单通道脑电信号的困倦检测方法研究
发布时间：2021-10-06 17:12
随着现代生活节奏的逐步加快,由于困倦引发的安全问题已越来越多。在困倦的状态下,大脑会出现警戒性降低、反应迟钝、易出错等问题,这会影响我们的正常生活,甚至会给我们的生命财产安全造成很大的危害。目前,在困倦检测的研究中,脑电信号是最常用的生理指标之一,因为脑电信号的某些特征会随着人体困倦而发生变化。国内外研究人员针对脑电信号的分析方法进行了深入研究,得到了相关的研究结果,为脑电信号的困倦检测研究奠定了基础。本文将MIT的Sleep EDF数据库的20名健康受试者的脑电数据作为困倦检测分析的研究对象,根据困倦前后脑电信号的变化特点,进行脑电信号的困倦检测方法研究,对脑电信号进行了特征提取和分类识别,提出了一种有效的困倦检测方法,以改进和开发用于困倦检测的新技术。本文的主要内容包括以下三个方面:1、用于困倦检测的传统频带脑电信号的功率谱分析。依据睡眠专家对Sleep EDF数据库的脑电数据的标记,对原始脑电信号使用haar小波包分解,提取5个传统频带的脑电信号（δ、θ、α、β和γ）,提出了 3个基于功率谱的的新指标,分析了不同指标进行困倦检测所需要的CPU时间,通过与现有的4个指标的对比,结果...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
图２－１最优超平面示意图??在ＳＶＭ中，需要使两类样本之间的分类间隔尽可能达到最大，此时的分类面??
，Ｐｚ－Ｏｚ频道可以更准确地为睡眠进行分期。Ｐｚ和Ｏｚ两个电极分别位于??顶叶和枕叶区域的中心线。Ｐａｌ等人［７１］发现枕叶区域（Ｏｚ位置）与困倦状态高度??相关。因此，本研究使用来自Ｐｚ－Ｏｚ通道的脑电数据进行分析和实验。??％?＠?＠?ＡＦ＞＼??Ｈ?０．?？?＃＃?Ａ??ｈ?ｒｃｓ?ＦＣＪ?ＦＣｌ?ｒｃＪ?ＦＣ２?ＦＣ４?Ｆ？?＾??／［ｔ？?＃?＃?Ｃｌ?＠?ａ?＃?＠?Ｔｓｈ??ｃｐｉ?１ｃｐ２?ｃ＾＿?ｍ??Ｐ３?Ｐ１?ｐ２?Ｐ４?＜Ｂｍ／??ＰＯＪ?＃?＠ｙ??图３－１脑部电极分布图［４（）１??３．１．２小波包变换??作为最先进的时频分析方法之一，小波包变换凭借其灵活的时频分辨率和捕??捉瞬时特征的能力，吸引了许多研究人员的关注。具有不同频率特性的非平稳数??据，如ＥＥＧ信号，可以通过应用小波包变换进行分析。在本研宄中，采用了离散??的Ｈａａｒ小波包变换。Ｈａａｒ小波是最简单的小波，不需要任何的边界处理。由于??该特征，可以在每个周期的ＥＥＧ信号上应用小波变换而不插入人为值或使信息丢??失。图３－２给出了小波包变换的分解树，对原始信号进行了?７层分解，由于大部??分子带在本研宄中并不使用，所以选择对小波树进行修剪，以减少计算量。??Ｓｉｌｖｅｉｍ［１８］等人的研究采用５ｓ作为一个周期。本文根据所使用的小波树的结构，??选择２．５ｓ作为一个周期。这个长度比Ｒ＆Ｋ指南和美国睡眠医学学会标准中建议??的离线睡眠分析时间２０－３０秒短得多。??２６??
