基于腦電信息的駕駛?cè)司X度監(jiān)測系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本實(shí)用新型設(shè)及駕駛員警覺度狀態(tài)監(jiān)測技術(shù)領(lǐng)域，特別設(shè)及一種基于腦電信息的 駕駛?cè)司X度狀態(tài)監(jiān)測系統(tǒng)。
【背景技術(shù)】
[0002] 20世紀(jì)90年代開始，陸續(xù)有科研機(jī)構(gòu)及公司設(shè)足駕駛?cè)司X度的研究當(dāng)中。在 現(xiàn)階段常用的技術(shù)包括在基于表情特征的警覺度監(jiān)測技術(shù)、基于駕駛行為的警覺度監(jiān)測技 術(shù)、基于生理特征參數(shù)的警覺度監(jiān)測技術(shù)。
[0003] 基于駕駛?cè)搜鄄刻卣鞯木X度監(jiān)測方法仍然應(yīng)用最廣，其憑借無需接觸人體，使 用方便等優(yōu)點(diǎn)，得到了很好的推廣。但該技術(shù)因?yàn)榇嬖谝资墉h(huán)境的亮度、被試人員頭部的位 置、面部運(yùn)動(dòng)問題，警覺度估計(jì)精度較低。此外，近視人群在駕駛?cè)说谋壤鹉暝黾樱S多非 近視駕駛?cè)艘灿信宕髌庋坨R的習(xí)慣，由于眼鏡對(duì)光線遮擋的影響，使得該技術(shù)測得的警 覺度精度大大的降低。
[0004] 基于駕駛行為的技術(shù)，簡單、方便，不需要更多的數(shù)據(jù)分析，比較直觀，但是隨著經(jīng) 濟(jì)的發(fā)展，汽車的需求量越來越大，越來越多的人考駕照，在短時(shí)間內(nèi)駕照就可W拿到手。 駕駛?cè)肆己玫鸟{駛行為不可能在短時(shí)間內(nèi)養(yǎng)成，由此導(dǎo)致基于駕駛行為的技術(shù)會(huì)因?yàn)轳{駛 人的不良駕駛行為而產(chǎn)生錯(cuò)誤的判斷信息。 陽0化]基于腦電邸G的技術(shù)能夠最為客觀、準(zhǔn)確、實(shí)時(shí)地獲得駕駛?cè)说木X度狀態(tài)，在駕 駛疲勞監(jiān)測領(lǐng)域展現(xiàn)出了巨大的潛力，能夠有效地減少交通事故的發(fā)生。但是，對(duì)于一些具 有由腦電信息異常引起的疾病的駕駛?cè)藖碚f，就會(huì)對(duì)數(shù)據(jù)產(chǎn)生很大的影響，可能會(huì)造成交 通事故。 【實(shí)用新型內(nèi)容】
[0006] 本實(shí)用新型的目的是克服現(xiàn)有技術(shù)中腦電信息容易受到干擾的缺陷，提供了一種 基于腦電信息的駕駛?cè)司X度狀態(tài)監(jiān)測系統(tǒng)，能夠準(zhǔn)確的監(jiān)測出駕駛?cè)司X度狀態(tài)。
[0007] 本實(shí)用新型提供的技術(shù)方案為：
[0008] 一種基于腦電信息的駕駛?cè)司X度監(jiān)測系統(tǒng)，其特征在于，
[0009] 腦電波傳感器，其用于采集駕駛?cè)嗽寄X電信號(hào)；
[0010] 移動(dòng)終端，其用于接收所述腦電波傳感器采集的原始腦電信號(hào)；
[0011] 檢測控制系統(tǒng)，其集成于所述移動(dòng)終端上，根據(jù)腦電波傳感器采集的腦電數(shù)據(jù)，分 析計(jì)算駕駛?cè)说木X度。
[0012] 優(yōu)選的是，所述腦電波傳感器與移動(dòng)終端通過無線方式進(jìn)行數(shù)據(jù)傳輸。
[0013] 優(yōu)選的是，所述腦電波傳感器與移動(dòng)終端通過GPRS進(jìn)行數(shù)據(jù)傳輸。
[0014] 優(yōu)選的是，所述移動(dòng)終端采用安卓系統(tǒng)或者ios系統(tǒng)。
[0015] 優(yōu)選的是，所述腦電波傳感器探測電極放置于被測駕駛?cè)藛T左腦前額的位置。
[0016] 優(yōu)選的是，所述腦電波傳感器參考電極設(shè)置于被測駕駛?cè)藛T左耳垂處。
[0017] 優(yōu)選的是，所述移動(dòng)終端接收檢測控制系統(tǒng)傳輸?shù)木X度信息，并且在移動(dòng)終端 上實(shí)時(shí)顯示警覺度狀態(tài)。
