一种基于多阈值比较的疲劳驾驶脑电监测方法
【技术领域】
[0001]本发明属于脑电波监测技术领域，尤其是涉及一种基于多阈值比较的疲劳驾驶脑电监测方法。
【背景技术】
[0002]近年来，随着汽车保有量的增加和公路建设规模的扩大，交通事故等问题日益突出。中国是世界上人口最多的国家，道路交通事故死亡人数也是全世界最高的国家，连续数年一直居世界第一位。司机冒险疲劳驾驶，无疑会对自己和乘客的安全带来隐患。驾驶疲劳的研究分为主观和客观两种方法，主观的研究方法有主观调查表、驾驶员自我记录、睡眠习惯调查表、斯坦福睡眠尺度表四种。客观的研究方法有脑电图、眼电图、肌电图、呼吸气流、呼吸效果、动脉血液氧饱和时的温度和心电图等测量方法。尽管上述方法的驾驶疲劳判定结果是比较准确的，但由于上述方法一般是在驾驶前或驾驶后进行测量的，因而是超前或滞后的，而非实时的，况且在驾驶室有限的空间内安置复杂的检测仪器也是十分困难的；而且，驾驶员脱离驾驶室或未进入驾驶室的精神状态是不同的，再精确的仪器的测量结果也会大受影响。
[0003]脑电波控制技术在生物医学，计算机等领域成为近年来的热点研究之一。传统的皮下脑波采集方法，既复杂，又不方便，因此很难推广到其它领域。目前，在国内脑机接口技术正处于发展起步阶段，相关的研究还比较少。TGAM(ThinkGear AM)模块是美国NeuroSky (神念科技)公司为大众市场应用所设计的脑波传感器ASIC模块，也称TGAM脑电模块(简称TGAM模块)。此TGAM(ThinkGear AM)模块可以处理并输出脑波频率谱、脑电信号质量、原始脑电波和三个Neurosky的eSense参数:专注度，冥想度(也称放松度)和眨眼侦测。实际使用时，通过串口可获取TGAM模块传输过来的数据，TGAM模块分别以512Hz的频率发送原始数据包(即原始脑电波)，且以IHz的频率发送经eSense?算法处理后的数据包。
[0004]由于TGAM(ThinkGear AM)模块和人体的界面只需一个简单的干接触点，所以可以很容易的运用于玩具、视频游戏和健康设备中，又由于能耗小，适合用在以电池供电的便携式消费产品的应用上。因此，需开发一种方法步骤简单、设计合理且实现方便、使用效果好的基于多阈值比较的疲劳驾驶脑电监测方法，能简便、快速对驾驶员的疲劳驾驶状态进行准确监测。
【发明内容】
[0005]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，提供一种基于多阈值比较的疲劳驾驶脑电监测方法，其方法步骤简单、设计合理且实现方便、使用效果好，能简便、快速对驾驶员的疲劳驾驶状态进行准确监测。
[0006]为解决上述技术问题，本发明采用的技术方案是:一种基于多阈值比较的疲劳驾驶脑电监测方法，其特征在于该方法包括以下步骤:
[0007]步骤一、脑电波信号采集:采用脑电信号获取装置且按照预先设定的采样频率对驾驶员的脑电波信号进行采集及预处理，并将预处理后的脑电波信号同步传送至脑电信号监测装置；
[0008]所述脑电信号获取装置与脑电信号监测装置之间以无线通信方式进行通信；所述脑电信号获取装置为TGAM模块，所述TGAM模块包括对驾驶员的脑电波信号进行提取的脑电信号提取装置和对脑电信号提取装置所提取信号进行采样及预处理的脑电信号预处理装置，所述脑电信号预处理装置与脑电信号提取装置相接，所述脑电信号提取装置包括对驾驶员额叶区的电位进行实时采样的第一脑电电极以及对驾驶员的耳部电位进行实时采样的第二脑电电极和第三脑电电极，所述第一脑电电极、第二脑电电极和第三脑电电极均与脑电信号预处理装置相接；所述脑电信号监测装置包括主控芯片以及分别与主控芯片相接的第二无线通信模块和报警提示单元，所述报警提示单元由主控芯片进行控制且其与主控芯片相接；所述脑电信号预处理装置与第一无线通信模块相接，所述脑电信号预处理装置通过第一无线通信模块和第二无线通信模块与主控芯片进行通信；
