CN107157476B - 一种用于智能矿用头盔的矿工焦虑度识别方法 - Google Patents
一种用于智能矿用头盔的矿工焦虑度识别方法 Download PDFInfo
- Publication number
- CN107157476B CN107157476B CN201710361723.8A CN201710361723A CN107157476B CN 107157476 B CN107157476 B CN 107157476B CN 201710361723 A CN201710361723 A CN 201710361723A CN 107157476 B CN107157476 B CN 107157476B
- Authority
- CN
- China
- Prior art keywords
- energy
- signal
- ripple
- circadian
- 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.)
- Active
Links
- 208000019901 Anxiety disease Diseases 0.000 title claims abstract description 48
- 230000036506 anxiety Effects 0.000 title claims abstract description 48
- 238000005065 mining Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000002060 circadian Effects 0.000 claims abstract description 89
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 30
- 210000004556 brain Anatomy 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 15
- 230000005611 electricity Effects 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 230000003750 conditioning effect Effects 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 9
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 8
- 210000001061 forehead Anatomy 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 210000000624 ear auricle Anatomy 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000001953 sensory effect Effects 0.000 claims 1
- 230000008859 change Effects 0.000 description 11
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 229960004424 carbon dioxide Drugs 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 229910002090 carbon oxide Inorganic materials 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A42—HEADWEAR
- A42B—HATS; HEAD COVERINGS
- A42B3/00—Helmets; Helmet covers ; Other protective head coverings
- A42B3/04—Parts, details or accessories of helmets
- A42B3/0406—Accessories for helmets
- A42B3/0433—Detecting, signalling or lighting devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/20—Workers
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychology (AREA)
- General Physics & Mathematics (AREA)
- Social Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种用于智能矿用头盔的矿工焦虑度识别方法，包括步骤：一、原始脑电波信号的获取；二、原始脑电波信号的小波包分解再重构；三、获取原始脑电信号X(t)的总能量；四、对θ波节律信号的能量En(θ)、α波节律信号的能量En(α)和β波节律信号的能量En(β)分别进行归一化处理；五、设定固定时间段内平静精神状态下的β波节律信号的平均相对能量阈值；六、识别矿工焦虑度。本发明通过θ波节律、α波节律和β波节律的单位时间内的平均相对能量波动关系量化负情绪，识别井下矿工的焦虑度，可以有效的避免矿工长时间受负情绪影响时在井下操作不当的行为，提高井下操作安全系数。