?第３章基于传统频带脑电信号功率谱的困倦检测研宄???值。为了使结果更加便于观察，根据各个频带的脑电信号的变化规律，提出了３??个新的指标（Ｉ?）?ａｘ／？，（?ＩＩ?）?和（ＩＩＩ）?ｃｔｘｒａｗ／（５。??通过对数据库的２０个受试者进行实验，验证本研宄提出的３个指标的效果。??同时还研宄了应用Ｓｉｌｖｅｉｍ［１８］和Ｊａｐ［４１］等人所提出的指标的效果，其中，仏？［４１］等人??所提出的指标是基于多通道的脑电信号提出的，Ｓｉｌｖｅｉｒａ［Ｗ所提出的指标是基于单??通道提出的，其研究以５ｓ为一个周期，分析了睡眠前后的共１２ｍｉｎ时间的脑电信??号的能量分布规律。??本文使用２．５ｓ为一个周期，分别计算了睡眠前后共４ｍｉｎ时间的时间里，本??文提出的３个指标和Ｓｉｌｖｅｉｒａ［１８］，等人提出的共４个指标在每个周期的能量，??并分析了其变化规律。??ｘ１０６??２１???■?????■?：?????ｅ?１?－?ｎ??Ｑ???ｒ＾Ｊ?－＿ｒＪｌｎ＾＾－ｒ＾Ｌ?＊??ＩｇＰ??ｘ１０５??２ｐｌ－，－?．￣￣■＾＾??ｙ：??＾?ｌ１２?＾２４?＾?ｌ４８?＾?＾２?Ｗ?＾??周期ｔ／ｓ??图３－２?ＳＣ４１２１受试者各个传统频带在清醒到睡眠的转折点前后的能量变化??２９??
【参考文献】：
期刊论文
[1]基于单通道脑电信号的疲劳检测系统[J]. 王博石,吴修诚,胡馨艺,张莉. 计算机科学. 2020(05)
[2]基于眼部信息融合的疲劳驾驶检测的研究[J]. 田璐萍,嵇启春. 国外电子测量技术. 2019(10)
[3]基于脑电信号深度迁移学习的驾驶疲劳检测[J]. 王斐,吴仕超,刘少林,张亚徽,魏颖. 电子与信息学报. 2019(09)
[4]基于小波变换与多项指标的疲劳驾驶检测应用[J]. 王海玉,王映龙,闵建亮,胡剑锋. 计算机与现代化. 2018(10)
[5]利用时频分析研究非相位锁定脑电活动[J]. 武侠,钟楚鹏,丁玉珑,曲折. 心理科学进展. 2018(08)
[6]脑电信号处理方法的研究综述[J]. 王海玉,胡剑锋,王映龙. 计算机时代. 2018(01)
[7]生理疲劳和心理疲劳对车辆驾驶的影响对比[J]. 钟铭恩,黄杰鸿,乔允浩,洪汉池. 中国安全生产科学技术. 2017(01)
[8]基于EEMD和WT的运动想象脑电信号消噪方法[J]. 蔡慧,马玉良,佘青山,高云园,孟明. 传感技术学报. 2016(05)
[9]联合收割机驾驶疲劳的心电信号分析[J]. 祝荣欣,王金武,唐汉,周文琪,潘振伟,王奇,多天宇. 安徽农业大学学报. 2016(01)
[10]基于脑电的实时疲劳监测算法的研究[J]. 金纯,曾伟. 科学技术与工程. 2015(34)
博士论文
[1]运动想象脑电模式识别算法研究[D]. 苗敏敏.东南大学 2018
[2]基于EEG的脑力疲劳状态下脑功能网络特性研究[D]. 杨柳.军事科学院 2018
硕士论文
[1]基于心电信号的疲劳驾驶诊断[D]. 施翔匀.北方工业大学 2019
[2]基于脑电信号的情感识别研究[D]. 汤明宏.南京邮电大学 2018
[3]脑电信号的多尺度互模式熵和相位斜率指数分析[D]. 季宁.南京邮电大学 2018
[4]基于深度学习的脑电信号识别技术研究[D]. 张韩.山东师范大学 2018
[5]基于信息融合的驾驶员疲劳状态检测方法研究[D]. 方毅.哈尔滨工业大学 2018
[6]基于脑电疲劳驾驶预警系统的设计与实现[D]. 陈芳军.广东工业大学 2018
[7]基于脑机接口的睡眠分期算法及应用[D]. 陈涛.华南理工大学 2018
[8]基于脑电信号的运动性疲劳研究[D]. 祝瑜瑛.杭州电子科技大学 2018
[9]基于心电信号的疲劳驾驶研究[D]. 金礼.重庆大学 2017
[10]基于卷积神经网络的深度学习算法研究与实现[D]. 田东.上海交通大学 2017
本文编号：3420421
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
图２－１最优超平面示意图??在ＳＶＭ中，需要使两类样本之间的分类间隔尽可能达到最大，此时的分类面??