[0009]步骤二、脑电波信号分析处理:所述主控芯片按照采样时间先后顺序，对脑电信号获取装置每秒内采集并预处理后的脑电波信号分别进行分析处理，并根据分析处理结果对此时驾驶员是否处于疲劳驾驶状态进行判断；并且，所述主控芯片对脑电信号获取装置每秒内采集并预处理后的脑电波信号的分析处理方法均相同；对脑电信号获取装置任一秒内采集并预处理后的脑电波信号进行分析处理时，过程如下:
[0010]步骤201、脑电波信号同步存储:所述主控芯片对此时接收到的脑电信号获取装置一秒内采集并预处理后的脑电波信号进行同步存储；
[0011]步骤202、特征信号提取及特征量确定:所述主控芯片调用特征提取模块，从此时所接收脑电波信号中提取出7个特征信号，并将7个所述特征信号的信号值作为所接收脑电波信号的7个特征量；7个所述特征信号分别为原始脑电波、1wa波、high a波、1wP波、high β波、Θ波和δ波信号丨个所述特征量分别为!?、^、^^^、!^^;
[0012]步骤一中所述脑电信号获取装置对驾驶员的脑电波信号进行采集及预处理时，所述原始脑电波的采样频率为512Hz，low a波、higha波、1wP波、highP波、Θ波和δ波的采样频率均为IHz ；
[0013]其中，R为从此时所接收脑电波信号中提取出的512个所述原始脑电波信号的信号值的平均值，\为从此时所接收脑电波信号中提取出的1wa波信号的信号值，Ah为从此时所接收脑电波信号中提取出的high a波信号的信号值，B,为从此时所接收脑电波信号中提取出的lowf3波信号的信号值，Bh为从此时所接收脑电波信号中提取出的high β波信号的信号值，T为从此时所接收脑电波信号中提取出的Θ波信号的信号值，D为从此时所接收脑电波信号中提取出的S波信号的信号值；
[0014]步骤203、多阈值比较:所述主控芯片根据预先确定的7组疲劳驾驶判断阈值且调用阈值比较模块，对步骤202中确定的7个所述特征量分别进行阈值比较，并采用计数器对阈值比较进行记录；
[0015]步骤二中进行脑电波信号分析处理之前，所述计数器的计数值为O ;
[0016]7组所述疲劳驾驶判断阈值分别为一组原始脑电波判断阈值、一组1wa波判断阈值、一组high a波判断阈值、一组low β波判断阈值、一组high β波判断阈值、一组Θ波判断阈值和一组δ波判断阈值；其中，所述原始脑电波判断阈值包括原始脑电波疲劳阈值Rst和原始脑电波清醒阈值R WT，所述low α波判断阈值包括low α波疲劳阈值Alst和low α波清醒阈值Α?τ，所述higha波判断阈值包括high a波疲劳阈值AHS#Phigha波清醒阈值Ahwt，所述low β波判断阈值包括low β波疲劳阈值Bls4P low β波清醒阈值B LWT,所述highP波判断阈值包括high β波疲劳阈值BHS#Phighi3波清醒阈值BHWT，所述Θ波判断阈值包括Θ波疲劳阈值Tst和Θ波清醒阈值Twt，所述δ波判断阈值包括δ波疲劳阈值Dst和δ波清醒阈值Dwt;
[0017]对步骤202中确定的7个所述特征量分别进行阈值比较时，所述主控芯片调用阈值比较模块，对特征量R与一组原始脑电波判断阈值、特征量与一组low a波判断阈值、特征量Ah与一组high a波判断阈值、特征量B ^与一组1wP波判断阈值、特征量B H与一组high β波判断阈值、特征量T与一组Θ波判断阈值以及特征量D与一组δ波判断阈值分别进行阈值比较；
[0018]其中，对特征量R与一组原始脑电波判断阈值进行阈值比较时，先将特征量R与Rst进行差值比较:当R < Rst时，主控芯片将此时所述计时器的计数值加5 ;否则，所述计时器的计数值不变；之后，将特征量R与Rwt进行差值比较:当R > Rwt时，主控芯片将此时所述计时器的计数值减5 ;否则，所述计时器的计数值不变；
[0019]对特征量A1^与一组low a波判断阈值进行阈值比较时，先将特征量A1^与A Lin?进行差值比较:当\< Am时，将此时所述计时器的计数值加I ;否则，所述计时器的计数值不变；之后，将特征量\与A ?τ进行差值比较:当心〉A ΜΤ时，将此时所述计时器的计数值减I ;否则，所述计时器的计数值不变；
