一种基于脑电信号的疲劳监测方法及装置制造方法及图纸

本发明专利技术公开了一种基于脑电信号的疲劳监测方法及装置，所述方法包括：利用设置于安全帽内的四组采集电极采集第一脑电信号；利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。如此，采集到的脑电信号数据通过无线传输从便携式脑电设备传输到上位机，对采集到的脑电信号数据进行进一步的处理，便于脑电处理的流程和算法的应用，并针对工人运动下的脑电信号进行滤波和数据质量验证，为疲劳监测提供可靠的数据来源。靠的数据来源。靠的数据来源。

【技术实现步骤摘要】
一种基于脑电信号的疲劳监测方法及装置


[0001]本专利技术涉及脑电波监测
，尤其涉及一种基于脑电信号的疲劳监测方法、装置、终端设备及存储介质。

技术介绍

[0002]便携式脑电设备能够比较方便地对用户的脑电信号进行采集和监测，现市面上的脑电设备大部分导联数较少，一般只有两组电极，且数据采集过程中容易受到运动过程中肌电的干扰，从而对数据质量产生影响，后续数据分析可靠性也较差。特别是将便携式脑电设备应用于工人工作时的精神状态的监控中，信号采集过程中将会混合非常多的肌电信号干扰。
[0003]便携式脑电设备由于采集精度的问题，一般不能用于较为复杂的脑电分析用途，较为常见的功能包括：眨眼检测，疲劳监测和情绪识别。这几种应用对于采集数据的位置有特定的要求，要求便携式脑电设备的采集电极放置在特定位置区域，部分便携式脑电设备由于设计问题，电极位置并不能很好地对应功能区域，且大部分便携式脑电设备都是具有单独的电极固定支架，且对于在高空工作且需要佩戴安全帽的工人来说并不适合。

