[发明专利]基于线性预测分析与堆叠融合的混合模态疲劳检测方法

权利要求书

1.一种基于线性预测分析与堆叠融合的混合模态疲劳检测方法，其特征在于：所述方法包括如下步骤：

S1：采集被检测者的脑电EEG信号和眼电EOG信号；

S2：将所述脑电EEG信号和眼电EOG信号通过带通滤波器处理，得到多通道EEG信号和EOG信号；

S3：对所述多通道的EOG信号进行基于快速独立主成分分析算法的盲源分离，将原始的多通道眼电信号分解为多通道前额EEG信号和多通道纯净的EOG信号；

S4：将所述多通道EEG信号与所述多通道前额EEG信号归并，对归并后的整个多通道EEG信号进行线性预测分析，求解线性预测倒谱系数，采用滑动平均算法对线性预测倒谱系数进行特征平滑；

S5：对所述多通道纯净的EOG信号进行墨西哥帽连续小波变换检测峰值，对正负峰值进行编码，从编码序列中提取眼电信号反映的注视、扫视、眨眼的统计特征；

S6：将步骤S5中对脑电EEG信号和眼电EOG信号各自提取到的特征输入到堆叠融合算法模型中进行回归训练，获得疲劳程度预测结果；具体步骤包括：

S6.1：将脑电特征输入到贝叶斯岭回归模型中训练，训练结果记录为Y1；将眼电特征输入到轻量级梯度提升机回归模型中训练，训练结果记录为Y2；将脑电特征和眼电特征串联融合在一起，分别输入到贝叶斯岭回归模型和轻量级梯度提升机回归模型，训练得到结果分别记录为Y3和Y4，完成堆叠融合算法的基回归层训练；

S6.2：将基回归层训练所得的结果并联在一起，作为堆叠融合算法的次级回归层的输入NewX＝[Y1,Y2,Y3,Y4]，其中NewX是次级回归层的输入，Y1,Y2,Y3,Y4是初级回归层的训练结果；

S6.3：对模型输出的预测值进行评估，评估通过则训练完成，评估未通过则返回步骤S6.1。

2.根据权利要求1所述的一种基于线性预测分析与堆叠融合的混合模态疲劳检测方法，其特征在于：步骤S1中，所述脑电EEG信号采集自被检测者的大脑颞叶、枕叶，所述眼电EOG信号采集于被检测者的眼睛上方的前额位置。

3.根据权利要求1所述的一种基于线性预测分析与堆叠融合的混合模态疲劳检测方法，其特征在于：步骤S2中，带通滤波器处理采用矩形窗函数将所述脑电EEG信号和眼电EOG信号分成不重叠的数据帧片段。