CN106691474A - 融合脑电信号与生理信号的疲劳检测系统 - Google Patents

融合脑电信号与生理信号的疲劳检测系统 Download PDF

Info

Publication number
CN106691474A
CN106691474A CN201611055740.0A CN201611055740A CN106691474A CN 106691474 A CN106691474 A CN 106691474A CN 201611055740 A CN201611055740 A CN 201611055740A CN 106691474 A CN106691474 A CN 106691474A
Authority
CN
China
Prior art keywords
signal
point
value
fatigue
eeg signals
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611055740.0A
Other languages
English (en)
Inventor
柳建光
袁道任
冯文飞
彭浩
杜会盈
胡豪
冯少康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongyuan Electronic Technology Research Institute (china Electronic Technology Group Corp Twenty-Seventh Research Institute)
Original Assignee
Zhongyuan Electronic Technology Research Institute (china Electronic Technology Group Corp Twenty-Seventh Research Institute)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongyuan Electronic Technology Research Institute (china Electronic Technology Group Corp Twenty-Seventh Research Institute) filed Critical Zhongyuan Electronic Technology Research Institute (china Electronic Technology Group Corp Twenty-Seventh Research Institute)
Priority to CN201611055740.0A priority Critical patent/CN106691474A/zh
Publication of CN106691474A publication Critical patent/CN106691474A/zh
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/16Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/145Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/16Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/168Evaluating attention deficit, hyperactivity
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/16Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiogaphy [ECG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiogaphy [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/389Electromyography [EMG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7253Details of waveform analysis characterised by using transforms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20Workers
    • A61B2503/22Motor vehicles operators, e.g. drivers, pilots, captains

Abstract

本发明提供一种融合脑电信号与生理信号的疲劳检测系统,采用与精神状态有密切联系,且能更直接、客观地反映出大脑本身的活动,有着更高的时间分辨率的脑电信号,同时融合心电、眼电、肌电、呼吸、血氧等其它生理方法,能够实现任务状态的实时监测,提高疲劳检测系统的效能,进而充分实现系统全面、动态的优势组合。包括采集人体信号的信号采集单元,所述信号采集单元包括采集脑电信号的脑电采集单元、采集心电信号的心电采集单元和采集肌电信号的肌电采集单元,用于接收和处理人体信号的信号处理单元,还包括根据信号处理单元处理过的信号用于标定是否疲劳的疲劳标定单元。

