CN113367695B - 一种基于脑电信号的疲劳监测方法及装置 - Google Patents

一种基于脑电信号的疲劳监测方法及装置 Download PDF

Info

Publication number
CN113367695B
CN113367695B CN202110645306.2A CN202110645306A CN113367695B CN 113367695 B CN113367695 B CN 113367695B CN 202110645306 A CN202110645306 A CN 202110645306A CN 113367695 B CN113367695 B CN 113367695B
Authority
CN
China
Prior art keywords
electroencephalogram signal
electroencephalogram
signal
judging
fatigue
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
Application number
CN202110645306.2A
Other languages
English (en)
Other versions
CN113367695A (zh
Inventor
刘羽中
李华亮
范圣平
樊小鹏
邹庄磊
沈雅利
王琪如
熊超琳
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.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
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 Guangdong Power Grid Co Ltd, Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110645306.2A priority Critical patent/CN113367695B/zh
Publication of CN113367695A publication Critical patent/CN113367695A/zh
Application granted granted Critical
Publication of CN113367695B publication Critical patent/CN113367695B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/251—Means for maintaining electrode contact with the body
    • A61B5/256—Wearable electrodes, e.g. having straps or bands
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • 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]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Power Engineering (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于脑电信号的疲劳监测方法及装置，所述方法包括：利用设置于安全帽内的四组采集电极采集第一脑电信号；利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。如此，采集到的脑电信号数据通过无线传输从便携式脑电设备传输到上位机，对采集到的脑电信号数据进行进一步的处理，便于脑电处理的流程和算法的应用，并针对工人运动下的脑电信号进行滤波和数据质量验证，为疲劳监测提供可靠的数据来源。

