r>【具体实施方式】
[0033]下面将参考附图中的若干示例性实施方式来描述本公开的原理和方法。应当理解，描述这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。
[0034]图1示出了根据本公开的示例性实施方式的疲劳检测方法的流程图。如图1所示，疲劳检测方法总体上可以包括以下步骤:在101，获取预定时间段内的脑电信号；在102，对获取的脑电信号进行预处理；在103，对经预处理的脑电信号进行噪音检测和去除；在104，提取与低频脑电信号相关的疲劳特征，例如静态疲劳特征和动态疲劳特征；在105，对提取的静态疲劳特征进行特征平滑；在106，对由静态疲劳特征和动态疲劳特征形成的特征向量进行特征选择；.以及在107，根据疲劳特征确定疲劳等级。
[0035]在本公开的一个实施方式中，低频脑电信号可以包括慢速眼电信号、快速眼电信号、delta波以及部分theta波。在本公开的一个实施方式中，可以提取慢速眼电信号(包括慢速眨眼信号和慢速眼动信号)的相对功率和/或重心频率，其中慢速眼电信号的频率范围可以为a Hz至b Hz，其中0.1 <a<0.5且0.8<b< 1.5。在脑电信号中，低频脑电信号的频率范围通常为a Hz至c Hz，其中2<c<6。在一个示例中，可以假设a = 0.3，b = 1.l，c = 4。在以下描述中，主要提取慢速眼电信号的相对功率和重心频率作为与低频脑电信号相关的疲劳特征，以此作为示例来描述本公开的原理。
[0036]在步骤101中，获取预定时间段内的脑电信号。原始脑电信号可以利用三个干电极(包括测试电极、参考电极和接地电极)进行采集，其中测试电极采集单通道脑电信号。三个干电极可以固定在发带上并且在使用时并排安放在前额位置。由于可以仅采用单个测试电极来采集单通道原始脑电信号，大大减少了电极的数量，所以佩戴舒适方便，并且电极位置不受头发影响。原始脑电信号的采样率可以为ΙΚΗζ，在进行信号处理时可以对信号进行40Hz的低通滤波，然后降采样到125Hz。在以下描述中，假设针对每10秒的脑电信号实时判断一次疲劳程度，即每次获取10秒的脑电信号。然而，在本公开的各个实施方式中，上述预定时间段并不限于10秒，可以为其它时间长度，例如20秒。
[0037]在步骤102中，对在步骤101中获取的脑电信号进行预处理。预处理可以包括以下步骤:去除脑电信号中的幅度异常的信号，以产生剩余信号；对剩余信号进行标准化处理，以产生标准化信号；以及对标准化信号进行平滑滤波以滤除标准化信号中的基线漂移信号。由于低频脑电信号中的眼电信号的幅值通常不超过400 μν，因此对于在步骤101中获取的脑电信号，可以直接去除幅值超过400 μ V的幅度异常的信号，对于剩余信号可以进行标准化处理以产生标准化信号，该标准化处理可以包括去除直流分量和单位化标准差。随?后，可以对标准化信号进行平滑滤波，以滤除标准化信号中的频率低于0.3Hz的基线漂移信号。
[0038]在步骤103中，对在步骤102中获得的经预处理的脑电信号进行噪音检测和去除。噪音检测和去除可以包括以下步骤:将脑电信号划分为多个分段；分别对各个分段进行噪音检测，以确定是否存在明显漂移信号；以及采用移动中值滤波对存在明显漂移信号的相应分段进行去漂移。例如，可以以8秒长度为基准并且以I秒长度为步长，将10秒脑电信号划分为3个分段，即0-8秒、1-9秒和2-10秒。然后，例如可以根据各个分段的重心频率对各个分段进行噪音检测，以判断是否存在明显漂移信号。对于存在明显漂移信号的分段，可以采用窗口长度为80的移动中值滤波进行去漂移。
[0039]在步骤104中，提取与低频脑电信号相关的疲劳特征。疲劳特征可以包括静态疲劳特征和动态疲劳特征。低频脑电信号中的慢速眼电信号的频率范围可以为a Hz至b Hz,其中0.l<a<0.5且0.8<b<1.5。在脑电信号中，低频脑电信号的频率范围通常为aHz至cHz，其中2 < c < 6。在一个示例中，可以如下设定:a = 0.3，b = l.l，c = 4。在一个示例中，静态疲劳特征可以包括慢速眼电信号的相对功率和重心频率，而动态疲劳特征用于反映静态疲劳特征的变化趋势。慢速眼电信号的相对功率是慢速眼电信号(a Hz至bHz)的绝对功率与低频脑电信号(a Hz至c Hz)的绝对功率的比值。