Description

融合脑电信号与生理信号的疲劳检测系统
技术领域
[0001] 本发明涉及疲劳检测系统,特别是一种融合脑电信号与生理信号的疲劳检测系 统。
背景技术
[0002] 目前疲劳状态的检测可以分为主观界定和客观评定两种。其中,主观方式主要包 括艾森克个性问卷(EPQ)、简易应对方式问卷、症状自评量表(SCL-90)、心理自评量表 (SAS)、抑郁量表(HAMD)等;客观评定主要包括基于表情特征、基于生理特征和基于行为特 征等手段,通过信号采集、分析处理、特征提取与分类识别,最终完成基于单一特征的疲劳 监测。
[0003] 主观界定能够一定程度的体现状态改变的原因,但易受主观因素的干扰,飞行员 处于生理或者心理状态不佳时,不能确定对自我状态的正确评估能力;常用的客观评定基 本上是基于单一特征的信息处理,不能完全准确的实现操作者的状态监测。
发明内容
[0004] 针对上述情况,为克服现有技术之缺陷,本发明提供一种融合脑电信号与生理信 号的疲劳检测系统,采用与精神状态有密切联系,且能更直接、客观地反映出大脑本身的活 动,有着更高的时间分辨率的脑电信号,同时融合心电、眼电、肌电、呼吸、血压、体温等其它 生理方法,能够实现任务状态的实时监测,提高疲劳检测系统的效能,进而充分实现系统全 面、动态的优势组合。
[0005] 本发明的技术方案是,包括采集人体信号的信号采集单元,所述信号采集单元包 括米集脑电ί目号的脑电米集单兀、米集心电ί目号的心电米集单兀和米集肌电ί目号的肌电米 集单元,用于接收和处理人体信号的信号处理单元,还包括根据信号处理单元处理过的信 号用于标定是否疲劳的疲劳标定单元。
[0006] 所述信号处理单元对脑电信号处理时,首先对脑电信号β波进行分解去噪预处理, 然后对预处理后的脑电信号进行CO复杂度、KC复杂度的特征提取;CO复杂度计算序列功率 谱的均方值,高于均方值的部分保持不变,而低于均方值的部分置为零,计算新的信号频谱 的傅里叶逆变换,得到新的时间序列,新时间序列与原时间序列之差的平方和和原信号的 平方和之比,即,非规则成分在原始信号中占得比例;计算一个序列KC复杂度的步骤如下:
[0007] (1)设时间序列,计算时间序列的均值f,把序列中大于平均值I的 &用1代替,小于等于平均值J的&用〇代替,构建新的序列ie (1,2,···);
[0008] (2)对序列S= {SiSsrHSj,Q= {Sm+1,…Sm+i},ie (1,2,···),构建新的序列SQ = {Si,S2,---Sm,Sm+i,---Sm+i} ie (1,2···) ,SQv = SQ-Sm+i= {Si,S2,-"Sm,Sm+i,,ie (I, 2…);
[0009] (3)当QGSQv,Q复制在其后,当SQv时,在Q中加“ •”称为插入;
[0010] ⑷重复⑶过程,到序列结束;
Figure CN106691474AD00051
[0013] 以上在对脑电信号分析时,提取的特征值为CO复杂度、KC复杂度。
[0014] 所述信号处理单元对心电信号处理时,先使用小波算法对脑电信号进行预处理, 进行预处理之后,对心电特征的提取有心率平均值M、SDNN以及P、Q、R、S、T波的时域和频 域特征值,心电信号特征提取算法流程为:(1)首先进行小波分解,根据小波系数求出正负 极大值对,正负极值对过零的点即为R波峰值点,然后再根据QRS波群的波形特征及正负极 大值对,判断出QRS波群的起止点;⑵求出RR间期的平均值,若某一个RR间期的值小于0.4 倍的RR间期平均值,则去掉幅值小的R波点,若两个R波间期的值大于1.6倍的RR间期平均 值,则检测到这两个RR波间幅值最大的点,添加这个R点;(3)检测从QRS波群的起始位置的 点到R波幅值最小值点就是Q波点,相应地,检测从R波点到QRS波群的终止点的幅值最小值 点即为S波点。(4)检测上一个QRS波群的终止点和下一个QRS波群的起始点之间波段的极值 点。若接近于上一个QRS波群的终止点,则该点为T波点,若接近于下一个QRS波群的起始点, 则该点为P波点;