Description
技术领域
本发明属于矿井安全技术领域，具体涉及一种用于智能矿用头盔的矿工焦虑度识别方法。
背景技术
脑机接口的技术研究已经有几十年的历史，但在国内脑机接口的技术还不成熟，大多处于实验室研发阶段。煤炭在我国能源结构中占66.6％的绝对性份额，在短期内我国还无法离开煤炭能源，而目前我国每年有平均约6000人死于矿难。矿工的智能头盔作为监测系统的移动终端，是监测系统全面覆盖矿井复杂环境的新发展手段。智能头盔的设计及关键技术的研究对未来煤矿事故的减少，人员伤亡率的降低有着重大意义的贡献。现有的智能矿用头盔大多只是完成矿工所处环境的监测、语音通话等，没有对矿工精神状态及负性情绪方面的检测与评估。长时间的负性情绪对人的影响尤为显著，人在愤怒、憎恨、过度悲伤的情况下会做出过激的反应。而针对矿工来说井下的突发事件可能会引起工人的过激行为进一步引起误操作。或者突然的事故会引起矿工紧张、悲伤、惊恐。所以对负性情绪的检测就变得重要起来，可以有效的避免长时间受负情绪影响的矿工有不当的操作，如果大面积的操作面的工人负情绪明显，就有必要着重了解该工作面的工况情况，警惕事故发生。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种用于智能矿用头盔的矿工焦虑度识别方法，步骤简单，通过θ波节律、α波节律和β波节律的单位时间内的平均相对能量波动关系量化负情绪，识别井下矿工的焦虑度，可以有效的避免矿工长时间受负情绪影响时在井下操作不当的行为，提高井下操作安全系数，便于推广使用。
为解决上述技术问题，本发明采用的技术方案是：一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于，该方法包括以下步骤：
步骤一、原始脑电波信号的获取：采用安装在智能矿用头盔上的脑电信号获取装置获取矿工的脑电波信号并对其进行预处理，得到原始脑电波信号X(t)后送入处理器；
所述脑电信号获取装置包括获取大脑右侧前额叶部位精神状态的第一脑电电极、采集的耳垂处的电位且屏蔽参考信号的第二脑电电极、屏蔽大脑以下伪迹信号的第三脑电电极以及用于对第一脑电电极、第二脑电电极和第三脑电电极采集的信号进行预处理的脑电信号获取模块，脑电信号获取模块的信号输出端与处理器的信号输入端相接；
步骤二、原始脑电波信号的小波包分解再重构：处理器利用Daubechies小波基函数对脑电信号获取模块采集的原始脑电波信号X(t)进行小波包分解再重构，得到原始脑电波信号X(t)小波包分解再重构的小波树频带离散信号xk,m(i)，其中，k为小波包分解层数且k为不小于5的正整数，m为每层分解频带的位置编号且m＝0,1,...,(2k-1)；
步骤三、获取原始脑电信号X(t)的总能量：首先，处理器根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在0～4Hz之间的δ波节律信号的能量，获取δ波节律信号的能量En[δ(t)]＝En(δ)；处理器根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在4Hz～8Hz之间的θ波节律信号的能量，获取θ波节律信号的能量En[θ(t)]＝En(θ)；处理器根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在8Hz～14Hz之间的α波节律信号的能量，获取α波节律信号的能量En[α(t)]＝En(α)；处理器根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在14Hz～30Hz之间的β波节律信号的能量，获取β波节律信号的能量En[β(t)]＝En(β)；处理器根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在0～30Hz之外的剩余信号的能量，获取剩余信号的干扰能量En[b(t)]＝En(b)；然后，根据公式En[X(t)]＝{En[α(t)]+En[β(t)]+En[θ(t)]+En[δ(t)]}+En[b(t)]，获取原始脑电信号X(t)的总能量En[X(t)]，其中，En[·]表示能量函数，原始脑电信号X(t)的总能量小波树频带离散信号xk,m(i)中任意一个离散信号xk,m(i)的能量N为离散信号xk,m(i)的离散采样点i的数据长度；
步骤四、根据公式对θ波节律信号的能量En(θ)、α波节律信号的能量En(α)和β波节律信号的能量En(β)分别进行归一化处理，得到θ波节律信号的相对能量α波节律信号的相对能量和β波节律信号的相对能量
步骤五、设定固定时间段内平静精神状态下的β波节律信号的平均相对能量阈值：根据公式确定平均相对能量阈值其中，M为固定时间段内平静精神状态下的β波节律离散信号的离散采样点j的数据长度；
步骤六、识别矿工焦虑度：根据公式识别焦虑度Anx，其中，为单位时间段内矿工实际精神状态下的β波节律信号的平均相对能量，为单位时间段内矿工实际精神状态下的α波节律信号的平均相对能量，为单位时间段内矿工实际精神状态下的θ波节律信号的平均相对能量，ε为焦虑度精度调节值且ε为正数。
上述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述智能矿用头盔上设置有采集井下环境参数的环境参数传感组件和用于对环境参数传感组件采集的井下环境参数进行信号调理的信号调理电路，信号调理电路的信号输出端与处理器的信号输入端相接，所述智能矿用头盔上还设置有与监控井下工况状态的监控主机通信的无线通信节点和用于直接显示矿工精神状态的显示器，显示器和无线通信节点均与处理器连接，所述环境参数传感组件包括温湿度传感器、甲烷浓度传感器、二氧化碳浓度传感器和一氧化碳浓度传感器，信号调理电路由依次连接的滤波调理电路、放大电路和模数转换电路组成。