，Ｐｚ－Ｏｚ频道可以更准确地为睡眠进行分期。Ｐｚ和Ｏｚ两个电极分别位于??顶叶和枕叶区域的中心线。Ｐａｌ等人［７１］发现枕叶区域（Ｏｚ位置）与困倦状态高度??相关。因此，本研究使用来自Ｐｚ－Ｏｚ通道的脑电数据进行分析和实验。??％?＠?＠?ＡＦ＞＼??Ｈ?０．?？?＃＃?Ａ??ｈ?ｒｃｓ?ＦＣＪ?ＦＣｌ?ｒｃＪ?ＦＣ２?ＦＣ４?Ｆ？?＾??／［ｔ？?＃?＃?Ｃｌ?＠?ａ?＃?＠?Ｔｓｈ??ｃｐｉ?１ｃｐ２?ｃ＾＿?ｍ??Ｐ３?Ｐ１?ｐ２?Ｐ４?＜Ｂｍ／??ＰＯＪ?＃?＠ｙ??图３－１脑部电极分布图［４（）１??３．１．２小波包变换??作为最先进的时频分析方法之一，小波包变换凭借其灵活的时频分辨率和捕??捉瞬时特征的能力，吸引了许多研究人员的关注。具有不同频率特性的非平稳数??据，如ＥＥＧ信号，可以通过应用小波包变换进行分析。在本研宄中，采用了离散??的Ｈａａｒ小波包变换。Ｈａａｒ小波是最简单的小波，不需要任何的边界处理。由于??该特征，可以在每个周期的ＥＥＧ信号上应用小波变换而不插入人为值或使信息丢??失。图３－２给出了小波包变换的分解树，对原始信号进行了?７层分解，由于大部??分子带在本研宄中并不使用，所以选择对小波树进行修剪，以减少计算量。??Ｓｉｌｖｅｉｍ［１８］等人的研究采用５ｓ作为一个周期。本文根据所使用的小波树的结构，??选择２．５ｓ作为一个周期。这个长度比Ｒ＆Ｋ指南和美国睡眠医学学会标准中建议??的离线睡眠分析时间２０－３０秒短得多。??２６??
?第３章基于传统频带脑电信号功率谱的困倦检测研宄???值。为了使结果更加便于观察，根据各个频带的脑电信号的变化规律，提出了３??个新的指标（Ｉ?）?ａｘ／？，（?ＩＩ?）?和（ＩＩＩ）?ｃｔｘｒａｗ／（５。??通过对数据库的２０个受试者进行实验，验证本研宄提出的３个指标的效果。??同时还研宄了应用Ｓｉｌｖｅｉｍ［１８］和Ｊａｐ［４１］等人所提出的指标的效果，其中，仏？［４１］等人??所提出的指标是基于多通道的脑电信号提出的，Ｓｉｌｖｅｉｒａ［Ｗ所提出的指标是基于单??通道提出的，其研究以５ｓ为一个周期，分析了睡眠前后的共１２ｍｉｎ时间的脑电信??号的能量分布规律。??本文使用２．５ｓ为一个周期，分别计算了睡眠前后共４ｍｉｎ时间的时间里，本??文提出的３个指标和Ｓｉｌｖｅｉｒａ［１８］，等人提出的共４个指标在每个周期的能量，??并分析了其变化规律。??ｘ１０６??２１???■?????■?：?????ｅ?１?－?ｎ??Ｑ???ｒ＾Ｊ?－＿ｒＪｌｎ＾＾－ｒ＾Ｌ?＊??ＩｇＰ??ｘ１０５??２ｐｌ－，－?．￣￣■＾＾??ｙ：??＾?ｌ１２?＾２４?＾?ｌ４８?＾?＾２?Ｗ?＾??周期ｔ／ｓ??图３－２?ＳＣ４１２１受试者各个传统频带在清醒到睡眠的转折点前后的能量变化??２９??