[0015] 心率平均值表示在采集心电的这段时间里,心率的均值。计算公式:
Figure CN106691474AD00052
[0017] SDNN指的是R-R间期的标准差,其中公式中参数ti指每次R-R间期的值,参数t指心 率平均值:
Figure CN106691474AD00053
[0019] 所述信号处理单元对肌电信号处理时,根据肌电信号的幅值和频率范围,采用小 波去噪去除高频部分噪声和中值滤波器去除基线漂移的方法进行预处理,然后提取肌电信 号中的时域和频域特征。
[0020] 所述人体ί目号米集单兀米集脑电ί目息、心电ί目息和肌电ί目息。
[0021] 所述人体信号采集单元还采集呼吸信息、血氧信息以及姿态信息。
[0022] 所述信号采集单元包括脑电放大器、心电和肌电一体采集器、血氧仪采集器和姿 态惯导模块。
[0023] 本发明以脑电信号为主、多种其它生理信号为辅进行疲劳度的判定,准确度高。
附图说明
[0024] 图1为本发明脑电信号原始脑电波形和去噪后脑电波形的对比图。
[0025] 图2为本发明中原始心电信号和去噪后的心电信号波形的对比图。
[0026] 图3为原始肌电信号、小波去除高频噪声后的波形和中值滤波去除基线漂移后波 形的对比图。
[0027] 图4为去噪后心电信号R波检测结果图。
具体实施方式
[0028] 以下结合附图1至图4对本发明的具体实施方式作进一步详细说明。
[0029] 其技术方案是,本发明先通过脑电放大器、心电和肌电一体采集器对人体的脑电、 心电和肌电进行采集,然后将采集到的信号输送到信号处理单元,信号处理单元分别对脑 电、心电和肌电进行处理,将处理后的数据输送到疲劳标定单元,进行疲劳的标定。
[0030] 本发明设计脑电信号、心电、肌电、呼吸和血氧的信号采集装置,通过USB接口和无 线传输两种途径实现信号获取。血氧饱和度:针对低血流灌注、运动和皮肤湿度、杂散光干 扰、碳氧血红蛋白和高铁血红蛋白干扰等等问题,设计血氧仪时使用指夹式光电容积脉搏 波传感器,对血氧饱和度的测量精度为±1 %,测量范围:50-100%。姿态:采用惯导模块 IMU6050采集身体相关的关节角度以及运动的角加速度和线加速度,通过设计算法实现姿 态信息的捕捉。
[0031] 所述信号处理单元先进行硬件预处理,实现缓冲与低通滤波,其次,对多为神经信 号分别进行特征提取,分别采用时域、频域的提取方法,筛选特征向量,传递给分类评定算 法,采用线性LDA分类器和SVM两种算法进行疲劳等级分类。根据离线数据先建立疲劳等级 数据库,通过特征提取到特征向量输入分类器中训练,最后进形疲劳度标定。
[0032] 本发明中的技术流程:
[0033] 1)实验范式设计:设计任务场景和类别数量,用于训练和测试的样本数量。
[0034] 2)原始数据获取:获取导联数目、采样率、服务器IP地址、端口号。
[0035] 3)预处理:采样率变换参数、是否滤波(低通、高通频率参数)、去噪声方法选择、分 段选择(根据事件分段或者采用移动窗口技术)、滑动窗口大小和距离。
[0036] 4)特征提取:设计小波包、CSP等算法,获取每种方法所应设置的相应参数以及特 征向量总数。