上述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述无线通信节点为WIFI无线通信节点，监控主机上连接有云存储器，所述处理器包括STM32微控制器。
上述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述原始脑电波信号X(t)的频率为0～256Hz，脑电信号获取模块的采样频率P为512Hz～1024Hz。
上述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述固定时间段内平静精神状态下的β波节律离散信号的离散采样点j的数据长度M＝P·T，其中，T为固定时间段。
上述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述焦虑度精度调节值ε满足：0.001≤ε≤0.1。
本发明与现有技术相比具有以下优点：
1、本发明采用第一脑电电极获取大脑右侧前额叶部位精神状态，采用第二脑电电极和第三脑电电极对干扰信号进行屏蔽并去除大脑以下伪迹信号，脑电信号采集准确可靠，通过脑电信号获取模块对脑电电极获取的脑电信号进行预处理，脑电信号获取简单，便于推广使用。
2、本发明利用Daubechies小波基函数对脑电信号获取模块采集的原始脑电波信号进行小波包分解再重构，获取小波树频带离散信号xk,m(i)，分别得到满足δ波段信号的频带离散信号及其位于小波树频带离散信号xk,m(i)中的位置、满足θ波段信号的频带离散信号及其位于小波树频带离散信号xk,m(i)中的位置、满足α波段信号的频带离散信号及其位于小波树频带离散信号xk,m(i)中的位置、满足β波段信号的频带离散信号及其位于小波树频带离散信号xk,m(i)中的位置，便于提取有用的波段信号为后续计算矿工焦虑度提供数据基础，使用效果好。
3、本发明方法步骤简单，对影响矿工焦虑度的波段信号进行能量提取，同时设定单位时间段内平静精神状态下的β波节律信号的平均相对能量阈值，矿工焦虑产生负面情绪时，α波节律和β波节律的能量会上升，θ波节律的能量会被抑制，通过单位时间段内矿工实际精神状态下的β波节律信号的平均相对能量、α波节律信号的平均相对能量和θ波节律信号的平均相对能量的对应关系识别矿工焦虑度Anx，另外，设置焦虑度精度调节值ε对矿工焦虑度Anx进行识别精度量化，便于监控主机识别矿工焦虑度Anx的有效变化，便于推广使用。
综上所述，本发明通过θ波节律、α波节律和β波节律的单位时间内的平均相对能量波动关系量化负情绪，识别井下矿工的焦虑度，可以有效的避免矿工长时间受负情绪影响时在井下操作不当的行为，提高井下操作安全系数，便于推广使用。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明采用的矿工焦虑度识别设备的电路原理框图。
图2为本发明矿工焦虑度识别方法的方法流程框图。
图3为本发明频率为256Hz的原始脑电波信号的小波包脑电节律分解示意图。
图4为本发明原始脑电波信号X(t)的时域波形图。
图5a为本发明利用db4小波包基函数对δ波节律信号分解再重构的时域波形图。
图5b为图5a的频域波形图。
图6a为本发明利用db4小波包基函数对θ波节律信号分解再重构的时域波形图。
图6b为图6a的频域波形图。
图7a为本发明利用db4小波包基函数对α波节律信号分解再重构的时域波形图。
图7b为图7a的频域波形图。
图8a为本发明利用db4小波包基函数对β波节律信号分解再重构的时域波形图。
图8b为图8a的频域波形图。
附图标记说明:
1—第一脑电电极； 2—第二脑电电极； 3—第三脑电电极；
4—脑电信号获取模块； 5—处理器； 6—信号调理电路；
7—环境参数传感组件； 8—显示器； 9—无线通信节点；
10—监控主机； 11—云存储器。
具体实施方式
如图1和图2所示，本发明的一种用于智能矿用头盔的矿工焦虑度识别方法，包括以下步骤：
步骤一、原始脑电波信号的获取：采用安装在智能矿用头盔上的脑电信号获取装置获取矿工的脑电波信号并对其进行预处理，得到原始脑电波信号X(t)后送入处理器5；
所述脑电信号获取装置包括获取大脑右侧前额叶部位精神状态的第一脑电电极1、采集的耳垂处的电位且屏蔽参考信号的第二脑电电极2、屏蔽大脑以下伪迹信号的第三脑电电极3以及用于对第一脑电电极1、第二脑电电极2和第三脑电电极3采集的信号进行预处理的脑电信号获取模块4，脑电信号获取模块4的信号输出端与处理器5的信号输入端相接；
所述脑电信号获取装置采集活动最为明显的前额Fp2导联的原始脑电波信号，所述脑电信号获取模块4为美国NeuroSky公司研发的TGAM芯片；所述TGAM芯片的EEG管脚和EEG_shiled管脚的连接端与第一脑电电极1相接用于采集人体脑电波信号，TGAM芯片的REF管脚和REF_shiled管脚的连接端与第二脑电电极2相接，TGAM芯片的EEG_GND管脚与第三脑电电极3相接，通过第二脑电电极2和第三脑电电极3屏蔽人体头部以下电波对大脑电波的影响，所述TGAM芯片对第一脑电电极1、第二脑电电极2和第三脑电电极4采集的脑电波信号进行预处理，如图4所示，得到时域下的原始脑电波信号X(t)。
