基于腦電波多模式分析的睡意自動(dòng)檢測(cè)

基于腦電波多模式分析的睡意自動(dòng)檢測(cè)

在很多交通事故的案例中可以發(fā)現(xiàn)，瞌睡是造成事故的主要原因，這歸因于困倦狀態(tài)下駕駛員警覺(jué)性及對(duì)危險(xiǎn)認(rèn)知能力都有明顯下降，從而減弱了對(duì)車輛的操縱能力。本研究的目的是開發(fā)一種自動(dòng)檢測(cè)方法，即對(duì)駕駛員嗜睡階段下的腦電波進(jìn)行時(shí)域、頻域和小波分析，實(shí)現(xiàn)對(duì)駕駛員睡意的檢測(cè)。

該檢測(cè)方法如圖1所示。第一步將采集到的信號(hào)要進(jìn)行濾波，先后進(jìn)行二階濾波、雙向?yàn)V波、巴特沃斯濾波和帶通濾波，截止頻率為0.5～60Hz。第二步將數(shù)據(jù)分割成5s的時(shí)間片段，再進(jìn)行特征提取。腦電波成分可以被分解成幾個(gè)不同的頻帶：δ波（0.5～4Hz）、θ波（4～8Hz）、α波（8～12Hz）、β波（12～30Hz)、γ波(大于30Hz）。通過(guò)時(shí)域分析計(jì)算信號(hào)的最大值、最小值和標(biāo)準(zhǔn)差（STD）。根據(jù)伯格方法計(jì)算每個(gè)時(shí)間片段的功率譜密度（PSD），從PSD中可以提取10個(gè)特征值：中位頻率（CF）、峰值頻率（PF）、高跨比（RH/L）、第一和第三四分位頻率、頻率標(biāo)準(zhǔn)差（SSD）、四分位差、最大頻率、不對(duì)稱系數(shù)、峰度系數(shù)。小波分解后，對(duì)β波、α波、θ波分析，可以得到另外6個(gè)特征值。

所提出的方法對(duì)警醒階段和嗜睡階段做出的檢測(cè)準(zhǔn)確率分別是87.4%和83.6%，這一結(jié)果可以應(yīng)用于車輛自動(dòng)睡意檢測(cè)系統(tǒng)中，從而減少駕駛員瞌睡造成的事故。

刊名：Medical Engineering& Physics（英）

刊期：2014年第36期

作者：Agustina Garcés Correa et al

編譯：薛雷