Description

一种基于脑电信号的疲劳监测方法及装置
技术领域
本发明涉及脑电波监测技术领域，尤其涉及一种基于脑电信号的疲劳监测方法、装置、终端设备及存储介质。
背景技术
便携式脑电设备能够比较方便地对用户的脑电信号进行采集和监测，现市面上的脑电设备大部分导联数较少，一般只有两组电极，且数据采集过程中容易受到运动过程中肌电的干扰，从而对数据质量产生影响，后续数据分析可靠性也较差。特别是将便携式脑电设备应用于工人工作时的精神状态的监控中，信号采集过程中将会混合非常多的肌电信号干扰。
便携式脑电设备由于采集精度的问题，一般不能用于较为复杂的脑电分析用途，较为常见的功能包括：眨眼检测，疲劳监测和情绪识别。这几种应用对于采集数据的位置有特定的要求，要求便携式脑电设备的采集电极放置在特定位置区域，部分便携式脑电设备由于设计问题，电极位置并不能很好地对应功能区域，且大部分便携式脑电设备都是具有单独的电极固定支架，且对于在高空工作且需要佩戴安全帽的工人来说并不适合。
发明内容
本发明目的在于，提供一种基于脑电信号的疲劳监测方法及装置，以解决现有脑电设备采集数据精度差、易受运动时肌电干扰、脑电电极位置与用途不对应和较难同时与安全帽同时使用的问题。
为实现上述目的，本发明提供一种基于脑电信号的疲劳监测方法，包括：
利用设置于安全帽内的四组采集电极采集第一脑电信号；
利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；
利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；
利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。
优选地，所述利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号，包括：
将所述第一脑电信号输入所述陀螺仪，对所述陀螺仪测量的角度波动信号进行频谱分析和判断；
当所述角度波动信号的主要频段是在4-13Hz时，则判断当前的所述第一脑电信号的质量为不可靠，并剔除当前的所述第一脑电信号；
当所述角度波动信号的主要频段不在4-13Hz时，则判断当前的所述第一脑电信号的质量是可靠的，并将当前的所述第一脑电信号作为所述第二脑电信号。
优选地，所述利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号，公式如下：
Figure BDA0003108298430000021
P(t|t-1)＝AP(t-1|t-1)AT+Q
K(t)＝P(t|t-1)CT(CP(t|t-1)CT+R)-1
Figure BDA0003108298430000022
P(t|t)＝(I-K(t)C)P(t|t-1)
其中，
Figure BDA0003108298430000023
为在t-1时刻对下一个时刻t状态的预测值，A为状态转移矩阵，P(t|t-1)为t时刻的先验误差协方差矩阵，P(t-1|t-1)为t-1时刻的后验误差协方差矩，T为矩阵的转置，Q为是过程激励噪声协方差，K(t)为卡尔曼增益，C为测量矩阵，R为测量噪声协方差，
Figure BDA0003108298430000024
为在t时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，
Figure BDA0003108298430000025
为在t-1时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，yx(t)为t时刻的观测值，P(t|t)为t时刻的后验误差协方差矩。
优选地，所述利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断，包括：
计算第三脑电信号的4-7Hz的α波段的脑电信号功率与8-13Hz的β波段的脑电信号功率比值α/β；
当t1＞60％t时，则判定为进入了疲劳状况，其中t为任一时间段，t1为所述比值α/β大于预设阈值的时间。
优选地，所述预设阈值为150。
本发明还提供一种基于脑电信号的疲劳监测装置，应用于上述的基于脑电信号的疲劳监测方法，包括：
脑电信号采集模块，用于利用四组采集电极采集第一脑电信号；
脑电信号筛选模块，用于利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；
脑电信号滤波模块，用于利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；
脑电信号判断模块，用于利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。
优选地，所述脑电信号筛选模块，包括：
脑电信号输入单元，用于将所述第一脑电信号输入所述陀螺仪，对所述陀螺仪测量的角度波动信号进行频谱分析和判断；
脑电信号剔除单元，用于当所述角度波动信号的主要频段是在4-13Hz时，则判断当前的所述第一脑电信号的质量为不可靠，并剔除当前的所述第一脑电信号；
脑电信号保留单元，用于当所述角度波动信号的主要频段不在4-13Hz时，则判断当前的所述第一脑电信号的质量是可靠的，并将当前的所述第一脑电信号作为所述第二脑电信号。
优选地，所述脑电信号判断模块，包括：
脑电信号波段计算单元，用于计算第三脑电信号的4-7Hz的α波段的脑电信号功率与8-13Hz的β波段的脑电信号功率比值α/β；
疲劳状况判断模块，用于当t1>60％t时，则判定为进入了疲劳状况，其中t为任一时间段，t1为所述比值α/β大于预设阈值的时间。
本发明还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的基于脑电信号的疲劳监测方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于脑电信号的疲劳监测方法。
本发明的基于脑电信号的疲劳监测方法及装置中，采集到的脑电信号数据通过无线传输从便携式脑电设备传输到上位机，对采集到的脑电信号数据进行进一步的处理，便于脑电处理的流程和算法的应用，并针对工人运动下的脑电信号进行滤波和数据质量验证，为疲劳监测提供可靠的数据来源。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的基于脑电信号的疲劳监测方法的流程示意图；
图2是本发明某一实施例提供的基于脑电信号的疲劳监测装置的结构示意图；
图3是图2中脑电信号筛选模块的结构示意图；
图4是图2中脑电信号判断模块的结构示意图；
图5是本发明某一实施例提供的计算机终端设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，本发明实施例提供一种基于脑电信号的疲劳监测方法，包括：
S10、利用设置于安全帽内的四组采集电极采集第一脑电信号；
S20、利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；
S30、利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；
S40、利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。
