分類(lèi)，判斷得到駕駛員的駕駛狀態(tài)并輸出至控制中心進(jìn)行指令操作。
9.根據(jù)權(quán)利要求8所述的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征是，所述的判 斷得到駕駛員的駕駛狀態(tài)是指采用殘余差來(lái)度量特征列向量vy能夠被模板中清醒狀態(tài)、 疲勞狀態(tài)和睡眠狀態(tài)中的特征列向量表達(dá)的精確程度，得到對(duì)應(yīng)駕駛狀態(tài)；具體是指根據(jù)、cm^lf^-v^k，1 = {a, d，s}來(lái)對(duì)具有特征向量vy所的駕駛員所處的駕駛狀態(tài)進(jìn)行檢測(cè)，求矩陣中每一個(gè)類(lèi)別V1與系數(shù)列向量^乘積后得到的數(shù)據(jù)向量與更新后的數(shù)據(jù)向量 vy的殘余差，殘余差數(shù)據(jù)越小則對(duì)應(yīng)該類(lèi)別使用I1在表達(dá)更新后的數(shù)據(jù)Vy方面就更精確， 即該更新后的數(shù)據(jù)vy判定為屬于對(duì)應(yīng)的駕駛狀態(tài)。
10.根據(jù)權(quán)利要求8所述的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，其特征是，所述的指 令操作是指當(dāng)控制中心得到駕駛狀態(tài)為疲勞駕駛，則輸出駕駛員警告信息，在警告信息未 得到反饋的情況下，控制中心向汽車(chē)引擎輸出關(guān)閉引擎或停車(chē)的指令。
全文摘要
一種信號(hào)檢測(cè)技術(shù)領(lǐng)域的基于稀疏重表示的腦電信號(hào)檢測(cè)方法，采用小波變換來(lái)提取與駕駛員的疲勞駕駛狀態(tài)有關(guān)的腦電信號(hào)的頻率特征信息，構(gòu)建一個(gè)模板矩陣，對(duì)于任意外來(lái)的腦電信號(hào)序列，通過(guò)求解模板矩陣用來(lái)構(gòu)建外來(lái)序列的稀疏解來(lái)實(shí)現(xiàn)對(duì)駕駛員處于不同駕駛狀態(tài)的腦電信號(hào)進(jìn)行分類(lèi)的工作。本發(fā)明通過(guò)對(duì)駕駛員的不同駕駛狀態(tài)的腦電信號(hào)頻率能量進(jìn)行分析可以有效判斷出駕駛員當(dāng)前是處于清醒狀態(tài)、疲勞駕駛狀態(tài)還是已經(jīng)處于睡眠狀態(tài)。
文檔編號(hào)A61B5/0476GK102133100SQ201110051448
公開(kāi)日2011年7月27日 申請(qǐng)日期2011年3月4日 優(yōu)先權(quán)日2011年3月4日
發(fā)明者于宏斌, 任慶生, 劉宏軍, 盧宏濤 申請(qǐng)人:上海交通大學(xué)