本实施例中，所述智能矿用头盔上设置有采集井下环境参数的环境参数传感组件7和用于对环境参数传感组件7采集的井下环境参数进行信号调理的信号调理电路6，信号调理电路6的信号输出端与处理器5的信号输入端相接，所述智能矿用头盔上还设置有与监控井下工况状态的监控主机10通信的无线通信节点9和用于直接显示矿工精神状态的显示器8，显示器8和无线通信节点9均与处理器5连接，所述环境参数传感组件7包括温湿度传感器、甲烷浓度传感器、二氧化碳浓度传感器和一氧化碳浓度传感器，信号调理电路6由依次连接的滤波调理电路、放大电路和模数转换电路组成。
本实施例中，所述无线通信节点9为WIFI无线通信节点，监控主机10上连接有云存储器11，所述处理器5包括STM32微控制器。
需要说明的是，所述智能矿用头盔上设置有采集井下环境参数的环境参数传感组件7是为了采集矿工在井下分别遇到温湿度变化、甲烷气体浓度变化、二氧化碳气体浓度变化和一氧化碳气体浓度变化时，对所述脑电信号获取装置采集的脑波信号的影响，同时可预知影响环境的恶劣程度，同时信号调理电路6的设置为了进一步的提高环境参数传感组件7采集数据的精度，便于处理器5处理，无线通信节点9采用现有井下已经搭建好的无线网络环境与监控主机10通信，云存储器11的设置是为了远程的将井下采集的数据大量的传输保存，避免数据的丢失。
步骤二、原始脑电波信号的小波包分解再重构：处理器5利用Daubechies小波基函数对脑电信号获取模块4采集的原始脑电波信号X(t)进行小波包分解再重构，得到原始脑电波信号X(t)小波包分解再重构的小波树频带离散信号xk,m(i)，其中，k为小波包分解层数且k为不小于5的正整数，m为每层分解频带的位置编号且m＝0,1,...,(2k-1)；
本实施例中，所述原始脑电波信号X(t)的频率为0～256Hz，所述脑电信号获取模块4的采样频率P为512Hz～1024Hz。
需要说明的是，如图3所示，对频率为0～256Hz的原始脑电波信号X(t)采用Daubechies小波基函数进行小波包分解再重构，Daubechies小波基函数为db系列小波基，其中，db系列小波基包括db1～db10小波基，常用的有db4小波包基函数和db8小波包基函数，本实施例中采用db4小波包基函数对脑电信号获取模块4采集的原始脑电波信号X(t)进行小波包分解再重构，小波包分解再重构的过程中信号频带均为逐层均分，得到原始脑电波信号X(t)小波包分解再重构的小波树频带离散信号xk,m(i)，其中，k取7时可获取脑波中δ波、θ波、α波、β波四种节律。
步骤三、获取原始脑电信号X(t)的总能量：首先，处理器5根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在0～4Hz之间的δ波节律信号的能量，获取δ波节律信号的能量En[δ(t)]＝En(δ)；处理器5根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在4～8Hz之间的θ波节律信号的能量，获取θ波节律信号的能量En[θ(t)]＝En(θ)；处理器5根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在8～14Hz之间的α波节律信号的能量，获取α波节律信号的能量En[α(t)]＝En(α)；处理器5根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在14～30Hz之间的β波节律信号的能量，获取β波节律信号的能量En[β(t)]＝En(β)；处理器5根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在0～30Hz之外的剩余信号的能量，获取剩余信号的干扰能量En[b(t)]＝En(b)；然后，根据公式En[X(t)]＝{En[α(t)]+En[β(t)]+En[θ(t)]+En[δ(t)]}+En[b(t)]，获取原始脑电信号X(t)的总能量En[X(t)]，其中，En[·]表示能量函数，原始脑电信号X(t)的总能量小波树频带离散信号xk,m(i)中任意一个离散信号xk,m(i)的能量N为离散信号xk,m(i)的离散采样点i的数据长度；
需要说明的是，如图3所示，原始脑电信号X(t)的总能量En[X(t)]满足En[X(t)]＝{En[α(t)]+En[β(t)]+En[θ(t)]+En[δ(t)]}+En[b(t)]，采用Daubechies小波基函数对原始脑电波信号X(t)进行小波包分解再重构，各个频率带的信号相互独立，无冗余，不疏漏，满足能量不变原则，δ波节律信号的能量En[δ(t)]＝En(δ)，根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在0～4Hz之间的δ波节律信号的能量，如图5a所示，得到δ波节律信号分解再重构的时域波形图，图5b为对时域下δ波节律信号的频域变化波形图，获取δ波节律信号的能量En(δ)，即En(δ)＝En[x6,1(i)]；同理，根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在4Hz～8Hz之间的θ波节律信号的能量，如图6a所示，得到θ波节律信号分解再重构的时域波形图，图6b为对时域下θ波节律信号的频域变化波形图，获取θ波节律信号的能量En(θ)，即En(θ)＝En[x6,2(i)]；根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在8Hz～14Hz之间的α波节律信号的能量，如图7a所示，得到α波节律信号分解再重构的时域波形图，图7b为对时域下θ波节律信号的频域变化波形图，获取α波节律信号的能量En(α)，即En(α)＝En[x6,3(i)]+En[x7,7(i)]；根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在14Hz～30Hz之间的β波节律信号的能量，如图8a所示，得到β波节律信号分解再重构的时域波形图，图8b为对时域下β波节律信号的频域变化波形图，获取β波节律信号的能量En(β)＝En[x7,8(i)]+En[x5,3(i)]+En[x6,7(i)]+En[x7,15(i)]；同理，根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)的全部离散信号xk,m(i)的能量
