一種基于前額腦電信號的腦力負荷在線檢測方法
【專利摘要】本發(fā)明公開了一種基于前額腦電信號的腦力負荷在線檢測方法，所述方法包括以下步驟：采用銀/氯化銀電極作為傳感器采集前額腦電信號；采用腦電放大器對前額腦電信號進行放大、濾波處理，隨后進行數(shù)據(jù)預(yù)處理，獲取到處理后前額腦電信號；編寫刺激任務(wù)為n-back；從處理后前額腦電信號中提取小波多尺度熵特征；通過支持向量機對小波多尺度熵特征進行模式識別，得到的結(jié)果即為該數(shù)據(jù)的腦力負荷等級以及識別正確率。該項發(fā)明的實驗過程在前額上進行，避免了使用前后洗頭的必要，方便操作的同時，也避免了頭發(fā)及頭皮對信號采集的影響。該項發(fā)明可有效地提高腦力負荷檢測系統(tǒng)準確性和簡便性，并獲得可觀的社會效益和經(jīng)濟效益。
【專利說明】一種基于前額腦電信號的腦力負荷在線檢測方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及腦力負荷檢測領(lǐng)域，特別涉及一種基于前額腦電信號的腦力負荷在線檢測方法。
【背景技術(shù)】
[0002]近年來，隨著信息技術(shù)的飛速發(fā)展，在操作任務(wù)中人的腦力負荷程度不斷加大，腦力負荷已成為系統(tǒng)設(shè)計中必須考慮的重要課題，其檢測技術(shù)引起廣泛的關(guān)注。腦力負荷，指作業(yè)人員為達到業(yè)績標準而付出的注意力大小，其涉及到完成某項任務(wù)時的工作要求、時間壓力、作業(yè)人員的能力和努力程度，以及任務(wù)不順利時的挫折感等。
[0003]由定義可知，腦力負荷是一個多維的概念，目前腦力負荷測量的方法主要有如下4類:(1)主觀測量法:該方法要求操作者陳述特定操作過程中的腦力負荷體驗，或根據(jù)腦力負荷體驗對操作活動進行難度順序的排列，通常要給出一些定義和規(guī)則以指導(dǎo)操作人員的評估；(2)主任務(wù)測量法:通過測量主任務(wù)操作績效來評估操作者的腦力負荷大小，常用績效指標有執(zhí)行速度、準確率、反應(yīng)時和錯誤率等；(3)次任務(wù)測量法:該方法指操作人員被要求同時做兩件工作，操作人員把主要精力放在主任務(wù)上，當他有多余的能力時，盡量做輔助任務(wù)。常用的輔任務(wù)有選擇反應(yīng)、追蹤任務(wù)、監(jiān)視、記憶、數(shù)字計算、時間估計等；(4)生理學測量法:通過測量操作者的某些生理指標的變化來反映其腦力負荷的變化。主觀測量法簡單無干擾，但由于易受個體特征、認知策略以及個體的心理和生理狀況等多種因素影響，其評定結(jié)果容易出現(xiàn)較大的偏差；任務(wù)測量法效度較高，但任務(wù)績效與腦力負荷的關(guān)系不一定是簡單的線性關(guān)系；由于生理參數(shù)的客觀、實時性，因此生理學測量法是在線檢測腦力負荷的首選方法。
[0004]腦電(EEG)是腦神經(jīng)細胞的電生理活動在大腦皮層或頭皮表面表現(xiàn)出的電現(xiàn)象，它包含了豐富能夠反映生理、心理狀態(tài)的信息，其節(jié)律隨著精神狀態(tài)的變化而不斷改變，不同的腦力負荷程度會使腦電信號產(chǎn)生不同的變化。因此，根據(jù)腦電信號的變化，可推測大腦活動的功能狀態(tài)，從而檢測出特定任務(wù)的腦力負荷強度。實際腦電信號中都包含有趨勢、突變、事件的開始與結(jié)束等特征，這些變化中蘊含著非常重要的信息，腦電信號可以看作是發(fā)生在不同時間尺度上不同結(jié)構(gòu)的重疊結(jié)果。
