[发明专利]一种应用于人机共驾的驾驶员脑电伪迹去除方法

说明书

本发明提供了一种应用于人机共驾的驾驶员脑电伪迹去除方法。该方法包括：采集驾驶员模拟驾车的脑电信号和驾驶行为数据，得到原始脑电数据；识别原始脑电数据中的各种伪迹成分，构建多种伪迹成分组合方案；在不同的伪迹成分组合方案下分别对脑电数据进行伪迹成分去除处理，分别提取脑电信号的频谱特征；根据脑电信号的频谱特征对应时间段计算驾驶行为数据；评估不同伪迹组合去除效果下的预测模型的驾驶行为数据的预测结果的准确度，根据评估结果得到最优的伪迹成分组合去除方案。本发明能够明确不同驾驶情境下应去除的伪迹成分，在有效去除伪迹的同时，又能尽可能保留有效信息，有助于人机共驾系统利用脑电信号进行驾驶状态感知及做出辅助决策。

技术领域

本发明属于脑电信号处理领域，涉及一种应用于人机共驾的驾驶员脑电伪迹去除方法。

背景技术

脑电(Electroencephalogram，EEG)信号含有高频神经活动信息，通过EEG信号不仅可以实现对驾驶员状态的感知和监测，为安全行驶提供保障，还可以通过预测决策指标(加速度、车道偏距、方向盘转角等)从而识别驾驶意图，对驾驶行为做出辅助决策及引导。为人机共驾系统进行感知和决策提供新途径。然而，一方面在头皮处采集到的脑电信号极其微弱；另一方面，在模拟真实驾驶场景中，脑电信号会受到被试者预期和无意识行为的影响，如身体运动、眨眼和扫视，以及电子干扰等其他意外干扰。脑电信号随机性强、非线性和非平稳性的特点，导致其在收集过程中不可避免受到各种伪迹的影响，从而影响相关分析的准确性和可靠性。因此，去除脑电信号中的伪迹成分至关重要。

现有技术中的一种脑电信号中的伪迹去除方法包括：采用ICA(Independentcomponents analysis，独立成分分析)方法，这是一种独立成分提取方法，通过等式C＝WX将原始脑电信号转换为各个独立的分量实现伪迹成分的识别和去除。式中，X代表行是电极通道数，列是时间点的原始脑电信号矩阵；C代表行是成分数量，列是时间点的独立成分矩阵；W代表行是成分数量，列是电极通道数量的权值矩阵。

上述现有技术中的一种脑电信号中的伪迹去除方法的缺点为：该方法依赖于操作者的经验，通过观察脑电空间头皮图及各独立成分的功率谱密度筛选伪迹成分，这种人工目检的方式费时费力，尤其是在面对真实场景中的脑电数据时，一些独立分量的模糊特征可能会使伪迹去除更加困难。虽然目前已经存在各种伪迹自动识别方法，但是将识别出的伪迹成分全部置零既不能保证去除后的脑电信号完全干净，又可能会丢失部分有效信息，在删除受污染的信息和丢失有价值的信息之间进行权衡是一个难题。

因此，需要一种方法，能够在不同的现实情境下，明确需要去除的伪迹成分，以获得驾驶决策指标预测的最大效益。

发明内容

本发明的实施例提供了一种应用于人机共驾的驾驶员脑电伪迹去除方法，以实现有效地为人机共驾系统进行驾驶员状态感知及辅助决策提供帮助。

为了实现上述目的，本发明采取了如下技术方案。

一种应用于人机共驾的驾驶员脑电伪迹去除方法，包括：

采集驾驶员模拟驾车的脑电信号和驾驶行为数据，并对脑电信号进行基础降噪处理，得到原始脑电数据；

识别原始脑电数据中的各种伪迹成分，构建多种伪迹成分组合方案；在不同的伪迹成分组合方案下分别对脑电数据进行伪迹成分去除处理，分别提取不同伪迹成分组合去除后的脑电信号的频谱特征；

根据所述脑电信号的频谱特征对应时间段，计算出驾驶员的驾驶行为数据；

根据所述脑电信号的频谱特征和驾驶行为数据选取预测模型，评估不同伪迹组合去除效果下的所述预测模型的驾驶行为数据的预测结果的准确度，根据评估结果得到最优的伪迹成分组合去除方案。

优选地，所述的采集驾驶员模拟驾车的脑电信号和驾驶行为数据，并对脑电信号进行基础降噪处理，得到原始脑电数据，包括：