[0037] 5)特征选择:特征向量优化,设置需要保留的特征数或者保留原来特征的百分比、 特征选择的方法选择。
[0038] 6)模式分类:训练方法的选择、各种分类方法需要的参数设置、选择模式分类方 法、训练好的模型文件。随机选取多名被试采用疲劳评定量表进行初步评定得到多被试的 评定结果,再采用脑电信号以及生理信号进行疲劳信息提取,根据已训练的疲劳模型进行 比对,得到疲劳度评定结果,相互验证。
[0039] 本发明采用客观的途径对疲劳状态进行监控、评估,融合具有表征优势的脑电信 号以及心电信号、肌电信号、呼吸、血压、眼动等多源信息成分,增强了疲劳检测与恢复的准 确性与快速性;融合脑电信号与生理信号为一体的信号采集装置,实现了疲劳检测系统的 小型化、便携式与低功耗;通过多维信息的综合分析,实现了疲劳状态的预测。
[0040] 本发明融合脑电信号与肌电信号、心电信号、呼吸、血氧、眼动等生理信号,可以实 现对疲劳状态的实时检测,根据疲劳特征值可以实现对清醒、轻度疲劳和重度疲劳三种状 态的评定。该疲劳检测系统具有便携式、低功耗和小型化的特点,能够应用在条件恶劣的环 境中,具有较高的应用价值。
[0041] 本发明脑电信号的四种节律分别体现人体的不同状况:δ波是指人体处于无意识 情形;Θ波指大脑处于轻松的环境;α波大脑思维清晰,学习和思考快速,敏捷;β波主要体现 在人体紧张时的脑电变化。针对原始脑电信号,利用β波进行分析。脑电原始信号和通过小 波db4进行5层分解去噪后的对比图,如图1所示。脑电信号的幅值范围在O〜ΙΟΟμν之间,信 号非常微弱,容易受到50Hz工频,采集线抖动等外界因素的干扰。脑电信号具有非平稳性, 对于脑电信号特征提取采用了 CO复杂度、KC复杂度。CO复杂度表示的是信号中非规则成分 所占的比例,脑电信号是非线性信号,大脑活动越强烈,非规则成分越高,即CO复杂度的值 越大。KC复杂度从测量信号的随机序列的复杂性程度,心理压力越大,脑电复杂度更强,KC 复杂度值更大。
[0042] 本发明在对心电信号进行预处理时,采用小波算法进行预处理,对比图如图2所 示,心电信号是具有一定规律性的生理信号,一个循环周期内包含?、9、1?、3、1'五种波形,正 常人的五种波形的周期在0.75s,所以我们可以根据一个人的心电波形幅值和波形形态以 及一个周期的时间来判断其心脏是否正常。去噪后的心电信号R波检测结果如图4所示。
[0043] 本发明在对肌电信号进行处理时,表面肌电信号是一种不规则的信号,幅值范围 在0〜1.5mv,主要频率范围为0〜150Hz。根据肌电信号的幅值和频率范围,主要采用小波去 噪去除高频部分噪声和中值滤波器去除基线漂移的方法进行预处理。肌电信号预处理前后 的波形如图3所示。肌电信号的特征主要为时域和频域特征。肌电信号在压力增大的情况 下,幅值波动明显要比压力小的状态下大,本文提取肌电信号的特征值有表示肌电信号均 值、方差、幅值最大值、最小值以及二阶差分的均值、方差最大值、最小值等。
[0044] 目前针对清醒状态和疲劳状态的大量数据(此数据可以是根据每个人定制的个人 清醒状态和疲劳状态数据库),提取生理信号的CO复杂度、KC复杂度等特征,通过SVM分类器 进行分类,简历清醒和疲劳模型,再进一步根据实时脑电信号以及其他生理信号进行疲劳 度分析,通过脑电信息进行判断是否疲劳,然后再通过分别提取的心电、肌电、呼吸、血氧以 及姿态等信息进行分别判断是否疲劳,对使用脑电的判断进行反向验证。通过心电、肌电、 呼吸、血氧以及姿态等多维生理信号的融合,实现疲劳度的精确评定。

