专利名称：用于驾车司机警觉度测定的脑电信号识别检测方法警觉度指人集中精力执行一项操作任务时所表现出的灵敏程度，包括对疲劳和瞌 睡状态的度量。许多人机交互系统需要操作人员保持一定的警觉度。一些特殊的工作，如 空中管制中心的管制员、飞行员和高速公路上的长途客车驾驶员，都需要保持很高的警觉 度。对人的警觉度进行精确估计以及实时监测，是人机交互系统研究中的一项非常重要的 课题，尤其司机长时间驾驶后将产生疲劳和警觉度下降，通过警觉度分析可以有效判断司 机的疲劳程度，防止交通事故的发生。在以往研究警觉度和睡眠程度中，眼电信号是被广泛采用的识别信号。因为在不 同睡眠阶段眼睛转动的频率不同，所以可以根据眼电信号来判断睡眠的阶段。除此以外， 根据体温和血液中褪黑激素浓度等参数的变化，也可以在一定程度上对人的警觉度进行估 计。随着计算机视觉、图像处理、模式识别以及机器学习的发展，人的面部视频信息也越来 越多地被用于警觉度估计。比如面部表情，肢体动作或者瞳孔活动等特征都可以用来判断 警觉度水平。面部表情呆滞，眨眼频率下降，打哈欠，操作频度下降，反映变得迟缓或者出现 错误都可以用来判断人的警觉度下降。但是脑电信号的变化通常先于人的面部表情变化和 肢体动作而变化，因此脑电信号能更及时更准确的反映人的警觉度状态。随着脑电分析技 术的日益进步，脑电越来越能够担当警觉度分析的重任。基于脑电的警觉度估计方法通常分为三个步骤。首先通过脑电采集装置采集人的 脑电信号并进行量化处理。由于脑电信号比较微弱，通常需要高倍放大处理，于是在信号采 集过程中经常会带有工频干扰和信号漂移现象。另外眼电和肌电等伪迹也会混在脑电信号 中，对判断警觉度产生了干扰。因此在脑电采集过程中通常要进行滤波，去漂移和去除心 电、眼电等伪迹，以得到真实的脑电信号。基于脑电的警觉度分析的第二步是在处理过后的脑电信号中，有目的的选择对区 别警觉度最有价值的特征。这些特征通常包括脑电信号各频段所占的能量变化，各个脑区 脑电能量的变化以及脑电信号节律变化和各种时域信号中的非线性参数等。如果脑电信 号中夹杂有眼电和心电的话，在某些情况下这些信号的特征也可以用来辅助判断人的警觉 度。脑电信号上选取的特征通常对于最后的结果有较大的影响，为了得到更多的信息通常 会选用很多导联对脑电信号进行采集，这就造成了用于警觉度识别的脑电信号的特征维数 通常非常高，这给后期的运算和警觉度判别的实时性产生了负面影响。为了得到人脑的警觉度水平情况，基于脑电的警觉 度分析的最后一步是通过专家 系统、统计分析或者机器学习等方法来对人脑所处的警觉度状态进行分析和估计。这时有 很多方法可以选择，稳定、准确和较小运算代价是本阶段重要的考虑因素。按睡眠理论人脑状态可分为觉醒与睡眠两种状态，为具体区别人脑从警觉到睡眠中间的状态转变，又可以把觉醒状态再细化分成警觉和轻度瞌睡两种状态，这样警觉度水 平就可以分为警觉、轻度瞌睡和瞌睡三种状态。识别三种状态中的轻度瞌睡状态并通过某 种手段实施预警可以有效防止人脑进入睡眠状态。
本发明针对现有技术存在的上述不足，提供一种用于驾车司机警觉度测定的脑电 信号识别检测方法，通过脑电信号识别人脑进入瞌睡之前的轻度瞌睡状态，来预测并防止 警觉度的进一步下降。该方法有效地减少了警觉度分类阶段所处理的脑电特征数据，以较 高的准确率识别出轻度瞌睡状态，并且可以在一定程度上克服信号采集阶段的干扰。本发明是通过以下技术方案实现的，本发明包括以下步骤第一步、对每个采集电极采集到的脑电信号进行预处理并进行短时傅里叶变换， 得到测试段频域序列；所述的预处理过程是指对采集到的脑电信号使用带通为1至40Hz的有限冲击响 应滤波器进行滤波，以去除50Hz的工频干扰和直流干扰，并剔除能量幅度异常的信号段， 然后以5秒为一个时间单位将脑电信号分割为若干个测试段。所述的能量幅度异常是指波幅超过正常波幅10倍以上的脑电波信号。第二步、将每个测试段频域序列依据频率分为5个频段，分别是δ段，即1-4ΗΖ， θ段，即4-8Ηζ，α段，即8-13Ηζ，β段，即13_20Ηζ和γ段，即20_40Ηζ，并在上述每个频 段中根据短时傅里叶变换得到的测试段频域序列的系数分别计算4种特征值；所述的4种特征值是指能量比例、能量方差、平均频率和频率方差。第三步、通过计算特征值与所标定警觉度状态的互信息之间的最大相关度和特征 值之间的最小冗余度来进行排序，得到特征值子集，并特征值子集使用前向搜索进行再次 排序，选出相互之间冗余度最小的150个特征；所述的特征与结果之间的最大相关度是指每种特征与所标定警觉度状态的互信 息为特征与结果的相关度，选取特征时选择与结果相关度最大的特征作为最终分类特征。所述的特征之间的最小冗余度是指每种特征与其他特征之间的互信息作为特征 之间的冗余度，选取特征时选择冗余度最小的特征作为最终分类特征。所述的最大相关度以及所述的最小冗余度通过以下方式获得对于第i个脑电信 号特征向量Xi与当前时间段人脑所处的状态C之间的互信息是I (Xi ；C)，则在特征子集Sm 和状态c之间的冗余为一种信息处理技术领域的用于驾车司机警觉度测定的脑电信号识别检测方法，通过将脑电信号的测试段频域序列分频段计算最大相关度和特征值之间的最小冗余度后，采用基于高斯核的支持向量机方法通过对每段时间所处的警觉度状态进行分类，实现轻度瞌睡识别。本发明通过脑电信号识别人脑进入瞌睡之前的轻度瞌睡状态，来预测并防止警觉度的进一步下降。该方法有效地减少了警觉度分类阶段所处理的脑电特征数据，以较高的准确率识别出轻度瞌睡状态，并且可以在一定程度上克服信号采集阶段的干扰。