[0020]对特征量Ah与一组high a波判断阈值进行阈值比较时，先将特征量A H与A HST进行差值比较:当AH< Ahs^，将此时所述计时器的计数值加I ;否则，所述计时器的计数值不变；之后，将特征量Ah与A ■进行差值比较:当A H> A HWT时，将此时所述计时器的计数值减
1;否则，所述计时器的计数值不变；
[0021]对特征量&与一组lowi3波判断阈值进行阈值比较时，先将特征量I与进行差值比较:当&< Blst时，将此时所述计时器的计数值加2 ;否则，所述计时器的计数值不变；之后，将特征量B ?τ进行差值比较:当B ?τ时，将此时所述计时器的计数值减
2;否则，所述计时器的计数值不变；
[0022]对特征量Bh与一组high β波判断阈值进行阈值比较时，先将特征量B Η与B HST进行差值比较:当BH<BHS^，将此时所述计时器的计数值加2 ;否则，所述计时器的计数值不变；之后，将特征量Bh与B ■进行差值比较:当B H> B HWT时，将此时所述计时器的计数值减2 ;否则，所述计时器的计数值不变；
[0023]对特征量T与一组Θ波判断阈值进行阈值比较时，先将特征量T与Tst进行差值比较:当T < Tst时，将此时所述计时器的计数值加I ;否则，所述计时器的计数值不变；之后，将特征量T与Twt进行差值比较:当T > T ?时，将此时所述计时器的计数值减I ;否则，所述计时器的计数值不变；
[0024]对特征量D与一组δ波判断阈值分别进行阈值比较时，先将特征量D与Dst进行差值比较:当D<Dj#，将此时所述计时器的计数值加6 ;否则，所述计时器的计数值不变；之后，将特征量D与Dwt进行差值比较:当D > D WT时，将此时所述计时器的计数值减6 ;否贝1J，所述计时器的计数值不变；
[0025]步骤204、疲劳驾驶判断:所述主控芯片根据步骤203中多阈值比较完成后所述计数器的计数值，对此时驾驶员的疲劳驾驶状态进行判断:当此时所述计数器的计数值> N时，说明此时驾驶员处于疲劳驾驶状态，所述主控芯片控制报警提示单元进行报警提示；否贝1J，说明此时驾驶员处于正常驾驶状态；
[0026]其中，N为正整数且N= 52?58;
[0027]步骤205、返回步骤201，且按照步骤201至步骤204中所述的方法，对脑电信号获取装置下一秒内采集并预处理后的脑电波信号进行分析处理。
[0028]上述一种基于多阈值比较的疲劳驾驶脑电监测方法，其特征是:步骤一中所述主控芯片为Arduino控制器。
[0029]上述一种基于多阈值比较的疲劳驾驶脑电监测方法，其特征是:步骤二中进行脑电波信号分析处理之前，先采用主控芯片对步骤203中7组所述疲劳驾驶判断阈值进行确定;
[0030]对步骤203中7组所述疲劳驾驶判断阈值进行确定时，先采用脑电信号获取装置获取驾驶员P秒内的脑电波信号，再根据所获得的驾驶员P秒内的脑电波信号对7组所述疲劳驾驶判断阈值进行确定；其中，P为正整数且P = 50?70 ;
[0031]根据所获得的驾驶员P秒内的脑电波信号对7组所述疲劳驾驶判断阈值进行确定时，包括以下步骤:
[0032]步骤2031、特征信号提取:先从所获得的驾驶员P秒内的脑电波信号中提取出512XP个原始脑电波信号、P个1wa波信号、P个higha波信号、P个1ο?β波信号、P个highP波信号、P个Θ波信号和P个δ波信号，并对Α?Μ、υΗΜ、Α_、Β?Μ、Β?5:)、ΒΗΜ、Β_、ΤΜ、Tsd、Dm和D SD分别进行计算；
[0033]其中Rm和Rsd分别为512 X P个原始脑电波信号的信号值的平均值和标准差，A μ和A1^sd分别为P个low a波信号的信号值的平均值和标准差，A HM和A HSD分别为P个high a波信号的信号值的平均值和标准差，Bui和B㈣分别为P个low β波信号的信号值的平均值和标准差，BjP B HSD分别为P个high β波信号的信号值的平均值和标准差，T Μ?Ρ T SD分别为P个Θ波信号的信号值的平均值和标准差，Dm和Dsd分别为P个δ波信号的信号值的平均值和标准差；