[0005]傳統(tǒng)的腦電信號采集方法需要配備多導(dǎo)聯(lián)電極帽，實驗時需要打?qū)щ姼?，操作較復(fù)雜，并且給受試者帶來不適，影響了其操作績效的發(fā)揮，這些均為腦力負荷在線檢測方法與儀器的研發(fā)帶來了挑戰(zhàn)。

【發(fā)明內(nèi)容】

[0006]本發(fā)明提供了一種基于前額腦電信號的腦力負荷在線檢測方法，本發(fā)明只需要采集人頭部前額的兩導(dǎo)腦電信號，簡化了操作，通過采集前額腦電，結(jié)合小波多尺度熵及支持向量機，提高了腦力負荷分類正確率，詳見下文描述:
[0007]—種基于前額腦電信號的腦力負荷在線檢測方法，所述方法包括以下步驟:[0008](I)采用銀/氯化銀電極作為傳感器采集前額腦電信號；
[0009](2)采用腦電放大器對前額腦電信號進行放大、濾波處理，隨后進行數(shù)據(jù)預(yù)處理，獲取到處理后前額腦電信號；
[0010](3)編寫刺激任務(wù)為n-back ；
[0011](4)從處理后前額腦電信號中提取小波多尺度熵特征；
[0012](5)通過支持向量機對小波多尺度熵特征進行模式識別，得到的結(jié)果即為該數(shù)據(jù)的腦力負荷等級以及識別正確率。 [0013]所述采用銀/氯化銀電極作為傳感器采集前額腦電信號的操作為:
[0014]在前額設(shè)置有兩導(dǎo)采集電極，在左右耳設(shè)置兩導(dǎo)參考電極，兩導(dǎo)參考電極作為接地端輸入放大器，前額腦電信號采集使用單極導(dǎo)聯(lián)方式。
[0015]所述從處理后前額腦電信號中提取小波多尺度熵特征的操作為:
[0016]I)采用小波分解，將前額腦電信號進行8個尺度的信號分解與重構(gòu)；
[0017]2)對于給定的t個點的重構(gòu)后前額腦電信號X(t)將其表示為序列{X(i)}，將序列{X(i)l按順序組成m維矢量，即Xm(i) = [X⑴，X(i+1)，…，X(i+m-l)]；
[0018]3)計算矢量Xm⑴與其余矢量Xm(j)之間的距離d[Xm⑴，Xm(j)]；
[0019]4)給定一個相似容限r(nóng)值，對每一個i值統(tǒng)計(1?111(1)3111(」)]〈1.的數(shù)目，以及此
數(shù)目與總的距離數(shù)目t-m-1的比值
[0020]5)求對所有i值的平均值Bni(r)；
[0021]6)增加維數(shù)為m+1，構(gòu)造m+1維矢量，重復(fù)步驟I )_4)的操作，得到i?/+1(r)對所有i值的平均值Bm+1 (r)；
[0022]7)前額腦電信號的樣本熵為:SampEn (m, r)=-ln[Bm+1 (r)/Bm(r)]。
[0023]本發(fā)明提供的技術(shù)方案的有益效果是:本發(fā)明只需要采集人頭部前額的兩導(dǎo)腦電，操作方便、快捷，不影響操作者正常操作，為腦力負荷的在線檢測提供了便捷。通過采集前額腦電，結(jié)合小波多尺度熵及支持向量機，得到較高的腦力負荷分類正確率。該項發(fā)明的實驗過程在前額上進行，避免了使用前后洗頭的必要，方便操作的同時，也避免了頭發(fā)及頭皮對信號采集的影響。同時，小波多尺度熵可從多個角度表征出腦電信號的復(fù)雜度，從而提高腦力負荷檢測正確率。該項發(fā)明可有效地提高腦力負荷檢測系統(tǒng)準確性和簡便性，并獲得可觀的社會效益和經(jīng)濟效益。
【專利附圖】

【附圖說明】
[0024]圖1為本發(fā)明采用的實驗裝置的示意圖；
[0025]圖2為本方法的檢測的流程圖；