[0040]在本公开的一个实施方式中，提取疲劳特征可以包括以下步骤:将脑电信号划分为多个分段；分别提取与各个分段相关的疲劳特征；以及计算与各个分段相关的疲劳特征的平均值作为与低频脑电信号相关的疲劳特征。例如，对于在步骤103中已经分段进行了噪音检测和去除的三段脑电信号，可以分别计算与各个分段相关的疲劳特征，并且计算它们的平均值作为与低频脑电信号相关的疲劳特征。
[0041]对于在步骤103中已经分段进行噪音检测和去除的三段脑电信号，可以分别计算慢速眼电频段a?b Hz的绝对功率与低频脑电频段a?c Hz的绝对功率的比值，以得到各个分段的相对功率。然后，计算三个分段的相对功率的平均值作为当前预定时间段内慢速眼电信号的相对功率。
[0042]当人体由清醒到疲劳变化时，慢速眼电频段a?b Hz的绝对功率逐渐增加，低频脑电信号中的其它频段b?c Hz (包括快速眼电频段)的绝对功率逐渐减少。因此，慢速眼电频段的相对功率与疲劳是正相关的。此外，相对功率可以避免不同个体之间的差异性。实验表明慢速眼电频段0.3?1.1Hz的相对功率大于0.4时，人体基本处于轻度疲劳状态，其值越大个体越疲劳。本公开通过计算不同人体的低频脑电信号的相对功率，避免了个体间的差异性，而不需计算高频脑电信号的绝对功率。
[0043]然后，可以计算各个分段的重心频率。重心频率用于反映在各个分段内的频率分布，重心频率越小，代表慢速眼动和慢速眨眼频率越低，个体就越疲劳。当慢速眼电频段0.3?1.1Hz的重心频率小于0.71时，个体基本处于轻度疲劳状态。然后，计算三个分段的重心频率的平均值作为当前预定时间段内慢速眼电信号的重心频率。
[0044]在计算得到预定时间段的静态疲劳特征之后，可以进一步计算用于反映静态疲劳特征的变化趋势的动态疲劳特征。例如，可以计算用于表征静态疲劳特征(例如慢速眼电信号的相对功率和重心频率)的变化趋势的一阶差分动态特征，例如可以根据等式0.75*a(n+2)+0.375*a(n+1)-0.75*a(n_2)-0.375*a(n_l)来计算一阶差分动态特征，其中a (η)代表第η个时间段的静态疲劳特征。
[0045]在步骤105中，对于在步骤104中提取的静态疲劳特征进行特征平滑。特征平滑包括以下步骤:利用当前预定时间段的静态疲劳特征以及当前预定时间段之前的多个时间段的静态疲劳特征，通过移动加权平均法计算当前预定时间段的经平滑的静态疲劳特征。由于个体疲劳程度缓慢变化，而不同时刻的静态疲劳特征波动很大，因此可以利用移动加权平均法来减缓不同时间段的特征波动。移动加权平均法的窗口长度可以为24个点(对应于24个时间段)，即对当前点(对应于当前的预定时间段)与之前的23个点(对应于当前预定时间段之前的23个时间段)的特征加权求和作为当前点的静态疲劳特征。24个点的权重系数依次增加，其中当前点权重最大。在步骤104中计算动态疲劳特征的步骤也可以在步骤105之后进行，也即，根据特征平滑之后的静态疲劳特征来计算动态疲劳特征。
[0046]在步骤106中，对由静态疲劳特征和动态疲劳特征形成的特征向量进行特征选择。对于在之前步骤中提取的静态疲劳特征和动态疲劳特征组成的4维特征向量，仍然存在着与疲劳无关的信息。因此，可以利用线性判别分析法(LDA)对特征向量进行特征选择，以选择出与疲劳相关的特征分量，去除与疲劳无关的分量，最终得到2维特征向量，供后续模型训练和疲劳等级分类使用。
[0047]在步骤107中，根据疲劳特征确定疲劳等级，疲劳特征例如包括上文中所描述的相对功率和重心频率。在本公开的一个实施方式中，也可以根据相对功率与重心频率的比值来确定疲劳等级。在本公开的一个实施方式中，可以采用隐马尔可夫(HMM)模型来确定疲劳等级(即警觉度)。警觉度可以分三个层次:清醒，过渡和疲劳。一个HMM模型可以模拟一个警觉度水平，可以从若干受试者的疲劳特征数据中挑选出适当的三个警觉度水平的训练数据，训练出三个HMM模型，用于警觉度分类，即确定疲劳等级。然而，警觉度也可以划分为其它数目的疲劳等级，例如I?9、I?100、甚至更多个疲劳等级。疲劳等级的数值越大表示越疲劳，例如当采用I?9的疲劳等级时，可以根据具体需求设定疲劳等级低于某个具体数值为非疲劳状态，例如可以设定疲劳等级低于6表示个体处于非疲劳状态，疲劳等级为6表示个体处于轻微疲劳状态，疲劳等级超过6表示个体进入疲劳状态。当确定个体进入疲劳状态时，可以根据不同的疲劳程度和具体需求采用不同层次的报警方式进行报警。
[0048]在上文中参照图1中所示的特定实施方式描述了根据本公开的疲劳检测原理。然而本领域技术人员能够理解的