[发明专利]基于电生理信号人工智能分析的疲劳驾驶告警方法及系统

权利要求书

1.一种基于电生理信号人工智能分析的疲劳驾驶告警方法，其特征在于，包括如下步骤：

步骤S1：采集前额三通道电生理信号，构造原始待处理数据矩阵S_raw＝[s₁,s₂,s₃]并放入缓存；

步骤S2：对所述缓存内的原始待处理数据矩阵S_raw作预处理，得到预处理后的数据矩阵S；

步骤S3：对所述预处理后的数据矩阵S作多通道经验模态分解，三个通道上分别得到通道间对应频率一致的多个本征模函数分量，其中第i个通道上的第n个本征模函数分量表示为；

步骤S4：根据所述本征模函数分量，基于矩阵联合对角化得到三个通道上各自的脑电信号e_i、垂直眼电分量v_i和水平眼电分量h_i；

步骤S5：将所述三个通道上各自的垂直眼电分量v_i和水平眼电分量h_i合并得到汇总的垂直眼电信号v和水平眼电信号h；

步骤S6：将所述三个通道各自的脑电信号e_i、汇总的垂直眼电信号v和水平眼电信号h输入预先搭建并训练好的多通道循环神经网络，根据输出结果判断是否属于疲劳驾驶；

其中对所述预处理后的数据矩阵S作多通道经验模态分解的方法为：

步骤S31：由序列采样法在二维球面上获得合适的均匀采样点集，确定三维空间的多个方向向量；

步骤S32：将所述预处理后的数据矩阵S在L个方向向量上做投影，形成L个二维球面上的投影，确定投影后形成的各个矩阵各列向量的极值所在位置，在每列的极值点周围插值获取多维包络，计算包络均值，其中在每列的极值点周围插值获取多维包络E_l,l＝1,2,...,L；

步骤S33：计算所述预处理后的数据矩阵S与所述包络均值M的差值H＝S-M，判断差值H是否满足所述本征模函数分量的筛分停止条件，若不满足，则用所述差值H替换所述预处理后的数据矩阵S，重复进行步骤S32、步骤S33，若满足，则定义，进入步骤S34；

步骤S34：判断预处理后的数据矩阵S与已分解出的各个本征模函数分量做差形成的余量R＝S-IMF₁-IMF₂-…-IMF_n是否满足多通道经验模态分解终止条件，若满足终止条件，则停止本征模函数分量提取；若不满足，将所述余量作为输入，返回至所述步骤S32开始循环；

基于矩阵联合对角化得到三个通道上各自的脑电信号e_i、垂直眼电分量v_i和水平眼电分量h_i的方法为：

步骤S41：对于第i个通道上的第n个本征模函数分量，以多个数据点滑动、1个数据点交迭，构造增广数据矩阵X_i,n,n＝1,2,...,N,i＝1,2,3，根据所述增广数据矩阵计算除第一本征模函数分量和第二本征模函数分量之外的本征模函数分量对应的本征模协方差矩阵，其中n＝3～7，(·)^T为矩阵转置；

步骤S42：对于第n(n2)个本征模函数分量，计算三通道数据分别对应的本征模协方差矩阵C_1,n、C_2,n与C_3,n的联合对角化，并提取对应于绝大部分能量的主成分基矩阵U_n；

步骤S43：以第六个主成分基矩阵U₆为垂直眼电分量的参考基矩阵，对于第n＝3,4,5,7个主成分基矩阵的第k列向量u_n,k，若与参考基矩阵形成的相关系数大于预设阈值，则将该向量作为所述主成分基矩阵中垂直眼电分量基矩阵U_v,n的新增列，否则将其作为水平眼电分量基矩阵U_h,n的新增列，最终形成垂直眼电投影矩阵、水平眼电投影矩阵，n=3,4,5,7和对应于垂直眼电分量参考基矩阵的参考投影矩阵;

步骤S44：对于第i个通道，通过所述垂直眼电投影矩阵P_v,n和水平眼电投影矩阵P_h,n分别计算出垂直眼电数据矩阵和水平眼电数据矩阵，由向量构造矩阵相反的方式通过所述垂直眼电数据矩阵V_i和水平眼电数据矩阵H_i分别反构造出垂直眼电分量v_i和水平眼电分量h_i，再由三通道数据上各自与垂直眼电分量v_i和水平眼电分量h_i的差值计算脑电信号e_i＝s_i-v_i-h_i。