CN103637810A - 一种生理性精神疲劳的分级方法 - Google Patents

Abstract

本发明公开了一种生理性精神疲劳的分级方法，包括如下步骤：将原始脑电信号x={x(1),x(2),…,x(n)}转换成0-1序列P={s(1),s(2),…,s(n)}；重构0-1序列P={s(1),s(2),…,s(n)}的Lempel-Ziv复杂度计算；对该序列P={s(1),s(2),…,s(n)}的Lempel-Ziv复杂度进行归一化处理；按照归一化后的Lempel-Ziv复杂度的大小，对生理性精神疲劳进行分级，通过本发明，实现了简捷、快速地对生理性精神疲劳进行分级的目的。

Description

一种生理性精神疲劳的分级方法

技术领域

本发明涉及电子信息处理领域，特别是涉及一种生理性精神疲劳的分级方法。

背景技术

人们说生理性精神疲劳，通常是凭感觉而说的，往往是指连续用脑思考或学习后，人的工作或学习效率下降，反应迟缓，注意力不够集中，协调性能变差，这时人们身体内也可能发生了种种生理变化，但其标准只是一种模糊的感觉。在交通运输业，尤其是航空航天中，瞬间的注意力分散、反应迟缓或协调性不够,都可能导致极为严重的事故发生。因此，监测、研究生理性精神疲劳并将其科学分级，就显得非常必要。

目前，对于生理性精神疲劳的分级，都是在特定的领域内，根据研究者自己的专业判断选择处理方法，没有系统的分级方法。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种生理性精神疲劳的分级方法，实现了简捷、快速地对生理性精神疲劳进行分级的目的。

为达上述及其它目的，本发明提出一种生理性精神疲劳的分级方法，包括如下步骤：

步骤一，将原始脑电信号x={x(1),x(2),…,x(n)}转换成0-1序列P={s(1),s(2),…,s(n)}；

步骤二，重构0-1序列P={s(1),s(2),…,s(n)}的Lempel-Ziv复杂度计算；

步骤三，对该序列P={s(1),s(2),…,s(n)}的Lempel-Ziv复杂度进行归一化处理；

步骤四，按照归一化后的Lempel-Ziv复杂度的大小，对生理性精神疲劳进行分级。

进一步地，步骤一包括如下步骤：

将原始脑电信号x={x(1),x(2),…,x(n)}分解成x1={x1(1),x1(2),…,x1(m1)}(x(i)≥0)与x2={x2(1),x2(2),…,x2(m2)}(x(i)＜0)，其中x=x1+x2，n=m1+m2，然后分别求得x1与x2的均值Y1、Y2；

将x1={x1(1),x1(2),…,x1(m1)}分解成x3={x3(1),x3(2),…,x3(m11)}(x(i)≥Y1)与x4={x4(1),x4(2),…,x4(m12)}(x(i)＜Y1)，其中x1=x3+x4，m1=m11+m12，然后分别求得x3与x4的均值Y3、Y4，

将x2={x2(1),x2(2),…,x2(m2)}分解成x5={x5(1),x5(2),…,x5(m21)}(x(i)≥Y2)与x6={x6(1),x6(2),…,x6(m22)}(x(i)＜Y2)，其中x2=x5+x6，m2=m21+m22，然后分别求得x5与x6的均值Y5、Y6，

转换成0-1序列P={s(1),s(2),…,s(n)}，计算s(i)。

进一步地，

$s\left(i\right)=\left\{\begin{array}{cc}111& x\left(i\right)\&GreaterEqual;Y_3\\ 110& Y_1\&le;x\left(i\right)<Y_3\\ 101& Y_4\&le;x\left(i\right)<Y_1\\ 100& 0\&le;x\left(i\right)<Y_4\\ 011& Y_5\&le;x\left(i\right)<0\\ 010& Y_2\&le;x\left(i\right)<Y_5\\ 001& Y_6\&le;x\left(i\right)<Y_2\\ 000& x\left(i\right)<Y_6\end{array}\right..$

进一步地，步骤二中，Lempel-Ziv复杂度计算采用如下方法：

在一个“0，1”时间序列中的一串字符S(s1，s2，…，sm)后再加一个或一串字符Q，看字符Q是否属于SQv；

如果Q是SQv的一个子串，则认为这个过程没有新模式出现，把该字符加在字符串S的后面，保持S不变，继续增长Q，再进行判断；若它没有出现过，那么对这个字符进行插入，插入时用一个“〃”把前后字符分开，认为出现了一个新的模式；