技术实现思路

[0004]本专利技术目的在于，提供一种基于脑电信号的疲劳监测方法及装置，以解决现有脑电设备采集数据精度差、易受运动时肌电干扰、脑电电极位置与用途不对应和较难同时与安全帽同时使用的问题。
[0005]为实现上述目的，本专利技术提供一种基于脑电信号的疲劳监测方法，包括：
[0006]利用设置于安全帽内的四组采集电极采集第一脑电信号；
[0007]利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；
[0008]利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；
[0009]利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。
[0010]优选地，所述利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号，包括：
[0011]将所述第一脑电信号输入所述陀螺仪，对所述陀螺仪测量的角度波动信号进行频谱分析和判断；
[0012]当所述角度波动信号的主要频段是在4
‑
13Hz时，则判断当前的所述第一脑电信号的质量为不可靠，并剔除当前的所述第一脑电信号；
[0013]当所述角度波动信号的主要频段不在4
‑
13Hz时，则判断当前的所述第一脑电信号的质量是可靠的，并将当前的所述第一脑电信号作为所述第二脑电信号。
[0014]优选地，所述利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号，公式如下：
[0015][0016]P(t|t
‑
1)＝AP(t
‑
1|t
‑
1)A
T
+Q
[0017]K(t)＝P(t|t
‑
1)C
T
(CP(t|t
‑
1)C
T
+R)
‑1[0018][0019]P(t|t)＝(I
‑
K(t)C)P(t|t
‑
1)
[0020]其中，为在t
‑
1时刻对下一个时刻t状态的预测值，A为状态转移矩阵，P(t|t
‑
1)为t时刻的先验误差协方差矩阵，P(t
‑
1|t
‑
1)为t
‑
1时刻的后验误差协方差矩，T为矩阵的转置，Q为是过程激励噪声协方差，K(t)为卡尔曼增益，C为测量矩阵，R为测量噪声协方差，为在t时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，为在t
‑
1时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，y
x
(t)为t时刻的观测值，P(t|t)为t时刻的后验误差协方差矩。
[0021]优选地，所述利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断，包括：
[0022]计算第三脑电信号的4
‑
7Hz的α波段的脑电信号功率与8
‑
13Hz的β波段的脑电信号功率比值α/β；
[0023]当t1＞60％t时，则判定为进入了疲劳状况，其中t为任一时间段，t1为所述比值α/β大于预设阈值的时间。
[0024]优选地，所述预设阈值为150。
[0025]本专利技术还提供一种基于脑电信号的疲劳监测装置，应用于上述的基于脑电信号的疲劳监测方法，包括：
[0026]脑电信号采集模块，用于利用四组采集电极采集第一脑电信号；
[0027]脑电信号筛选模块，用于利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；
[0028]脑电信号滤波模块，用于利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；
[0029]脑电信号判断模块，用于利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。
[0030]优选地，所述脑电信号筛选模块，包括：
[0031]脑电信号输入单元，用于将所述第一脑电信号输入所述陀螺仪，对所述陀螺仪测量的角度波动信号进行频谱分析和判断；
[0032]脑电信号剔除单元，用于当所述角度波动信号的主要频段是在4
‑
13Hz时，则判断当前的所述第一脑电信号的质量为不可靠，并剔除当前的所述第一脑电信号；
[0033]脑电信号保留单元，用于当所述角度波动信号的主要频段不在4
‑
13Hz时，则判断当前的所述第一脑电信号的质量是可靠的，并将当前的所述第一脑电信号作为所述第二脑电信号。
[0034]优选地，所述脑电信号判断模块，包括：
[0035]脑电信号波段计算单元，用于计算第三脑电信号的4
‑
7Hz的α波段的脑电信号功率与8
‑
13Hz的β波段的脑电信号功率比值α/β；
[0036]疲劳状况判断模块，用于当t1>60％t时，则判定为进入了疲劳状况，其中t为任一时间段，t1为所述比值α/β大于预设阈值的时间。
[0037]本专利技术还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的基于脑电信号的疲劳监测方法。
[0038]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于脑电信号的疲劳监测方法。
[0039]本专利技术的基于脑电信号的疲劳监测方法及装置中，采集到的脑电信号数据通过无线传输从便携式脑电设备传输到上位机，对采集到的脑电信号数据进行进一步的处理，便于脑电处理的流程和算法的应用，并针对工人运动下的脑电信号进行滤波和数据质量验证，为疲劳监测提供可靠的数据来源。
附图说明
[0040]为了更清楚地说明本专利技术的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电信号的疲劳监测方法，其特征在于，包括：利用设置于安全帽内的四组采集电极采集第一脑电信号；利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。2.根据权利要求1所述的基于脑电信号的疲劳监测方法，其特征在于，所述利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号，包括：将所述第一脑电信号输入所述陀螺仪，对所述陀螺仪测量的角度波动信号进行频谱分析和判断；当所述角度波动信号的主要频段是在4
‑
13Hz时，则判断当前的所述第一脑电信号的质量为不可靠，并剔除当前的所述第一脑电信号；当所述角度波动信号的主要频段不在4
‑
13Hz时，则判断当前的所述第一脑电信号的质量是可靠的，并将当前的所述第一脑电信号作为所述第二脑电信号。3.根据权利要求1所述的基于脑电信号的疲劳监测方法，其特征在于，所述利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号，公式如下：P(t|t
‑
1)＝AP(t
‑
1|t
‑
1)A
T
+QK(t)＝P(t|t
‑
1)C
T
(CP(t|t
‑
1)C
T
+R)
‑1P(t|t)＝(I
‑
K(t)C)P(t|t
‑
1)其中，为在t
‑
1时刻对下一个时刻t状态的预测值，A为状态转移矩阵，P(t|t
‑
1)为t时刻的先验误差协方差矩阵，P(t
‑
1|t
‑
1)为t
‑
1时刻的后验误差协方差矩，T为矩阵的转置，Q为是过程激励噪声协方差，K(t)为卡尔曼增益，C为测量矩阵，R为测量噪声协方差，为在t时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，为在t
‑
1时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，y
x
(t)为t时刻的观测值，P(t|t)为t时刻的后验误差协方差矩。4.根据权利要求1所述的基于脑电信号的疲劳监测方法，其特征在于，所述利用疲...

【专利技术属性】
技术研发人员：刘羽中，李华亮，范圣平，樊小鹏，邹庄磊，沈雅利，王琪如，熊超琳，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：