Claims (7)

1. 融合脑电信号与生理信号的疲劳检测系统,包括采集人体信号的信号采集单元,其 特征在于,所述信号采集单元包括采集脑电信号的脑电采集单元、采集心电信号的心电采 集单元和采集肌电信号的肌电采集单元,用于接收和处理人体信号的信号处理单元,还包 括根据信号处理单元处理过的信号用于标定是否疲劳的疲劳标定单元。
2. 根据权利要求1所述的融合脑电信号与生理信号的疲劳检测系统,其特征在于,所述 信号处理单元对脑电信号处理时,首先对脑电信号β波进行分解去噪预处理,然后对预处理 后的脑电信号进行CO复杂度、KC复杂度的特征提取;CO复杂度计算序列功率谱的均方值,高 于均方值的部分保持不变,而低于均方值的部分置为零,计算新的信号频谱的傅里叶逆变 换,得到新的时间序列,新时间序列与原时间序列之差的平方和和原信号的平方和之比, 即,非规则成分在原始信号中占得比例;计算一个序列KC复杂度的步骤如下: (1)设时间序列{Χ^Χ^—Χη},计算时间序列的均值^巴序列中大于平均值1的乂:用丄 代替,小于等于平均值I的&用〇代替,构建新的序列ie (1,2,···);
Figure CN106691474AC00021
©当昨5^^,〇复制在其后,当_3〇:?时,在0中加“*”称为插入; ⑷重复⑶过程,到序列结束;
Figure CN106691474AC00022
以上在对脑电信号分析时,提取的特征值为CO复杂度、KC复杂度。
3. 根据权利要求1所述的融合脑电信号与生理信号的疲劳检测系统,其特征在于,所述 信号处理单元对心电信号处理时,先使用小波算法对脑电信号进行预处理,进行预处理之 后,对心电特征的提取有心率平均值而,SDNN以及P、Q、R、S、T波的时域和频域特征值,心电 信号特征提取算法流程为:(1)首先进行小波分解,根据小波系数求出正负极大值对,正负 极值对过零的点即为R波峰值点,然后再根据QRS波群的波形特征及正负极大值对,判断出 QRS波群的起止点;(2)求出RR间期的平均值,若某一个RR间期的值小于0.4倍的RR间期平均 值,则去掉幅值小的R波点,若两个R波间期的值大于1.6倍的RR间期平均值,则检测到这两 个RR波间幅值最大的点,添加这个R点;(3)检测从QRS波群的起始位置的点到R波幅值最小 值点就是Q波点,相应地,检测从R波点到QRS波群的终止点的幅值最小值点即为S波点。(4) 检测上一个QRS波群的终止点和下一个QRS波群的起始点之间波段的极值点。若接近于上一 个QRS波群的终止点,则该点为T波点,若接近于下一个QRS波群的起始点,则该点为P波点; 心率平均值表示在采集心电的这段时间里,心率的均值,计算公式:
Figure CN106691474AC00023
SDNN指的是R-R间期的标准差,其中公式中参数ti指每次R-R间期的值,参数t指心率平 均值:
Figure CN106691474AC00031
4. 根据权利要求1所述的融合脑电信号与生理信号的疲劳检测系统,其特征在于,所述 信号处理单元对肌电信号处理时,根据肌电信号的幅值和频率范围,采用小波去噪去除高 频部分噪声和中值滤波器去除基线漂移的方法进行预处理,然后提取肌电信号中的时域和 频域特征。
5. 根据权利要求1所述的融合脑电信号与生理信号的疲劳检测系统,其特征在于,所述 人体ί目号米集单兀米集脑电ί目息、心电ί目息和肌电ί目息。
6. 根据权利要求5所述的融合脑电信号与生理信号的疲劳检测系统,其特征在于,所述 人体ί目号米集单兀还米集呼吸ί目息、血氧ί目息以及姿态ί目息。
7. 根据权利要求6所述的融合脑电信号与生理信号的疲劳检测系统,其特征在于,所述 信号采集单元包括脑电放大器、心电和肌电一体采集器、血氧仪采集器和姿态惯导模块。
CN201611055740.0A 2016-11-25 2016-11-25 融合脑电信号与生理信号的疲劳检测系统 Pending CN106691474A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611055740.0A CN106691474A (zh) 2016-11-25 2016-11-25 融合脑电信号与生理信号的疲劳检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611055740.0A CN106691474A (zh) 2016-11-25 2016-11-25 融合脑电信号与生理信号的疲劳检测系统

Publications (1)

Publication Number Publication Date
CN106691474A true CN106691474A (zh) 2017-05-24

Family

ID=58934018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611055740.0A Pending CN106691474A (zh) 2016-11-25 2016-11-25 融合脑电信号与生理信号的疲劳检测系统

Country Status (1)