把最后一个“〃”前面所有字符看成S，重新构造Q，再重复上述操作直到该序列结束并计算发现的模式数的总和。

进一步地，于步骤三中，利用下式对Lempel-Ziv复杂度进行归一化处理：

其中c(n)为Lempel-Ziv复杂度。

与现有技术相比，本发明一种生理性精神疲劳的分级方法通过将原始脑电信号转换成0-1序列，重构该0-1序列的Lempel-Ziv复杂度计算，并对其Lempel-Ziv复杂度进行归一化处理，最后按照归一化后的Lempel-Ziv复杂度的大小，对生理性精神疲劳进行分级，实现了简捷、快速对生理性精神疲劳进行分级的目的。

附图说明

图1为本发明一种生理性精神疲劳的分级方法的步骤流程图。

具体实施方式

以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。

图1为本发明一种生理性精神疲劳的分级方法的步骤流程图。如图1所示，本发明一种生理性精神疲劳的分级方法，包括如下步骤：

步骤101，将原始脑电信号x={x(1),x(2),…,x(n)}转换成0-1序列P={s(1),s(2),…,s(n)}。在本发明较佳实施例中，步骤101又包括如下步骤：

（1）将原始脑电信号x={x(1),x(2),…,x(n)}分解成x1={x1(1),x1(2),…,x1(m1)}(x(i)≥0)与x2={x2(1),x2(2),…,x2(m2)}(x(i)＜0)。其中x=x1+x2，n=m1+m2；然后分别求得x1与x2的均值Y1、Y2。

（2）将x1={x1(1),x1(2),…,x1(m1)}分解成x3={x3(1),x3(2),…,x3(m11)}(x(i)≥Y1)与x4={x4(1),x4(2),…,x4(m12)}(x(i)＜Y1)。其中x1=x3+x4，m1=m11+m12；然后分别求得x3与x4的均值Y3、Y4。

（3）将x2={x2(1),x2(2),…,x2(m2)}分解成x5={x5(1),x5(2),…,x5(m21)}(x(i)≥Y2)与x6={x6(1),x6(2),…,x6(m22)}(x(i)＜Y2)。其中x2=x5+x6，m2=m21+m22；然后分别求得x5与x6的均值Y5、Y6。

（4）转换成0-1序列P={s(1),s(2),…,s(n)}，计算s(i)。

$s\left(i\right)=\left\{\begin{array}{cc}111& x\left(i\right)\&GreaterEqual;Y_3\\ 110& Y_1\&le;x\left(i\right)<Y_3\\ 101& Y_4\&le;x\left(i\right)<Y_1\\ 100& 0\&le;x\left(i\right)<Y_4\\ 011& Y_5\&le;x\left(i\right)<0\\ 010& Y_2\&le;x\left(i\right)<Y_5\\ 001& Y_6\&le;x\left(i\right)<Y_2\\ 000& x\left(i\right)<Y_6\end{array}\right..---\left(1\right)$

步骤102，重构序列P={s(1),s(2),…,s(n)}的Lempel-Ziv复杂度计算。

LZ（Lempel-Ziv）复杂度的计算即找出序列中所含的模式数，具体方法是通过在一个“0，1”时间序列中的一串字符S(s1，s2，…，sm)后再加一个或一串字符Q，看字符Q是否属于SQv(SQv是SQ字符串中减去最后一个字符而得到的)，如果出现的字句在前面已经有过，即Q是SQv的一个子串，则该字符称为“复制”，认为这个过程没有新模式出现，把该字符加在字符串S的后面，保持S不变，继续增长Q，再进行判断；若它没有出现过，那么对这个字符进行“插入”，“插入”时用一个“〃”把前后字符分开，认为出现了一个新的模式；然后把最后一个“〃”前面所有字符看成S，重新构造Q，再重复上述操作直到该序列结束并计算发现的模式数的总和。例如序列(0010)的复杂度可由下面的步骤得出：

