基于脑电波多模式分析的睡意自动检测

基于脑电波多模式分析的睡意自动检测

在很多交通事故的案例中可以发现，瞌睡是造成事故的主要原因，这归因于困倦状态下驾驶员警觉性及对危险认知能力都有明显下降，从而减弱了对车辆的操纵能力。本研究的目的是开发一种自动检测方法，即对驾驶员嗜睡阶段下的脑电波进行时域、频域和小波分析，实现对驾驶员睡意的检测。

该检测方法如图1所示。第一步将采集到的信号要进行滤波，先后进行二阶滤波、双向滤波、巴特沃斯滤波和带通滤波，截止频率为0.5～60Hz。第二步将数据分割成5s的时间片段，再进行特征提取。脑电波成分可以被分解成几个不同的频带：δ波（0.5～4Hz）、θ波（4～8Hz）、α波（8～12Hz）、β波（12～30Hz)、γ波(大于30Hz）。通过时域分析计算信号的最大值、最小值和标准差（STD）。根据伯格方法计算每个时间片段的功率谱密度（PSD），从PSD中可以提取10个特征值：中位频率（CF）、峰值频率（PF）、高跨比（RH/L）、第一和第三四分位频率、频率标准差（SSD）、四分位差、最大频率、不对称系数、峰度系数。小波分解后，对β波、α波、θ波分析，可以得到另外6个特征值。

所提出的方法对警醒阶段和嗜睡阶段做出的检测准确率分别是87.4%和83.6%，这一结果可以应用于车辆自动睡意检测系统中，从而减少驾驶员瞌睡造成的事故。

刊名：Medical Engineering& Physics（英）

刊期：2014年第36期

作者：Agustina Garcés Correa et al

编译：薛雷