[0018] 本實(shí)用新型的有益效果是：
[0019] 本實(shí)用新型提供的基于腦電信息的駕駛?cè)司X度狀態(tài)監(jiān)測系統(tǒng)能夠最為客觀、準(zhǔn) 確地獲得駕駛?cè)说木X度狀態(tài)，在駕駛疲勞監(jiān)測領(lǐng)域展現(xiàn)出了巨大的潛力。本實(shí)用新型提 供的基于腦電信息的駕駛?cè)司X度狀態(tài)監(jiān)測系統(tǒng)，可直接利用手機(jī)創(chuàng)建系統(tǒng)直接控制設(shè) 備，較W往需要單獨(dú)監(jiān)測裝置更加方便使用。設(shè)備通過藍(lán)牙等無線方式交換信息，便于使 用。同時(shí)設(shè)備可穿戴，使用設(shè)備時(shí)可直接戴于頭部，使用便捷。
【附圖說明】
[0020] 圖1為本實(shí)用新型所述的基于腦電信息的駕駛?cè)司X度狀態(tài)監(jiān)測方法流程圖。
[0021] 圖2為本實(shí)用新型所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解的腦電去偽跡方法流程圖。
[0022] 圖3為本實(shí)用新型所述的基于腦電信息的駕駛?cè)司X度狀態(tài)監(jiān)測系統(tǒng)結(jié)構(gòu)示意 圖。
【具體實(shí)施方式】
[0023] 下面結(jié)合附圖對(duì)本實(shí)用新型做進(jìn)一步的詳細(xì)說明，W令本領(lǐng)域技術(shù)人員參照說明 書文字能夠據(jù)W實(shí)施。
[0024] 如圖1所示，本實(shí)用新型提供了一種基于腦電信息的駕駛?cè)司X度狀態(tài)監(jiān)測方 法，包括W下步驟：
[00巧]步驟一S110 :使用腦電波傳感器測量駕駛?cè)藛T在整個(gè)駕駛過程中的原始腦電信 號(hào)。
[00%] 步驟二S120 :對(duì)步驟一中采集到的原始腦電信號(hào)進(jìn)行降噪去偽跡處理。
[0027]由于腦電信號(hào)十分微弱，在采集和傳輸過程中容易受到來自人體內(nèi)部和外部的干 擾。干擾信號(hào)可能嚴(yán)重降低所采集到的腦電信號(hào)的信噪比，引發(fā)信號(hào)失真，使得采集到的信 號(hào)不可靠。通過降噪去偽跡處理可提高腦電信號(hào)的可靠性。 陽02引步驟SS130 :提取警覺度狀態(tài)相關(guān)特征。
[0029] 腦電信息中與警覺度狀態(tài)有關(guān)的主要特征有時(shí)域特征、頻譜特性、復(fù)雜度特征。不 同特征對(duì)于警覺度狀態(tài)的表征能力不同，計(jì)算復(fù)雜度不同，抗干擾能力不同。
[0030] 步驟四S140 :過濾警覺度相關(guān)特征。
[0031] 腦電信號(hào)中并不是所有電位的變化都由警覺度狀態(tài)變化引起，即存在很多與警覺 度狀態(tài)無關(guān)的信號(hào)。直接提取的原始腦電警覺度特征因?yàn)槭艿脚c警覺度狀態(tài)無關(guān)的腦電信 號(hào)影響，波動(dòng)較大。即使駕駛?cè)颂幱谕粋€(gè)警覺度狀態(tài)，原始腦電警覺度特征也十分不穩(wěn) 定。因此要對(duì)提取的原始腦電警覺度特征進(jìn)行必要的平滑處理。 陽0巧步驟五S150 :警覺的狀態(tài)估計(jì)。
[0033] 現(xiàn)有的警覺度狀態(tài)估計(jì)方法有：線性判別模型，線性回歸模型，人工神經(jīng)網(wǎng)絡(luò)模 型，支持向量機(jī)等。其中線性模型訓(xùn)練過程簡單，結(jié)果穩(wěn)定，但警覺度估計(jì)的精度較差。非 線性的估計(jì)方法警覺度估計(jì)的精度較高，但也存在著不足。人工神經(jīng)網(wǎng)絡(luò)模型在不同的訓(xùn) 練中模型參數(shù)不穩(wěn)定，導(dǎo)致得到的警覺度估計(jì)也不穩(wěn)定，并且神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)置也是一 個(gè)很難的課題；而支持向量機(jī)模型在數(shù)據(jù)規(guī)模較大的時(shí)候訓(xùn)練速度較慢。