(1)第一个字符永远是插入0〃；

(2)S=0，Q=0，SQ=00，SQv=0，Q属于字句SQv，0〃0；

(3)S=0，Q=01，SQ=001，SQv=00，Q不属于字句SQv，0〃01〃；

(4)S=001，Q=0，SQ=0010，SQv=001，Q属于字句SQv，0〃01〃0。

于是可得出该序列的模式数为3，即复杂度c(4)=3。

符号序列0000…应是最简单的，0〃000…，c(n)=2。

另外，如010101…应是0〃1〃0101…，c(n)=3。

对于S=(10101010)，应用上面的方法可以得到c(8)=3个新模式：1，0，101010。

步骤103，对Lempel-Ziv复杂度进行归一化处理。

在本发明较佳实施例中，利用下式对Lempel-Ziv复杂度进行归一化处理：

其中c(n)为Lempel-Ziv复杂度

步骤104，按照归一化后的Lempel-Ziv复杂度的大小，对生理性精神疲劳进行分级。

综上所述，本发明一种生理性精神疲劳的分级方法通过将原始脑电信号转换成0-1序列，重构该0-1序列的Lempel-Ziv复杂度计算，并对其Lempel-Ziv复杂度进行归一化处理，最后按照归一化后的Lempel-Ziv复杂度的大小，对生理性精神疲劳进行分级，实现了简捷、快速对生理性精神疲劳进行分级的目的。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (5)

1.一种生理性精神疲劳的分级方法，包括如下步骤：

步骤一，将原始脑电信号x={x(1),x(2),…,x(n)}转换成0-1序列P={s(1),s(2),…,s(n)}；

步骤二，重构0-1序列P={s(1),s(2),…,s(n)}的Lempel-Ziv复杂度计算；

步骤三，对该序列P={s(1),s(2),…,s(n)}的Lempel-Ziv复杂度进行归一化处理；

步骤四，按照归一化后的Lempel-Ziv复杂度的大小，对生理性精神疲劳进行分级。

2.如权利要求1所述的一种生理性精神疲劳的分级方法，其特征在于，步骤一包括如下步骤：

将原始脑电信号x={x(1),x(2),…,x(n)}分解成x1={x1(1),x1(2),…,x1(m1)}(x(i)≥0)与x2={x2(1),x2(2),…,x2(m2)}(x(i)＜0)，其中x=x1+x2，n=m1+m2，然后分别求得x1与x2的均值Y1、Y2；

将x1={x1(1),x1(2),…,x1(m1)}分解成x3={x3(1),x3(2),…,x3(m11)}(x(i)≥Y1)与x4={x4(1),x4(2),…,x4(m12)}(x(i)＜Y1)，其中x1=x3+x4，m1=m11+m12，然后分别求得x3与x4的均值Y3、Y4，

将x2={x2(1),x2(2),…,x2(m2)}分解成x5={x5(1),x5(2),…,x5(m21)}(x(i)≥Y2)与x6={x6(1),x6(2),…,x6(m22)}(x(i)＜Y2)，其中x2=x5+x6，m2=m21+m22，然后分别求得x5与x6的均值Y5、Y6，

转换成0-1序列P={s(1),s(2),…,s(n)}，计算s(i)。

3.如权利要求2所述的一种生理性精神疲劳的分级方法，其特征在于：

$s\left(i\right)=\left\{\begin{array}{cc}111& x\left(i\right)\&GreaterEqual;Y_3\\ 110& Y_1\&le;x\left(i\right)<Y_3\\ 101& Y_4\&le;x\left(i\right)<Y_1\\ 100& 0\&le;x\left(i\right)<Y_4\\ 011& Y_5\&le;x\left(i\right)<0\\ 010& Y_2\&le;x\left(i\right)<Y_5\\ 001& Y_6\&le;x\left(i\right)<Y_2\\ 000& x\left(i\right)<Y_6\end{array}\right..$

4.如权利要求3所述的一种生理性精神疲劳的分级方法，其特征在于，步骤二中，Lempel-Ziv复杂度计算采用如下方法：

在一个“0，1”时间序列中的一串字符S(s1，s2，…，sm)后再加一个或一串字符Q，看字符Q是否属于SQv；

如果Q是SQv的一个子串，则认为这个过程没有新模式出现，把该字符加在字符串S的后面，保持S不变，继续增长Q，再进行判断；若它没有出现过，那么对这个字符进行插入，插入时用一个“〃”把前后字符分开，认为出现了一个新的模式；

把最后一个“〃”前面所有字符看成S，重新构造Q，再重复上述操作直到该序列结束并计算发现的模式数的总和。

5.如权利要求4所述的一种生理性精神疲劳的分级方法，其特征在于，于步骤三中，利用下式对Lempel-Ziv复杂度进行归一化处理：

其中c(n)为Lempel-Ziv复杂度。

Images