[0034]步骤2032、阈值计算:根据公式 Rst= r slRM+rS2RSD (I)、Rwt= r flRM+rW2RSD (2)、Alst — a LSlALM+aLS2-^LSD (3)、Alwt — a LWlALM+aLW2-^LSD (4)、Ahst — ? HSl八*+3^2八咖 (^)、Ahwt — a HWlAHM+aHW2-^HSD (6)、Blst — b LSiBlM+^ls2Blsd (7)、Blwt — b LWlBLM+bLW2BLSD (8)、Bhst—bHS1BHM+bHS2BHSD (9)、Bhwt — b HwiBHM+bHW2BHSD (10)、Tst — t SiTm+^s2Tsd (11)、Twt —twiTM+ti^TsD (12)、Dst — d slDM+dS2DSD (13)和 Dwt — d wlDM+dW2DSD (14)，分力U对 RST、RWT、ALST、Alwt、AHSTn AHWTn BLSTn BLWTn BHSTn BHWTn Tst、Twt n Dst和 D WT进灯计算；
[0035]公式⑴中，rsl和rS2为Rst的两个加权系数，O < rsl^ 6，-3 ^ r S2< O ；
[0036]公式⑵中，rwl和rW2为Rwt的两个加权系数，O < rwl^ 6，-3 ^ r W2< O ；
[0037]公式(3)中，am和a ^为A ^的两个加权系数，O < aLS1^ 1，-1 ^ a LS2< O ；
[0038]公式(4)中，aLW1和a LW2为A LWT的两个加权系数，O < a LW1彡I，-1彡a LW2< O ；
[0039]公式(5)中，aHSJPaHS# Ahst的两个加权系数，O < aHS1< 1，-1 彡 a HS2< O ；
[0040]公式(6)中，aHW1和 a HW2为 A HWT的两个加权系数，O < a HW1< I，-1 彡 a HW2< 0 ；
[0041]公式(7)中，、和b LS2为B LST的两个加权系数，O < b LS1^ 1，-1彡b LS2< O ；
[0042]公式(8)中，b-和b LW2为B LWT的两个加权系数，O < b LW1^ 1，-1彡b LW2< O ；
[0043]公式(9)中，13咖和b HS2为B HST的两个加权系数，O < b HSi^ 1，-1彡b HS2< O ；
[0044]公式(10)中，V和b HW2为B ■的两个加权系数，O < b HWi^ 1，-1彡b HW2< O ；
[0045]公式(11)中，tsl和tS2为Tst的两个加权系数，0<tsl< 1，_1彡tS2<0;
[0046]公式(12)中，twl和t W2为Twt的两个加权系数，O < twl< 1，-1彡tW2< O ;
[0047]公式(13)中，dsl和dS2为Dst的两个加权系数，O < K 1，-1彡dS2< O ;
[0048]公式(14)中，dwl和dW2为Dwt的两个加权系数，O < dwl^ 1，-1彡dW2< O。
[0049]上述一种基于多阈值比较的疲劳驾驶脑电监测方法，其特征是:步骤2032中进行阈值计算之前，需先采用主控芯片对rsl、rS2、rwl、rW2、
aLSl、aLS2、aLWl、aLW2、aHSl、aHS2、aHWl、aHW2、
^Lsn bLS2、bLW1、bLW2、bHS1、bHS2、bHW1、bHW2、tsl、tS2、twl、tW2、dsl、dS2、dwl 和dW2进行确定，过程如下:
