基于腦電波多模式分析的睡意自動檢測

基于腦電波多模式分析的睡意自動檢測

在很多交通事故的案例中可以發現，瞌睡是造成事故的主要原因，這歸因于困倦狀態下駕駛員警覺性及對危險認知能力都有明顯下降，從而減弱了對車輛的操縱能力。本研究的目的是開發一種自動檢測方法，即對駕駛員嗜睡階段下的腦電波進行時域、頻域和小波分析，實現對駕駛員睡意的檢測。

該檢測方法如圖1所示。第一步將采集到的信號要進行濾波，先后進行二階濾波、雙向濾波、巴特沃斯濾波和帶通濾波，截止頻率為0.5～60Hz。第二步將數據分割成5s的時間片段，再進行特征提取。腦電波成分可以被分解成幾個不同的頻帶：δ波（0.5～4Hz）、θ波（4～8Hz）、α波（8～12Hz）、β波（12～30Hz)、γ波(大于30Hz）。通過時域分析計算信號的最大值、最小值和標準差（STD）。根據伯格方法計算每個時間片段的功率譜密度（PSD），從PSD中可以提取10個特征值：中位頻率（CF）、峰值頻率（PF）、高跨比（RH/L）、第一和第三四分位頻率、頻率標準差（SSD）、四分位差、最大頻率、不對稱系數、峰度系數。小波分解后，對β波、α波、θ波分析，可以得到另外6個特征值。

所提出的方法對警醒階段和嗜睡階段做出的檢測準確率分別是87.4%和83.6%，這一結果可以應用于車輛自動睡意檢測系統中，從而減少駕駛員瞌睡造成的事故。

刊名：Medical Engineering& Physics（英）

刊期：2014年第36期

作者：Agustina Garcés Correa et al

編譯：薛雷