[发明专利]一种新型的基于脑电信号的人员专注程度检测方法及系统

说明书

本发明公开了一种新型的基于脑电信号的人员专注程度检测方法及系统，专注度检测研究技术领域。专注程度检测方法步骤包括采集脑波信号、分析脑电信号、设计受试者特有的专注度指标、将特有的专注度指标应用受试者日常作业。专注程度检测系统包括脑电采集模块、微处理模块、存储模块、供电模块以及显示模块等。通过本发明，训练得到受试者的专注程度检测模型，该模型不再简单地用约定好频率范围的频段内的能量比值来代表专注程度检测指标，而是考虑到了个体之间在专注状态下脑波能量上升和下降的具体范围的差异，来确定专注程度检测模型。受试者通过自己独特的专注程度监测模型计算得到了专注程度指标结果，大大提高了专注程度检测准确性。

技术领域

本发明涉及一种新型的基于脑电信号的人员专注程度检测方法及系统，属于专注度检测研究技术领域。

背景技术

脑电信号可以被分为两大类，一类被称为时间相关脑电波，又被称为诱发性脑电信号，是大脑受到刺激后做出反应，产生的脑电信号波动，而另一类被称为自发性脑电波，与诱发性脑电信号相反，它是指大脑自发产生的有规律性的电位信号。脑电信号的研究迄今已经有近八十多年的历史，在科技、军事、娱乐、虚拟现实等诸多方面都有显著的应用，特别是针对临床医疗，其作为反映大脑功能状态的重要指标，过去现在及未来都不失其在临床诊断及科学研究的价值。

现存研究显示，临床脑电记录分析的脑电频率大致范围在1.0～100Hz，其主要频段汇集于0.3～30Hz之间，可划分为四个重要波段，即δ(0.5～3Hz)、θ(4～7Hz)、α(8～13Hz)、β(14～30Hz)，分别为delta、theta、alpha和beta节律，其频率范围和波形图如图1所示。

脑电信号产生的频率较为丰富，不同波段的脑电信号与思想或者活动的不同状态相关，比如当精神紧张或是情绪亢奋时会出现β波，人在疲劳或是精神抑郁时θ波会比较显著。可见脑电波如同脑功能状态的指示器，在不同的年龄、身体状态、心理状态下都有不同的脑电信号特征显示。对脑波信号进行进一步的分类的意义不言而喻，这不仅与人的精神和生理健康息息相关，而且为脑波控制设备的研发开创了理论基础。

根据神经科学的研究成果，注意力状态与脑电信号的节律的相关性得到了普遍的承认。在1985年，William等人发现，在脑电信号中，α和β频段反映了受试者的专注力水平，在进入专注状态时，受试者的α频段能量下降，β频段能量上升。其他大量的研究调查了注意力引起的β，α和其他不同频段之间能量比值的变化。总体而言，很多研究认为像β这样的高频段活动增加是一种注意唤醒的指标，相比较之下，α波段和θ波段的能量则会在注意唤醒时下降。因此，在实践中，研究者常将β波段能量与α波段能量的比值作为专注力程度的一种数学指标。类似地，还可以采用β波段能量与α波段及θ波段能量之和的比值作为专注力程度的另一种数学指标。

然而，将脑电信号不同频段的能量比作为专注力检测的指标存在一个问题大大限制了其在实践中的推广应用，即在实际检测中，该指标的有效性因人而异，一视同仁的计算方法忽略了存在于个体之间的差异，对于一些受试者，该指标往往不能准确的检测专注力水平。为了解决这个问题，有研究者提出了将多种指标结合在一起来衡量专注力水平，比如将β/α、β/θ的指标进行加权平均，得到新的指标来检测专注力水平。

上述基于结合多种指标的方法一定程度上解决了专注力检测准确性的问题，然而由于每种指标依然是传统频段能量指标，对于专注力水平的检测还是不够准确和稳定。

也有研究者提出使用脑电信号的复杂度作为专注力检测的另一类指标。复杂度指标包括近似熵、样本熵、交叉熵等。复杂性的度量应该接近于对某一物体或某一系统的构造和描述的难度。相关研究也已证实在专注于非专注状态下，复杂度指标有显著的统计性差异。

然而，基于复杂度计算的专注力指标的计算复杂，计算模型需要通过特殊的实验获取数据后进行训练和标定，且效果不稳定。

发明内容