在本实施例中，便携式脑电设备具有四组采集电极，陀螺仪，设备与安全帽相结合，以电极带的形式，贴在安全帽中。电极位置参考标准的脑电10-20system，采集位置为前额区，对应所监测的疲劳指数；利用安全帽内的四组采集电极采集用户的脑电信号，将采集到的脑电信号输入到陀螺仪，脑电信号将会结合陀螺数据，对脑电数据进行滤波和数据质量筛选，保证监测指标的质量；然后采集陀螺仪的数据信号，进行卡尔曼滤波，最后计算滤波后的脑电信号的α(4-7Hz)波段脑电信号功率与β(8-13Hz)波段脑电信号功率比值，即α/β的功率比，当一定时间内功率比超过阈值的时间占大部分时间时，则判定为进入了疲劳状况。
在某一个实施例中，所述利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号，包括：
将所述第一脑电信号输入所述陀螺仪，对所述陀螺仪测量的角度波动信号进行频谱分析和判断；
当所述角度波动信号的主要频段是在4-13Hz时，则判断当前的所述第一脑电信号的质量为不可靠，并剔除当前的所述第一脑电信号；
当所述角度波动信号的主要频段不在4-13Hz时，则判断当前的所述第一脑电信号的质量是可靠的，并将当前的所述第一脑电信号作为所述第二脑电信号。
在本实施例中，采集陀螺仪内的脑电信号，对陀螺仪测量的角度波动信号进行频谱分析，当陀螺仪测得的波动信号主要频段是在4-13Hz时，则判断当前的脑电数据的质量为不可靠，并剔除该段数据，当主要频段不在4-13Hz时则判断当前的所述第一脑电信号的质量是可靠的，并根据陀螺仪的可靠信号进行卡尔曼滤波。
在某一个实施例中，所述利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号，公式如下：
Figure BDA0003108298430000051
P(t|t-1)＝AP(t-1|t-1)AT+Q
K(t)＝P(t|t-1)CT(CP(t|t-1)CT+R)-1
Figure BDA0003108298430000052
P(t|t)＝(I-K(t)C)P(t|t-1)
其中，
Figure BDA0003108298430000053
为在t-1时刻对下一个时刻t状态的预测值，A为状态转移矩阵，P(t|t-1)为t时刻的先验误差协方差矩阵，P(t-1|t-1)为t-1时刻的后验误差协方差矩，T为矩阵的转置，Q为是过程激励噪声协方差，K(t)为卡尔曼增益，C为测量矩阵，R为测量噪声协方差，
Figure BDA0003108298430000054
为在t时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，
Figure BDA0003108298430000055
为在t-1时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，yx(t)为t时刻的观测值，P(t|t)为t时刻的后验误差协方差矩。
在某一个实施例中，所述利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断，包括：
计算第三脑电信号的4-7Hz的α波段的脑电信号功率与8-13Hz的β波段的脑电信号功率比值α/β；
当t1>60％t时，则判定为进入了疲劳状况，其中t为任一时间段，t1为所述比值α/β大于预设阈值的时间。
在本实施例中，计算α(4-7Hz)波段脑电信号功率与β(8-13Hz)波段脑电信号功率比值，即α/β的功率比，α/β>150，由于脑电波动较大，对于这种状态，具有时延性，即在监测过程中，如果监测到某一时刻此指标大于预设阈值，则在此后的5秒内均认为是超出预定阈值的，不论是否出现低于阈值的情况，若5秒内出现大于阈值的数据，则以最新的大于阈值的时刻重新进行计时；若5秒内没有出现新的超出阈值的点，则根据5秒后的数值重新进行状态的更新；在1min内，只要出现疲劳的时间占比超过60％，则认为是进入了疲劳状态；当低于60％时，则认为非疲劳状态。
在某一个实施例中，所述预设阈值为150。
请参阅图2，本发明某一实施例还提供一种基于脑电信号的疲劳监测装置，应用于上述的基于脑电信号的疲劳监测方法，包括：
脑电信号采集模块01，用于利用四组采集电极采集第一脑电信号；
脑电信号筛选模块02，用于利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；
脑电信号滤波模块03，用于利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；
脑电信号判断模块04，用于利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。
请参阅图3，在某一个实施例中，所述第一脑电信号筛选模块，包括：
脑电信号输入单元021，用于将所述第一脑电信号输入所述陀螺仪，对所述陀螺仪测量的角度波动信号进行频谱分析和判断；
脑电信号剔除单元022，用于当所述角度波动信号的主要频段是在4-13Hz时，则判断当前的所述第一脑电信号的质量为不可靠，并剔除当前的所述第一脑电信号；
脑电信号保留单元023，用于当所述角度波动信号的主要频段不在4-13Hz时，则判断当前的所述第一脑电信号的质量是可靠的，并将当前的所述第一脑电信号作为所述第二脑电信号。
请参阅图4，在某一个实施例中，所述第一脑电信号判断模块，包括：
脑电信号波段计算单元041，用于计算第三脑电信号的4-7Hz的α波段的脑电信号功率与8-13Hz的β波段的脑电信号功率比值α/β；
疲劳状况判断单元042，用于当t1>60％t时，则判定为进入了疲劳状况，其中t为任一时间段，t1为所述比值α/β大于预设阈值的时间。
关于基于脑电信号的疲劳监测装置的具体限定可以参见上文中对于的限定，在此不再赘述。上述基于脑电信号的疲劳监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
请参阅图5，本发明实施例还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任意一个实施例中的基于脑电信号的疲劳监测方法。
处理器用于控制该计算机终端设备的整体操作，以完成上述的基于脑电信号的疲劳监测方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的基于脑电信号的疲劳监测方法，并达到如上述方法一致的技术效果。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的基于脑电信号的疲劳监测方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的基于脑电信号的疲劳监测方法，并达到如上述方法一致的技术效果。
本发明的基于脑电信号的疲劳监测方法及装置中，采集到的脑电信号数据通过无线传输从便携式脑电设备传输到上位机，对采集到的脑电信号数据进行进一步的处理，便于脑电处理的流程和算法的应用，并针对工人运动下的脑电信号进行滤波和数据质量验证，为疲劳监测提供可靠的数据来源。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (5)