小波树频带离散信号xk,m(i)中任意一个离散信号xk,m(i)的能量N为离散信号xk,m(i)的离散采样点i的数据长度，本实施例中，根据采用定理采用采样频率P为512Hz的脑电信号获取模块4获取原始脑电波信号X(t)，因此，离散信号xk,m(i)的离散采样点i的数据长度N为512。
步骤四、根据公式对θ波节律信号的能量En(θ)、α波节律信号的能量En(α)和β波节律信号的能量En(β)分别进行归一化处理，得到θ波节律信号的相对能量α波节律信号的相对能量和β波节律信号的相对能量
需要说明的是，δ波节律信号与负情绪不相关，θ波节律信号、β波节律信号在明显负情绪下有幅值增加的变化，其中β波节律信号高频部分增幅明显，而α波节律信号在明显负情绪下有轻微被抑制表现，在脑电信号分析中，各节律信号的幅值差异较大，通过相对能量的分析可有效地将各节律归一化处理，去除掉量纲。
步骤五、设定固定时间段内平静精神状态下的β波节律信号的平均相对能量阈值：根据公式确定平均相对能量阈值其中，M为固定时间段内平静精神状态下的β波节律离散信号的离散采样点j的数据长度；
本实施例中，所述固定时间段内平静精神状态下的β波节律离散信号的离散采样点j的数据长度M＝P·T，其中，T为固定时间段。
需要说明的是，在明显负情绪下β节律高频部分增幅明显，以β波节律信号的平均相对能量作为衡量负情绪下焦虑度的标志，实际使用中，设定固定时间段为3分钟，采集每个矿工在未下井之前3分钟之内平静精神状态下的β波节律信号的平均相对能量作为平均相对能量阈值，3分钟之内平静精神状态下的β波节律离散信号的离散采样点j的数据长度M满足：M＝512×60×3。
步骤六、识别矿工焦虑度：根据公式识别焦虑度Anx，其中，为单位时间段内矿工实际精神状态下的β波节律信号的平均相对能量，为单位时间段内矿工实际精神状态下的α波节律信号的平均相对能量，为单位时间段内矿工实际精神状态下的θ波节律信号的平均相对能量，ε为焦虑度精度调节值且ε为正数。
需要说明的是，和的计算方式与单位时间段内平静精神状态下的β波节律信号的平均相对能量阈值的计算方式相同，不同的是，和的值为矿工位于井下后实际精神状态下各节律信号的平均相对能量。
本实施例中，所述焦虑度精度调节值ε满足：0.001≤ε≤0.1。
需要说明的是，θ波节律信号的相对能量α波节律信号的相对能量和β波节律信号的相对能量取值范围为(0,1)，且由于干扰信号不可避免的存在，之和的取值范围也为(0,1)，若为0时，无意义，若不为0但是取值极小时，无穷大，焦虑度取值无参考意义，因此，在的分母上设置焦虑度精度调节值ε，随着负情绪的加剧，单位时间内β波节律信号的相对能量及θ波节律信号的相对能量增幅逐渐变大，α波节律信号的相对能量减小，值增加；当负情绪缓解，值减小；焦虑度精度调节值ε满足：0.001≤ε≤0.1，使焦虑度Anx∈[0,1000)，便于显示器8有效的显示矿工焦虑度，可以有效的避免矿工长时间受负情绪影响时在井下操作不当的行为，提高井下操作安全系数。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。
Claims (6)
1.一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于，该方法包括以下步骤：
步骤一、原始脑电波信号的获取：采用安装在智能矿用头盔上的脑电信号获取装置获取矿工的脑电波信号并对其进行预处理，得到原始脑电波信号X(t)后送入处理器(5)；
所述脑电信号获取装置包括获取大脑右侧前额叶部位精神状态的第一脑电电极(1)、采集耳垂处的电位且屏蔽参考信号的第二脑电电极(2)、屏蔽大脑以下伪迹信号的第三脑电电极(3)以及用于对第一脑电电极(1)、第二脑电电极(2)和第三脑电电极(3)采集的信号进行预处理的脑电信号获取模块(4)，脑电信号获取模块(4)的信号输出端与处理器(5)的信号输入端相接；
步骤二、原始脑电波信号的小波包分解再重构：处理器(5)利用Daubechies小波基函数对脑电信号获取模块(4)采集的原始脑电波信号X(t)进行小波包分解再重构，得到原始脑电波信号X(t)小波包分解再重构的小波树频带离散信号xk,m(i)，其中，k为小波包分解层数且k为不小于5的正整数，m为每层分解频带的位置编号且m＝0,1,...,2k-1；