Country Link
CN (1) CN106691474A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107669283A (zh) * 2017-10-29 2018-02-09 吉林大学 基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法
CN107961120A (zh) * 2017-12-08 2018-04-27 中国电子科技集团公司第二十七研究所 一种基于脑电控制的智能轮椅控制系统
CN108392211A (zh) * 2018-01-11 2018-08-14 浙江大学 一种基于多信息融合的疲劳检测方法
CN108681396A (zh) * 2018-04-28 2018-10-19 北京机械设备研究所 基于脑-肌电双模态神经信号的人机交互系统及其方法
CN108703751A (zh) * 2018-04-27 2018-10-26 广西医科大学 一种心脑肌电检测装置
CN108765876A (zh) * 2018-05-31 2018-11-06 东北大学 基于多模信号的驾驶疲劳深度分析预警系统及方法
CN108888280A (zh) * 2018-05-24 2018-11-27 吉林大学 基于脑电信号分析的学生听课注意力评价方法
WO2018214524A1 (zh) * 2017-05-25 2018-11-29 深圳市未来健身科技有限公司 一种运动训练预警方法及装置
CN109009094A (zh) * 2018-06-20 2018-12-18 成都美律科技有限公司 基于脑电信号kc复杂度的视觉诱导晕动症检测方法
CN109035960A (zh) * 2018-06-15 2018-12-18 吉林大学 基于模拟驾驶平台的驾驶员驾驶模式分析系统及分析方法
CN109009028A (zh) * 2018-08-31 2018-12-18 江苏盖睿健康科技有限公司 一种反映人体疲劳程度的穿戴式设备
CN109009173A (zh) * 2018-08-30 2018-12-18 北京机械设备研究所 一种基于脑电-眼动双模态信号的疲劳检测与调控方法
CN109077725A (zh) * 2018-08-09 2018-12-25 江汉大学 一种肌肉疲劳度检测装置
CN109147951A (zh) * 2018-09-19 2019-01-04 中国人民解放军第三0五医院 一种大脑警觉度的监测报警方法
CN109498041A (zh) * 2019-01-15 2019-03-22 吉林大学 基于脑电与脉搏信息的驾驶员路怒状态识别方法
CN110151166A (zh) * 2019-05-07 2019-08-23 中国电子科技集团公司第二十八研究所 一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法
CN110507319A (zh) * 2019-09-04 2019-11-29 杭州回车电子科技有限公司 一种疲劳度检测方法及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140180145A1 (en) * 2009-10-29 2014-06-26 Panasonic Corporation Human fatigue assessment device and human fatigue assessment method
CN105094029A (zh) * 2015-07-24 2015-11-25 上海帝仪科技有限公司 安全管理系统和方法
CN105877766A (zh) * 2016-06-21 2016-08-24 东北大学 一种基于多生理信号融合的精神状态检测系统及方法
CN106137181A (zh) * 2015-04-13 2016-11-23 上海帝仪科技有限公司 用于获取用户的疲劳特征的系统、方法和设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140180145A1 (en) * 2009-10-29 2014-06-26 Panasonic Corporation Human fatigue assessment device and human fatigue assessment method
CN106137181A (zh) * 2015-04-13 2016-11-23 上海帝仪科技有限公司 用于获取用户的疲劳特征的系统、方法和设备
CN105094029A (zh) * 2015-07-24 2015-11-25 上海帝仪科技有限公司 安全管理系统和方法
CN105877766A (zh) * 2016-06-21 2016-08-24 东北大学 一种基于多生理信号融合的精神状态检测系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘佳兴: "基于多参数融合的疲劳驾驶监测及预警系统", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
王晓花等: "一种改进的心电图QRS波群检测算法", 《计算机工程与科学》 *
祝荣欣: "基于生理信号的联合收获机驾驶疲劳检测与评价", 《中国博士学位论文全文数据库农业科技辑》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018214524A1 (zh) * 2017-05-25 2018-11-29 深圳市未来健身科技有限公司 一种运动训练预警方法及装置
CN107669283A (zh) * 2017-10-29 2018-02-09 吉林大学 基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法
CN107961120A (zh) * 2017-12-08 2018-04-27 中国电子科技集团公司第二十七研究所 一种基于脑电控制的智能轮椅控制系统
CN108392211A (zh) * 2018-01-11 2018-08-14 浙江大学 一种基于多信息融合的疲劳检测方法
CN108392211B (zh) * 2018-01-11 2020-05-29 浙江大学 一种基于多信息融合的疲劳检测方法
CN108703751A (zh) * 2018-04-27 2018-10-26 广西医科大学 一种心脑肌电检测装置
CN108703751B (zh) * 2018-04-27 2020-11-06 广西医科大学 一种心脑肌电检测装置
CN108681396A (zh) * 2018-04-28 2018-10-19 北京机械设备研究所 基于脑-肌电双模态神经信号的人机交互系统及其方法
CN108681396B (zh) * 2018-04-28 2021-07-06 北京机械设备研究所 基于脑-肌电双模态神经信号的人机交互系统及其方法
CN108888280A (zh) * 2018-05-24 2018-11-27 吉林大学 基于脑电信号分析的学生听课注意力评价方法
CN108765876A (zh) * 2018-05-31 2018-11-06 东北大学 基于多模信号的驾驶疲劳深度分析预警系统及方法
CN109035960A (zh) * 2018-06-15 2018-12-18 吉林大学 基于模拟驾驶平台的驾驶员驾驶模式分析系统及分析方法
CN109009094B (zh) * 2018-06-20 2021-03-30 成都美律科技有限公司 基于脑电信号kc复杂度的视觉诱导晕动症检测方法
CN109009094A (zh) * 2018-06-20 2018-12-18 成都美律科技有限公司 基于脑电信号kc复杂度的视觉诱导晕动症检测方法
CN109077725A (zh) * 2018-08-09 2018-12-25 江汉大学 一种肌肉疲劳度检测装置
CN109009173A (zh) * 2018-08-30 2018-12-18 北京机械设备研究所 一种基于脑电-眼动双模态信号的疲劳检测与调控方法
CN109009028A (zh) * 2018-08-31 2018-12-18 江苏盖睿健康科技有限公司 一种反映人体疲劳程度的穿戴式设备
CN109147951A (zh) * 2018-09-19 2019-01-04 中国人民解放军第三0五医院 一种大脑警觉度的监测报警方法
CN109498041A (zh) * 2019-01-15 2019-03-22 吉林大学 基于脑电与脉搏信息的驾驶员路怒状态识别方法
CN109498041B (zh) * 2019-01-15 2021-04-16 吉林大学 基于脑电与脉搏信息的驾驶员路怒状态识别方法
CN110151166A (zh) * 2019-05-07 2019-08-23 中国电子科技集团公司第二十八研究所 一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法
CN110507319A (zh) * 2019-09-04 2019-11-29 杭州回车电子科技有限公司 一种疲劳度检测方法及设备