1.一种基于脑电信号的疲劳监测方法，其特征在于，包括：
利用设置于安全帽内的四组采集电极采集第一脑电信号；所述电极以电极带的形式，贴在所述安全帽内；
利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号，包括：将所述第一脑电信号输入所述陀螺仪，对所述陀螺仪测量的角度波动信号进行频谱分析和判断；
当所述角度波动信号的主要频段是在4-13Hz时，则判断当前的所述第一脑电信号的质量为不可靠，并剔除当前的所述第一脑电信号；
当所述角度波动信号的主要频段不在4-13Hz时，则判断当前的所述第一脑电信号的质量是可靠的，并将当前的所述第一脑电信号作为所述第二脑电信号；
利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；
利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。
2.根据权利要求1所述的基于脑电信号的疲劳监测方法，其特征在于，所述利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号，公式如下：
Figure FDA0003660864250000011
P(t|t-1)＝AP(t-1|t-1)AT+Q
K(t)＝P(t|t-1)CT(CP(t|t-1)CT+R)-1
Figure FDA0003660864250000021
P(t|t)＝(I-K(t)C)P(t|t-1)
其中，
Figure FDA0003660864250000022
为在t-1时刻对下一个时刻t状态的预测值，A为状态转移矩阵，P(t|t-1)为t时刻的先验误差协方差矩阵，P(t-1|t-1)为t-1时刻的后验误差协方差矩，T为矩阵的转置，Q为过程激励噪声协方差，K(t)为卡尔曼增益，C为测量矩阵，R为测量噪声协方差，
Figure FDA0003660864250000023
为在t时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，
Figure FDA0003660864250000024
为在t-1时刻通过卡尔曼滤波算法得到的估计值结合预测值得到的对真实状态的估计，yx(t)为t时刻的观测值，P(t|t)为t时刻的后验误差协方差矩。
3.一种基于脑电信号的疲劳监测装置，其特征在于，包括：
脑电信号采集模块，用于利用四组采集电极采集第一脑电信号；
脑电信号筛选模块，用于利用陀螺仪对所述第一脑电信号进行筛选，获取第二脑电信号；包括：
脑电信号输入单元，用于将所述第一脑电信号输入所述陀螺仪，对所述陀螺仪测量的角度波动信号进行频谱分析和判断；
脑电信号剔除单元，用于当所述角度波动信号的主要频段是在4-13Hz时，则判断当前的所述第一脑电信号的质量为不可靠，并剔除当前的所述第一脑电信号；
脑电信号保留单元，用于当所述角度波动信号的主要频段不在4-13Hz时，则判断当前的所述第一脑电信号的质量是可靠的，并将当前的所述第一脑电信号作为所述第二脑电信号；
脑电信号滤波模块，用于利用卡尔曼滤波算法对所述第二脑电信号进行滤波，获取第三脑电信号；
脑电信号判断模块，用于利用疲劳状态判断算法对所述第三脑电信号进行疲劳状况判断。
4.一种计算机终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至2任一项所述的基于脑电信号的疲劳监测方法。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述的基于脑电信号的疲劳监测方法。
CN202110645306.2A 2021-06-09 2021-06-09 一种基于脑电信号的疲劳监测方法及装置 Active CN113367695B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110645306.2A CN113367695B (zh) 2021-06-09 2021-06-09 一种基于脑电信号的疲劳监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110645306.2A CN113367695B (zh) 2021-06-09 2021-06-09 一种基于脑电信号的疲劳监测方法及装置