步骤三、获取原始脑电信号X(t)的总能量：首先，处理器(5)根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在0～4Hz之间的δ波节律信号的能量，获取δ波节律信号的能量En[δ(t)]＝En(δ)；处理器(5)根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在4～8Hz之间的θ波节律信号的能量，获取θ波节律信号的能量En[θ(t)]＝En(θ)；处理器(5)根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在8～14Hz之间的α波节律信号的能量，获取α波节律信号的能量En[α(t)]＝En(α)；处理器(5)根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在14～30Hz之间的β波节律信号的能量，获取β波节律信号的能量En[β(t)]＝En(β)；处理器(5)根据能量不变原则叠加步骤二得到的小波树频带离散信号xk,m(i)中频率在0～30Hz之外的剩余信号的能量，获取剩余信号的干扰能量En[b(t)]＝En(b)；然后，根据公式En[X(t)]＝{En[α(t)]+En[β(t)]+En[θ(t)]+En[δ(t)]}+En[b(t)]，获取原始脑电信号X(t)的总能量En[X(t)]，其中，En[·]表示能量函数，原始脑电信号X(t)的总能量小波树频带离散信号xk,m(i)中任意一个离散信号xk,m(i)的能量N为离散信号xk,m(i)的离散采样点i的数据长度；
步骤四、根据公式对θ波节律信号的能量En(θ)、α波节律信号的能量En(α)和β波节律信号的能量En(β)分别进行归一化处理，得到θ波节律信号的相对能量α波节律信号的相对能量和β波节律信号的相对能量
步骤五、设定固定时间段内平静精神状态下的β波节律信号的平均相对能量阈值：根据公式确定平均相对能量阈值其中，M为固定时间段内平静精神状态下的β波节律离散信号的离散采样点j的数据长度；
步骤六、识别矿工焦虑度：根据公式识别焦虑度Anx，其中，为单位时间段内矿工实际精神状态下的β波节律信号的平均相对能量，为单位时间段内矿工实际精神状态下的α波节律信号的平均相对能量，为单位时间段内矿工实际精神状态下的θ波节律信号的平均相对能量，ε为焦虑度精度调节值且ε为正数。
2.按照权利要求1所述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述智能矿用头盔上设置有采集井下环境参数的环境参数传感组件(7)和用于对环境参数传感组件(7)采集的井下环境参数进行信号调理的信号调理电路(6)，信号调理电路(6)的信号输出端与处理器(5)的信号输入端相接，所述智能矿用头盔上还设置有与监控井下工况状态的监控主机(10)通信的无线通信节点(9)和用于直接显示矿工精神状态的显示器(8)，显示器(8)和无线通信节点(9)均与处理器(5)连接，所述环境参数传感组件(7)包括温湿度传感器、甲烷浓度传感器、二氧化碳浓度传感器和一氧化碳浓度传感器，信号调理电路(6)由依次连接的滤波调理电路、放大电路和模数转换电路组成。
3.按照权利要求2所述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述无线通信节点(9)为WIFI无线通信节点，监控主机(10)上连接有云存储器(11)，所述处理器(5)包括STM32微控制器。
4.按照权利要求1所述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述原始脑电波信号X(t)的频率为0～256Hz，脑电信号获取模块(4)的采样频率P为512Hz～1024Hz。
5.按照权利要求4所述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述单位时间段内平静精神状态下的β波节律离散信号的离散采样点j的数据长度M＝P·T，其中，T为单位时间段。
6.按照权利要求1所述的一种用于智能矿用头盔的矿工焦虑度识别方法，其特征在于：所述焦虑度精度调节值ε满足：0.001≤ε≤0.1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710361723.8A CN107157476B (zh) | 2017-05-22 | 2017-05-22 | 一种用于智能矿用头盔的矿工焦虑度识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710361723.8A CN107157476B (zh) | 2017-05-22 | 2017-05-22 | 一种用于智能矿用头盔的矿工焦虑度识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107157476A CN107157476A (zh) | 2017-09-15 |
| CN107157476B true CN107157476B (zh) | 2018-04-10 |
Family
ID=59816707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710361723.8A Active CN107157476B (zh) | 2017-05-22 | 2017-05-22 | 一种用于智能矿用头盔的矿工焦虑度识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107157476B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107714037A (zh) * | 2017-10-12 | 2018-02-23 | 西安科技大学 | 一种基于脑机接口矿用头盔的矿工疲劳识别方法 |