[0026]圖3為刺激任務(wù)的示意圖；
[0027]圖4為刺激界面的示意圖；
[0028]圖5為小波分解示意圖。
【具體實施方式】
[0029]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。
[0030]參見圖1和圖2，區(qū)別于經(jīng)典的腦電分析方法，本方法通過計算腦電的小波多尺度信息熵，它結(jié)合小波變換與信息熵的優(yōu)點，可以表征出EEG序列的復(fù)雜度，從而獲得較高的分類正確率，詳見下文描述:
[0031]101:采用銀/氯化銀電極作為傳感器采集前額腦電信號；
[0032]它是一種非侵入式電極，抗干擾能力強，可以保證慢電位的可靠記錄。電極安放位置見圖1中的黑色矩形框所示，分別為前額兩導(dǎo)采集電極與左右耳兩導(dǎo)參考電極，同時后者也作為接地端輸入放大器。腦電信號采集使用單極導(dǎo)聯(lián)方式(該采集方式為本領(lǐng)域技術(shù)人員所公知，本發(fā)明實施例對此不做贅述)，優(yōu)點在于每個導(dǎo)聯(lián)記錄的是電極所在頭皮電位活動的絕對值，便于后期信號處理。
[0033]102:采用腦電放大器對前額腦電信號進行放大、濾波處理，隨后進行數(shù)據(jù)預(yù)處理，獲取到處理后前額腦電信號；
[0034]人體的腦電信號幅度比較小且容易摻雜噪聲，需要進行放大和濾波處理。腦電放大器采用Neuroscan公司研制的電生理放大器NuAmp，其采用集成可編程軟件，可將采集到的腦電數(shù)據(jù)放大，以便后 續(xù)處理。
[0035]其中，數(shù)據(jù)預(yù)處理包括降采樣、帶通濾波及去眼電三步，具體處理方法與參數(shù)設(shè)置為本領(lǐng)域技術(shù)人員所公知，本發(fā)明實施例對此不做贅述。
[0036]103:編寫刺激任務(wù)為n-back ；
[0037]在硬件系統(tǒng)搭建完成后，就要完善硬件系統(tǒng)的軟支持，也就是實驗方案及采集程序。刺激界面程序由E-Prime軟件[1]編寫，參見圖3和圖4，刺激任務(wù)為n_back，具體操作內(nèi)容為:26個字母隨機的出現(xiàn)在屏幕中央，操作者需將當前所呈現(xiàn)字母與倒數(shù)第η個字母進行比較，若相同，則按“一”鍵，不同按“一”鍵。操作中，η依次取0、1、2、3，即四個腦力負荷等級，每個負荷等級隨機出現(xiàn)。每一負荷等級包括60個試次(Trials)(表示一次刺激)，在每個Trial中，字母呈現(xiàn)0.5s,間隔3s，即每一等級刺激時間為3.5min，整個任務(wù)總計14min，中間會根據(jù)不同被試的需要給予休息時間，以消除腦力疲勞帶來的影響。
[0038]其中，步驟103與步驟101與步驟102的執(zhí)行順序不做限制，即可以先執(zhí)行步驟103，在依次執(zhí)行步驟101和102 ;或，步驟103與步驟101同時執(zhí)行后，再執(zhí)行步驟102 ;或按照目前實施例撰寫的順序進行。
[0039]104:從處理后前額腦電信號中提取小波多尺度熵特征；
[0040]腦電信號[2]中包含有趨勢、突變、事件的開始與結(jié)束等特征，這些變化中蘊含著非常重要的信息。經(jīng)典的腦電分析認為EEG信號是由許多本質(zhì)的振蕩頻率成分組成，如α波和β波等，當然還有噪聲成分疊加在其中，EEG信號可以看作是發(fā)生在不同時間尺度上不同結(jié)構(gòu)的重疊的結(jié)果。
