[发明专利]一种基于PLI-Relief的疲劳驾驶脑电通道选择方法

权利要求书

1.一种基于PLI-Relief的疲劳驾驶脑电通道选择方法，其特征在于包括以下步骤：

步骤1：使用脑电设备实时采集被试执行驾驶任务时的脑电信号；

步骤2：对原始脑电数据进行预处理；

步骤3：采用相位滞后指数(Phase Lag Index，PLI)计算各通道之间的关联关系，选择阈值对PLI矩阵进行二值化，构建脑功能网络，根据网络属性选择相位同步性较高的通道作为初选通道；

步骤4：对每位被试，计算初选通道的功率谱密度特征，将每个通道当作一个特征，然后利用Relief算法得到各初选通道的权重，并且将所有初选通道的权重归一化在[-1，1]之间，把所有被试的该通道权重进行加和，得到和个体无关的每个初选通道的权重；

步骤5：按照权重大小对T个初选通道进行排序，从权值最大的通道开始分别取前N(N从1到T)个通道特征进行组合，并通过常用的分类算法进行疲劳状态分类，得到每种通道特征组合所对应的准确率，随着通道数目的增加，当疲劳状态识别准确率变化较小时，则选择当前的准确率对应的通道组合为最优通道选择结果。

2.根据权利要求1所述的一种基于PLI-Relief的疲劳驾驶脑电通道选择方法，其特征在于：所述步骤3，是通过相位滞后指数度量通道之间的功能连接关系，然后构建脑功能网络，两个通道信号之间的PLI值表示为：

其中，N表示时间点的个数，Δφ_rel(t_n)表示两个信号在时间点n处的相位差，sign是一个符号函数，当函数的自变量为正值时其输出为1，当自变量为负值时其输出为-1，当自变量为0时其输出为0；PLI的值域为[0，1]，当PLI的值等于0时，说明两个EEG信号的相位差分布完全对称，否则，PLI的值越大，对应的两组EEG信号的相位差分布越不对称。

3.根据权利要求1所述的一种基于PLI-Relief的疲劳驾驶脑电通道选择方法，其特征在于：所述步骤4，针对每个通道对应提取一个特征，即该通道对应的PSD特征，通过Relief算法进行特征选择也就是进行通道选择，Relief算法中权重的计算如式为：

其中，x_ih是第i个(i的取值是从1到k)样本x_i的同类样本中的最近邻样本，x_im是样本x_i的异类样本中的最近邻样本，代表样本x_i在特征j上的取值，和同理；代表样本x_i和样本x_ih在特征j上的距离，距离的计算根据特征j的类型分为两种，对离散型特征：

对连续型特征：

代表样本x_i和样本x_im之间的距离，计算方法和相同，特征的权重越大，说明该特征和样本的类别更为相关，也更适用于进行样本的分类，反之，则表示该特征与样本的类别关系不大，不适用于进行样本的分类任务。