| CN107582051A (zh) * | 2017-10-12 | 2018-01-16 | 公安部南昌警犬基地 | 一种动物情绪脑电分析设备 |
| CN108245270A (zh) * | 2017-12-29 | 2018-07-06 | 宁夏软件工程院有限公司 | 一种脑电波控制的快速反应电动牙刷 |
| CN108903937B (zh) * | 2018-05-25 | 2021-05-11 | 上海果效智能科技有限公司 | 脑力参数获取方法、装置和系统 |
| CN110226797B (zh) * | 2019-05-07 | 2021-11-02 | 深圳市宏智力科技有限公司 | 带有综合通信装置的头盔及其通信方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008091323A1 (en) * | 2007-01-22 | 2008-07-31 | Neurosky, Inc. | A method and apparatus for quantitatively evaluating mental states based on brain wave signal processing system |
| CN102499677A (zh) * | 2011-12-16 | 2012-06-20 | 天津大学 | 基于脑电非线性特征的情绪状态识别方法 |
| CN102512160A (zh) * | 2011-12-16 | 2012-06-27 | 天津大学 | 基于可分频段自适应跟踪的脑电情绪状态特征提取方法 |
| CN104605866A (zh) * | 2015-01-21 | 2015-05-13 | 中煤科工集团西安研究院有限公司 | 基于脑电检测的矿工生理与心理疲劳监测方法 |
| CN106175799A (zh) * | 2015-04-30 | 2016-12-07 | 深圳市前海览岳科技有限公司 | 基于脑电波评估人体情绪和疲劳状态的方法及系统 |
-
2017
- 2017-05-22 CN CN201710361723.8A patent/CN107157476B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008091323A1 (en) * | 2007-01-22 | 2008-07-31 | Neurosky, Inc. | A method and apparatus for quantitatively evaluating mental states based on brain wave signal processing system |
| CN102499677A (zh) * | 2011-12-16 | 2012-06-20 | 天津大学 | 基于脑电非线性特征的情绪状态识别方法 |
| CN102512160A (zh) * | 2011-12-16 | 2012-06-27 | 天津大学 | 基于可分频段自适应跟踪的脑电情绪状态特征提取方法 |
| CN104605866A (zh) * | 2015-01-21 | 2015-05-13 | 中煤科工集团西安研究院有限公司 | 基于脑电检测的矿工生理与心理疲劳监测方法 |
| CN106175799A (zh) * | 2015-04-30 | 2016-12-07 | 深圳市前海览岳科技有限公司 | 基于脑电波评估人体情绪和疲劳状态的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107157476A (zh) | 2017-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107157476B (zh) | 一种用于智能矿用头盔的矿工焦虑度识别方法 | |
| CN102715903B (zh) | 基于定量脑电图的脑电特征提取方法 | |
| CN101732050B (zh) | 一种基于光电容积波的呼吸率监测方法 | |
| CN103228208B (zh) | 监视或预测系统及监视或预测方法 | |
| CN104757968A (zh) | 儿童失神性癫痫发作情况的中间数据统计评价方法 | |
| CN105769173B (zh) | 一种具有心电信号去噪功能的心电监测系统 | |
| Kalaivani et al. | Prediction of biomedical signals using deep learning techniques | |
| CN108670276A (zh) | 基于脑电信号的学习注意力评价系统 | |
| CN103699226A (zh) | 一种基于多信息融合的三模态串行脑-机接口方法 | |
| CN107280663A (zh) | 一种基于不同实验难度的疲劳脑电特征研究的方法 | |
| CN107714035A (zh) | 一种可穿戴式数字化脑电监测头盔 | |
| CN103610447A (zh) | 一种基于前额脑电信号的脑力负荷在线检测方法 | |
| CN111839506B (zh) | 脑力负荷检测方法及装置 | |
| CN106137187A (zh) | 一种脑电状态检测方法及装置 | |
| CN103892830A (zh) | 一种基于人体皮肤电阻变化的情绪检测方法及系统 | |
| CN105640549A (zh) | 脑电癫痫信号记录分析仪及其检测方法 | |