[0050]步骤20321、睡眠状态下与清醒状态下驾驶员脑电波信号获取及特征信号提取:采用脑电信号获取装置获取睡眠状态下驾驶员ml秒内的脑电波信号和清醒状态下驾驶员m2秒内的脑电波信号，并从睡眠状态下驾驶员ml秒内的脑电波信号中提取出512Xml个原始脑电波信号、ml个1wa波信号、ml个high a波信号、ml个1wP波信号、ml个high β波信号、ml个Θ波信号和ml个δ波信号，同时从清醒状态下驾驶员m2秒内的脑电波信号中提取出512Xm2个原始脑电波信号、m2个1wa波信号、m2个high a波信号、m2个low β波信号、m2个high β波信号、m2个Θ波信号和m2个δ波信号；
[0051]其中，ml和m2均为正整数，且ml ^ 5，m2 ^ 5 ;
[0052]步骤20322、加权系数初始值确定:
[0053]从(0，6]中随机抽取一个数作为rsl的初始值，从[_3，0)中随机抽取一个数作为rS2的初始值；
[0054]从(0，6]中随机抽取一个数作为rwl的初始值，从[_3，0)中随机抽取一个数作为rW2的初始值；
[0055]从(0，I]中随机抽取一个数作为am的初始值，从[-1，O)中随机抽取一个数作为
am的初始值；
[0056]从(0，I]中随机抽取一个数作为am的初始值，从[-1，O)中随机抽取一个数作为初始值；
[0057]从(0，I]中随机抽取一个数作为aHS1的初始值，从[-1，O)中随机抽取一个数作为3吧2的初始值；
[0058]从(0，I]中随机抽取一个数作为aHW1的初始值，从[-1，O)中随机抽取一个数作为aHK的初始值；
[0059]从(0，I]中随机抽取一个数作为l\sl的初始值，从[-1，O)中随机抽取一个数作为l\S2的初始值；
[0060]从(0，I]中随机抽取一个数作为bm的初始值，从[-1，O)中随机抽取一个数作为1\￥2的初始值；
[0061]从(0，1]中随机抽取一个数作为1^的初始值，从[_1，0)中随机抽取一个数作为~52的初始值；
[0062]从(0，I]中随机抽取一个数作为bHW1的初始值，从[-1，O)中随机抽取一个数作为1%2的初始值；
[0063]从(0，1]中随机抽取一个数作为tsl的初始值，从[_1，0)中随机抽取一个数作为tS2的初始值；
[0064]从(0，1]中随机抽取一个数作为twl的初始值，从[_1，0)中随机抽取一个数作为tW2的初始值；
[0065]从(0，1]中随机抽取一个数作为dsl的初始值，从[_1，0)中随机抽取一个数作为dS2的初始值；
[0066]从(0，1]中随机抽取一个数作为dwl的初始值，从[_1，0)中随机抽取一个数作为dW2的初始值；
[0067]步骤20323、加权系数增减调整:根据步骤20321中获取的睡眠状态下驾驶员ml秒内的脑电波信号，对步骤20322中确定的
rSl' rS2' aLSl、aLS2、aHSl、aHS2、t>LSl、bLS2、bHS1、bHS2、
tsl、tS2、dsl和dS2分别进行增减调整；同时，根据步骤20321中获取的清醒状态下驾驶员m2秒内的脑电波信号对步骤20322中确定的rw1、rw2、
aLWl、aLW2、aHWl、aHW2 ' t)Lwl n bLW2 n bHwl n bHW2 n twl、
tW2、dwl和dW2分别进行增减调整；
[0068]其中，对rsl和rS2进行增减调整时，利用步骤20321中提取出的512 Xml个原始脑电波信号，由先至后对rsl和r S2进行512Xml次增减调整且各次增减调整方法均相同；其中，利用512 Xml个原始脑电波信号中任一个原始脑电波信号对rsl和r S2进行增减调整时，过程如下:
[0069]步骤1-1、将此时rsl和r 52的数值代入公式(I)，计算得出增减调整之前的原始脑电波疲劳阈值，记作Rst’ ；
[0070]步骤1-2、将此时所利用原始脑电波信号的信号值与步骤1-1中所述的Rst’进行差值比较:当该原始脑电波信号的信号值< V时，rsl和rS2的数值不变；否则，对rsl和rS2均进行减小调整，使该原始脑电波信号的信号值多RST” ；
[0071]其中，Rst”为将减小调整后rsl和r S2的数值代入公式⑴后计算得出的减小调整后的原始脑电波疲劳阈值；
[0072]步骤1-