【参考文献】：
期刊论文
[1]基于单通道脑电信号的疲劳检测系统[J]. 王博石,吴修诚,胡馨艺,张莉. 计算机科学. 2020(05)
[2]基于眼部信息融合的疲劳驾驶检测的研究[J]. 田璐萍,嵇启春. 国外电子测量技术. 2019(10)
[3]基于脑电信号深度迁移学习的驾驶疲劳检测[J]. 王斐,吴仕超,刘少林,张亚徽,魏颖. 电子与信息学报. 2019(09)
[4]基于小波变换与多项指标的疲劳驾驶检测应用[J]. 王海玉,王映龙,闵建亮,胡剑锋. 计算机与现代化. 2018(10)
[5]利用时频分析研究非相位锁定脑电活动[J]. 武侠,钟楚鹏,丁玉珑,曲折. 心理科学进展. 2018(08)
[6]脑电信号处理方法的研究综述[J]. 王海玉,胡剑锋,王映龙. 计算机时代. 2018(01)
[7]生理疲劳和心理疲劳对车辆驾驶的影响对比[J]. 钟铭恩,黄杰鸿,乔允浩,洪汉池. 中国安全生产科学技术. 2017(01)
[8]基于EEMD和WT的运动想象脑电信号消噪方法[J]. 蔡慧,马玉良,佘青山,高云园,孟明. 传感技术学报. 2016(05)
[9]联合收割机驾驶疲劳的心电信号分析[J]. 祝荣欣,王金武,唐汉,周文琪,潘振伟,王奇,多天宇. 安徽农业大学学报. 2016(01)
[10]基于脑电的实时疲劳监测算法的研究[J]. 金纯,曾伟. 科学技术与工程. 2015(34)
博士论文
[1]运动想象脑电模式识别算法研究[D]. 苗敏敏.东南大学 2018
[2]基于EEG的脑力疲劳状态下脑功能网络特性研究[D]. 杨柳.军事科学院 2018
硕士论文
[1]基于心电信号的疲劳驾驶诊断[D]. 施翔匀.北方工业大学 2019
[2]基于脑电信号的情感识别研究[D]. 汤明宏.南京邮电大学 2018
[3]脑电信号的多尺度互模式熵和相位斜率指数分析[D]. 季宁.南京邮电大学 2018
[4]基于深度学习的脑电信号识别技术研究[D]. 张韩.山东师范大学 2018
[5]基于信息融合的驾驶员疲劳状态检测方法研究[D]. 方毅.哈尔滨工业大学 2018
[6]基于脑电疲劳驾驶预警系统的设计与实现[D]. 陈芳军.广东工业大学 2018
[7]基于脑机接口的睡眠分期算法及应用[D]. 陈涛.华南理工大学 2018
[8]基于脑电信号的运动性疲劳研究[D]. 祝瑜瑛.杭州电子科技大学 2018
[9]基于心电信号的疲劳驾驶研究[D]. 金礼.重庆大学 2017
[10]基于卷积神经网络的深度学习算法研究与实现[D]. 田东.上海交通大学 2017
本文编号：3420421
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3420421.html