| CN107822629A (zh) | 四肢表面肌电轴的检测方法 | |
| CN105700687B (zh) | 基于folding HDCA算法的单试次脑电P300成分检测方法 | |
| CN115758097A (zh) | 多模态人因智能状态识别模型创建及实时状态监测方法、系统及存储介质 | |
| CN106510696A (zh) | 有源降噪的数字电极采集系统及其采集方法 | |
| CN105796091A (zh) | 一种用于去除心电信号车辆运动噪声的智能终端 | |
| CN117547286B (zh) | 一种基于智能修补材料的脑电信号数据分析管理系统 | |
| CN204759349U (zh) | 一种基于稳态视觉诱发电位的飞行器控制装置 | |
| CN112674768A (zh) | 一种基于智能汗带的情绪分析系统 | |
| CN106175698B (zh) | 睡眠状态分析中睡眠周期检测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201113 Address after: Room a-13-02, No. 58, Bairui Plaza, middle section of Yanta Road, Beilin District, Xi'an City, Shaanxi Province Patentee after: China energy construction (Shaanxi) Energy Technology Co.,Ltd. Address before: 710054 No. 58, Yanta Road, Shaanxi, Xi'an Patentee before: XI'AN University OF SCIENCE AND TECHNOLOGY |
|
| TR01 | Transfer of patent right | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room a-13-02, No. 58, Bairui Plaza, middle section of Yanta Road, Beilin District, Xi'an City, Shaanxi Province Patentee after: Xi'an Xike Zhilian Energy Technology Co.,Ltd. Address before: Room a-13-02, No. 58, Bairui Plaza, middle section of Yanta Road, Beilin District, Xi'an City, Shaanxi Province Patentee before: China energy construction (Shaanxi) Energy Technology Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210429 Address after: No.58, Yanta Middle Road, Xi'an, Shaanxi 710045 Patentee after: XI'AN University OF SCIENCE AND TECHNOLOGY Address before: Room a-13-02, No. 58, Bairui Plaza, middle section of Yanta Road, Beilin District, Xi'an City, Shaanxi Province Patentee before: Xi'an Xike Zhilian Energy Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210630 Address after: 710000 No.2, South Yanta Road, Yanta District, Xi'an City, Shaanxi Province Patentee after: Xi'an Seekon industrial development LLC Address before: No.58, Yanta Middle Road, Xi'an, Shaanxi 710045 Patentee before: XI'AN University OF SCIENCE AND TECHNOLOGY |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210830 Address after: 710000 No. 10501, building 1, Qing'an Park, No. 9, Gaoxin Second Road, high tech Zone, Xi'an City, Shaanxi Province Patentee after: Xi'an Xike Zhilian Energy Technology Co.,Ltd. Address before: 710000 No.2, South Yanta Road, Yanta District, Xi'an City, Shaanxi Province Patentee before: Xi'an Seekon industrial development LLC |
|
| TR01 | Transfer of patent right |