Publications (2)

Publication Number Publication Date
CN113367695A CN113367695A (zh) 2021-09-10
CN113367695B true CN113367695B (zh) 2022-06-28

Family

ID=77573492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110645306.2A Active CN113367695B (zh) 2021-06-09 2021-06-09 一种基于脑电信号的疲劳监测方法及装置

Country Status (1)

Country Link
CN (1) CN113367695B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114343675B (zh) * 2021-12-27 2023-05-30 深圳航天科技创新研究院 一种脑电成分提取方法
CN118557894B (zh) * 2024-08-01 2024-10-22 南昌大学附属康复医院(南昌大学第四附属医院) 经耳道闭环迷走神经调控装置及相关产品

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5513649A (en) * 1994-03-22 1996-05-07 Sam Technology, Inc. Adaptive interference canceler for EEG movement and eye artifacts
CN104146722A (zh) * 2014-08-18 2014-11-19 吉林大学 一种基于头部信号的驾驶疲劳检测分级预警装置及方法
CN104598993A (zh) * 2015-01-14 2015-05-06 南京信息工程大学 基于眨眼次数的驾驶员疲劳驾驶预测方法
CN104665788A (zh) * 2015-01-26 2015-06-03 周常安 穿戴式生理检测装置
CN105701973A (zh) * 2016-04-26 2016-06-22 成都远控科技有限公司 基于脑电波采集的疲劳检测及预警方法和系统
CN106691443A (zh) * 2017-01-11 2017-05-24 中国科学技术大学 基于脑电的穿戴式司机防疲劳智能监测预警系统
CN109907760A (zh) * 2019-04-04 2019-06-21 苏州国科视清医疗科技有限公司 基于头动信号和眼电信号的疲劳检测方法
CN110058691A (zh) * 2019-04-18 2019-07-26 西安交通大学 基于嵌入式的可穿戴无线干电极脑电采集处理系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5513649A (en) * 1994-03-22 1996-05-07 Sam Technology, Inc. Adaptive interference canceler for EEG movement and eye artifacts
CN104146722A (zh) * 2014-08-18 2014-11-19 吉林大学 一种基于头部信号的驾驶疲劳检测分级预警装置及方法
CN104598993A (zh) * 2015-01-14 2015-05-06 南京信息工程大学 基于眨眼次数的驾驶员疲劳驾驶预测方法
CN104665788A (zh) * 2015-01-26 2015-06-03 周常安 穿戴式生理检测装置
CN105701973A (zh) * 2016-04-26 2016-06-22 成都远控科技有限公司 基于脑电波采集的疲劳检测及预警方法和系统
CN106691443A (zh) * 2017-01-11 2017-05-24 中国科学技术大学 基于脑电的穿戴式司机防疲劳智能监测预警系统
CN109907760A (zh) * 2019-04-04 2019-06-21 苏州国科视清医疗科技有限公司 基于头动信号和眼电信号的疲劳检测方法
CN110058691A (zh) * 2019-04-18 2019-07-26 西安交通大学 基于嵌入式的可穿戴无线干电极脑电采集处理系统及方法

Also Published As

Publication number Publication date
CN113367695A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN113367695B (zh) 一种基于脑电信号的疲劳监测方法及装置
US10856777B2 (en) Method and device for identifying human movement state
US10506975B2 (en) Bio-signal processing apparatus and biometric information detection apparatus and method
CN107277222B (zh) 基于手机内置传感器的用户行为状态判断方法
CN104720783A (zh) 一种运动心率监控方法及设备
CN105302308A (zh) 智能手腕佩戴设备及其屏幕自动点亮方法、系统
CN103892830B (zh) 一种基于人体皮肤电阻变化的情绪检测方法及系统
CN104586370B (zh) 一种光电式脉搏信号测量方法、装置及测量设备
US20170220109A1 (en) Blink type determination method and apparatus, user equipment
WO2022021707A1 (zh) 睡眠检测方法、装置、智能穿戴设备及可读存储介质
CN104615851A (zh) 一种睡眠监控方法及终端
CN108324271A (zh) 心电信号识别方法、系统和心电监测设备
CN108937867A (zh) 一种睡眠状态的监测方法及装置
CN111683318A (zh) 一种耳机佩戴检测方法、装置、耳机及可读存储介质
CN113520339B (zh) 睡眠数据有效性分析方法、装置及可穿戴设备
EP1848335B1 (en) Method and apparatus for monitoring a sedated patient
CN107348943B (zh) 一种具有可穿戴、便携式、可报警的人体睡眠质量监测系统以及方法
CN105825225B (zh) 一种机器视觉辅助脑电目标判决的方法
CN112075930B (zh) 基于散点图的分析预警装置、方法、系统和电子设备
US20190187762A1 (en) Method for lighting screen of smart wristband by raising hand and smart wristband
CN106326672A (zh) 入睡检测方法与系统
CN115336981A (zh) 一种可穿戴设备佩戴状态的检测方法及相关组件
CN115067944A (zh) 一种眼动状态评估方法、装置、终端设备及存储介质
WO2021218387A1 (zh) 一种在移动终端中调节功率的方法
CN110090029A (zh) 情绪测量系统、智能手环和便携终端

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
TR01 Transfer of patent right

Effective date of registration: 20221107

Address after: 510000 water Donggang 8, Dongfeng East Road, Yuexiu District, Guangzhou, Guangdong.

Patentee after: ELECTRIC POWER RESEARCH INSTITUTE OF GUANGDONG POWER GRID Co.,Ltd.

Address before: No.757 Dongfeng East Road, Yuexiu District, Guangzhou City, Guangdong Province 510000

Patentee before: GUANGDONG POWER GRID Co.,Ltd.

Patentee before: ELECTRIC POWER RESEARCH INSTITUTE OF GUANGDONG POWER GRID Co.,Ltd.