[发明专利]一种基于PLI-Relief的疲劳驾驶脑电通道选择方法

说明书

本发明涉及智能交通领域和脑电信号通道选择技术，具体涉及一种基于PLI‑Relief的疲劳驾驶脑电通道选择方法。该方法包括以下步骤：采集疲劳驾驶脑电数据并进行预处理，去除伪迹成分；基于通道各信号间相位滞后指数构建关联矩阵；二值化关联矩阵并构建脑功能网络，根据网络属性实现通道初选；提取初选通道脑电信号的功率谱密度特征并利用Relief算法对通道按权重排序；采用准确率选择法确定最优通道并据此进行疲劳状态识别。本发明的优点是：所设计的通道选择方法综合考虑了脑电信号的时频特征和各通道信号之间的功能连接关系，在保持较高识别准确率的同时大幅减少了通道数量，为可穿戴脑电疲劳驾驶监测设备的设计提供了可实施的方案。

技术领域

本发明涉及智能交通领域，尤其涉及一种基于PLI-Relief的疲劳驾驶脑电通道选择方法。

背景技术

汽车的普及给我们的生活带来了极大的便利，随之而来的道路交通安全问题也越来越严重。研究表明，疲劳驾驶已成为影响交通安全的主要原因之一。疲劳驾驶所引起的交通事故，通常是在驾驶员没有采取风险规避措施的情况下发生的，这往往会导致连环交通事故，甚至造成更严重的后果，严重威胁着国家道路交通安全、经济发展和人民生活质量。因此，寻找一种可以对驾驶员疲劳状态进行实时准确监测的方法，在驾驶员感到疲劳或困倦时对其进行提示或者预警，对于减少人员伤亡和经济损失具有重要的现实意义。现阶段驾驶疲劳的检测方法以驾驶员的生理特征检测为主，尤其基于脑电信号的生理特征被认为是有效判断疲劳状态的客观手段。

基于脑电信号对疲劳驾驶状态进行识别是近年来的研究热点，主要是通过脑电帽采集驾驶员的多通道脑电信号，对脑电数据进行预处理之后提取脑电信号特征，然后通过建模来进行疲劳驾驶状态识别。常用的脑电信号分析方法主要包括时域分析、频域分析、时频分析以及非线性分析等。脑电信号是一种复杂的生理信号，它具有空间离散的非平稳特征，如果只从时频域或者空间连接关系进行分析，会丢失部分有效的信息，将影响最终的识别准确率。

疲劳驾驶监测研究的最终目标是可穿戴设备的开发和应用，这对疲劳监测系统的实时性、采集设备的便携性、操作的复杂性都有较高的要求，而目前基于脑电图EEG的疲劳驾驶监测大多使用32、64或128多通道设备来采集受试者在进行模拟驾驶任务时的脑电信号进行相关研究。在很多现实应用的场景中，无法满足在头部布置大量电极的条件，这就要求在保证疲劳驾驶监测准确率损失较小的情况下最大限度地减少脑电采集通道的数量，从而使其更加符合实际场景的需要。

发明内容

针对上述情况，本发明提出一种基于PLI-Relief的疲劳驾驶脑电通道选择方法，在通道选择时既考虑了各EEG通道在空间上的相互关系，也考虑了通道信号本身的时频特征，在保证识别准确率的同时剔除了大量冗余通道，对可穿戴设备的开发和使用有一定的参考价值。

本发明所述的一种基于PLI-Relief的疲劳驾驶脑电通道选择方法，技术方案包括以下步骤：

步骤1：对原始脑电数据进行预处理，采用相位滞后指数计算各通道之间的关联关系，得到邻接矩阵；

步骤2：选取阈值对邻接矩阵进行二值化，将二值化的矩阵映射为脑功能网络，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3：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4：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。