[0041]小波多尺度熵[3](wavelet entropy, WE)是在小波變換(wavelat transform, WT)的基礎(chǔ)上發(fā)展起來的信息熵，小波變換工作于一個多尺度的基礎(chǔ)上，結(jié)合小波變換與信息熵的優(yōu)點，可以表征出EEG序列的復(fù)雜度。
[0042]本方法中小波多尺度熵值的計算分為兩步，首先是小波分解，然后是每個分解尺度下的樣本熵計算。下述的計算步驟均以一個尺度下的腦電信號為例進行說明，其他尺度的腦電信號以此類推，本發(fā)明實施例對此不做贅述)，參見圖5，首先對處理后前額腦電信號進行小波分解，由于要分析的腦電信號有用信息在0-50HZ之間，所以選擇小波分解層數(shù)為7，得到8個尺度下的腦電信號。如圖5所示，尺度為I時，將信號分解為低頻成分cAl與高頻成分cDl，尺度為2時，再將低頻成分cAl分解為次低頻成分cA2與次高頻成分cD2，依次類推，得出8個尺度下的腦電信號，具體分解計算步驟如下:
[0043]當處理后前額腦電信號X(t)通過小波分解到第j分辨層后得到2n_l個等帶寬的
子空間。在子空間G—1的子信號f⑴能夠重構(gòu)成:
[0044]
【權(quán)利要求】
1.一種基于前額腦電信號的腦力負荷在線檢測方法，其特征在于，所述方法包括以下步驟: (1)采用銀/氯化銀電極作為傳感器采集前額腦電信號； (2)采用腦電放大器對前額腦電信號進行放大、濾波處理，隨后進行數(shù)據(jù)預(yù)處理，獲取到處理后前額腦電信號； (3)編寫刺激任務(wù)為n-back； (4)從處理后前額腦電信號中提取小波多尺度熵特征； (5)通過支持向量機對小波多尺度熵特征進行模式識別，得到的結(jié)果即為該數(shù)據(jù)的腦力負荷等級以及識別正確率。
2.根據(jù)權(quán)利要求1所述的一種基于前額腦電信號的腦力負荷在線檢測方法，其特征在于，所述采用銀/氯化銀電極作為傳感器采集前額腦電信號的操作為: 在前額設(shè)置有兩導(dǎo)采集電極，在左右耳設(shè)置兩導(dǎo)參考電極，兩導(dǎo)參考電極作為接地端輸入放大器，前額腦電信號采集使用單極導(dǎo)聯(lián)方式。
3.根據(jù)權(quán)利要求1所述的一種基于前額腦電信號的腦力負荷在線檢測方法，其特征在于，所述從處理后前額腦電信號中提取小波多尺度熵特征的操作為: 1)采用小波分解，將前額腦電信號進行8個尺度的信號分解與重構(gòu)； 2)對于給定的t個點的重構(gòu)后前額腦電信號X(t)將其表示為序列{X(i)}，將序列{X(i)l 按順序組成 m 維矢量，即 Xm(i) = [X⑴，X(i+1)，…，X(i+m-l)]；` 3)計算矢量Xm(i)與其余矢量Xm(j)之間的距離d[Xm(i)，Xm(j)]；4)給定一個相似容限r(nóng)值，對每一個i值統(tǒng)計d[Xm⑴，Xm(j)] <r的數(shù)目，以及此數(shù)目與總的距離數(shù)目t-m-1的比值 5)求(r)對所有i值的平均值Bm(r)；6)增加維數(shù)為m+1，構(gòu)造m+1維矢量，重復(fù)步驟I)_4)的操作，得到Wf+1(r)對所有i值的平均值曠七)； 7)前額腦電信號的樣本熵為:SampEn(m, r) =_ln [Bm+1 (r)/Bm (r)]。
【文檔編號】A61B5/00GK103610447SQ201310653737
【公開日】2014年3月5日 申請日期:2013年12月4日 優(yōu)先權(quán)日:2013年12月4日
【發(fā)明者】明東, 李南南, 王坤, 柯余峰, 綦宏志, 周鵬, 張力新, 趙欣, 萬柏坤 申請人:天津大學