[0034] 另外，在警覺度狀態(tài)的估計(jì)中，模型訓(xùn)練過程需要大量有警覺度狀態(tài)標(biāo)注信息的 腦電數(shù)據(jù)。
[0035] 在步驟一S110中，使用腦電波傳感器測量駕駛?cè)藛T的原始腦電數(shù)據(jù)。
[0036] 腦電波傳感器通過傳感器上內(nèi)置忍片計(jì)算出原始腦電信號(hào)值，W串行數(shù)據(jù)流的形 式通過藍(lán)牙串行協(xié)議進(jìn)行傳輸，傳輸速度為9600bps。傳感器內(nèi)置忍片計(jì)算出的原始腦電 信號(hào)值是包含兩個(gè)字節(jié)化yte)的整數(shù)，所W腦電信號(hào)值的大小范圍是從-32768到32767。 由原始腦電信號(hào)值轉(zhuǎn)化為W伏特（V)為單位的電壓值可根據(jù)W下公式：
[0037]
陽038]其中，Voltage為轉(zhuǎn)化為電壓的腦電信號(hào)，rawValue為原始腦電數(shù)據(jù)。
[0039] 在步驟二S120中，采用基于經(jīng)驗(yàn)?zāi)B(tài)分解的腦電去偽跡方法，對(duì)步驟一中采集 的腦電信息進(jìn)行去降噪偽跡處理。首先對(duì)腦電信息時(shí)序信號(hào)分解為若干個(gè)固有模態(tài)函數(shù) IMF(IntrinsicMode化nction)，再對(duì)每個(gè)IMF進(jìn)行希爾伯特變換，得到時(shí)頻平面上的能量 分布圖，由此分析信號(hào)的時(shí)頻特征。
[0040] 在腦電信號(hào)的降噪去偽跡階段，可W利用經(jīng)驗(yàn)?zāi)B(tài)分解，能夠?qū)Ψ蔷€性、非平穩(wěn)信 號(hào)進(jìn)行時(shí)頻分解的優(yōu)勢，在頻域?qū)⒂涗浀降哪X電信號(hào)分解為不同的IMF,根據(jù)信號(hào)和噪音所 占IMF的不同進(jìn)行降噪。
[0041] 經(jīng)驗(yàn)?zāi)B(tài)分解可W將任何復(fù)雜信號(hào)的數(shù)據(jù)分解若干個(gè)IMF之和。對(duì)于IMF有W下 兩個(gè)約束條件：1)在整個(gè)數(shù)據(jù)序列中，極值點(diǎn)的數(shù)目與過零點(diǎn)的數(shù)目相等或至多相差1 ;2) 在整個(gè)波形曲線中，由局部極大值點(diǎn)和局部極小值點(diǎn)分別定義的包絡(luò)線均值為0。
[0042] 采集的腦電時(shí)序信號(hào)為b(t，X)，它可W分解為：
[0043] b(t,x) =s(t,x)+c(t,x)+n(t,x) W44] 其中：s(t，X)是無干擾和偽跡的腦電f目號(hào)；c(t，X)是相干干擾；n(t，X)是隨機(jī)噪 聲。
[0045] 變換到頻率域?yàn)椋?br>[0046] B(f，X)=S(f，X)+C(f，X)+N(f，X)。
[0047] 如圖2所示，在f-x域?qū)δX波信號(hào)B江，X)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解EMD去噪的主要步驟 如下： W48]a、S121 :設(shè)置處理頻域范圍化，f2]，初始頻率f=fi，頻率步長Δf。
[0049] b、S122 :對(duì)于頻率f，設(shè)置初始空間采樣數(shù)據(jù)Bi化X) =B化X)。
[0050] C、S123 :計(jì)算Bi化X)額所有極大值和極小值，計(jì)算極大值包絡(luò)線Emgx化X)極小 值包絡(luò)線Emm(f，X)。
[0051] d、S124 :計(jì)算平均包絡(luò)線E(f，X)=圧max化X)+Emin(f，X)]/2。
[0052]e、S125:用原始數(shù)據(jù)減去平均包絡(luò)線數(shù)據(jù)得Bi化X) =Bi化X)-E(f，X)。 陽化引 f、S126 :判斷Bi化X)是否是固有模態(tài)函數(shù)IMF,若不是進(jìn)行步驟CS123。
[0054]g、S127 :記錄該次IMF分量IMFi(f，x)=Bi化X)，