Similar Documents

Publication Publication Date Title
CN106691474A (zh) 融合脑电信号与生理信号的疲劳检测系统
US7547279B2 (en) System and method for recognizing user's emotional state using short-time monitoring of physiological signals
US20070179396A1 (en) Method and System for Detecting and Classifying Facial Muscle Movements
Zhang et al. Driver drowsiness detection using multi-channel second order blind identifications
CN105942974A (zh) 一种基于低频脑电的睡眠分析方法及系统
KR20210018202A (ko) 광혈류측정 데이터 분석 및 프리젠테이션
CN103019383A (zh) 一种稳态视觉诱发电位脑—机接口信号识别方法
Soman et al. Classification of stress of automobile drivers using radial basis function kernel support vector machine
Begum et al. Mental state monitoring system for the professional drivers based on Heart Rate Variability analysis and Case-Based Reasoning
CN106175754A (zh) 睡眠状态分析中清醒状态检测装置
CN111651060A (zh) 一种vr沉浸效果的实时评估方法和评估系统
Bong et al. Analysis of electrocardiogram (ecg) signals for human emotional stress classification
Krusienski et al. Harmonic coupling of steady-state visual evoked potentials
Feige Oscillatory brain activity and its analysis on the basis of MEG and EEG
Patrick et al. An algorithm for automatic detection of drowsiness for use in wearable EEG systems
Turnip et al. Utilization of EEG-SSVEP method and ANFIS classifier for controlling electronic wheelchair
Ma et al. Classification of motor imagery EEG signals based on wavelet transform and sample entropy
Mehboob et al. Information quantification of empirical mode decomposition and applications to field potentials
CN106333676A (zh) 清醒状态下的脑电信号数据类型的标注装置
Vijayprasath et al. Assessment of relationship between heart rate variability and drowsiness of post operative patients in driving conditions
Gheryani et al. An effective approach for epileptic seizures detection from multi-sensors integrated in an Armband
Raj A real-time ECG-processing platform for telemedicine applications
Raghavendra et al. Multiscale fractal dimension technique for characterization and analysis of biomedical signals
Cosoli et al. Heart Rate Variability Analysis With Wearable Devices: Influence of Artifact Correction Method on Classification Accuracy for Emotion Recognition
Kalbhor et al. The review of detection and classification of epilectic seizures using wavelet transform

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170524