【文章內(nèi)容簡介】 本論文 將采用 Neurosky 推薦 的 腦電 節(jié)律劃分方式。具 體 的腦電 節(jié)律劃分方式 及某 節(jié)律對應(yīng)特點(diǎn)如 表 12。 表 12 Neurosky 推薦 的腦電節(jié)律劃分方式 腦波 類型 頻率 范圍 精神 狀態(tài) Delta 波 到 3Hz 沉睡 ，非快速動(dòng)眼睡眠 ， 無意識狀態(tài) Theta 波 4Hz 到 7Hz 直覺 的，創(chuàng)造性的，回憶， 幻想 ，想象，淺睡 Alpha 波 8Hz 到 12Hz 放松 但不困倦，平靜，有意識地 低頻 Beta 波 12Hz 到 15Hz 運(yùn)動(dòng) 感覺節(jié)律，即 輕松 又專注，有協(xié)調(diào)性 中頻 Beta 波 16Hz 到 20Hz 思考 ，對于自我和周圍環(huán)境意識清楚 高頻 Beta 波 21Hz 到 30Hz 警覺 ，激動(dòng) 腦電 信號 與警覺度的關(guān)系 第 1章 緒論 10 腦電信號 作為 人體重要生理特征參數(shù)之一， 直接 反映了大腦的活動(dòng)，且具有較高的時(shí)間分辨率 。 基于 目前的研究 情況 ， 將 腦電 作為警覺度 狀態(tài) 的 評估手段 在醫(yī)學(xué)界得到 廣泛 認(rèn)可。 腦電信號 與警覺度 狀態(tài) 的關(guān)系主要體現(xiàn)在 以下 幾個(gè)方面： [6] （ 1） 隨著警覺度 狀態(tài) 的改變，從清醒 到 入睡過程中一些 事件 相關(guān)電位的潛伏期或峰值會發(fā)生改變。 （ 2） 隨著 警覺度 狀態(tài) 的改變，不同節(jié)律的腦電信號活躍程度會發(fā)生改變，如 在 頻域上觀察腦電信號會發(fā)現(xiàn) ： 隨著警覺度的改變，腦電的功率譜分布會發(fā)生變化 。 （ 3） 隨著警覺 度狀態(tài) 的改變，不同節(jié)律的腦電信號生成的腦電地形圖會呈現(xiàn)出規(guī)律性的變化。 （ 4） 另外， 警覺度狀態(tài)變化造成的腦電模式改變 也會 直接反映在腦電的時(shí)序特征中，這些時(shí)序特征通?？梢岳媒旗兀瑯颖眷?，自回歸系數(shù)等來表示。 基于 腦電 信號 的駕駛 人警覺度狀態(tài)評估模型 的 設(shè)計(jì) 流程 和 關(guān)鍵 問題 圖 110 基于 腦電信號 的 駕駛?cè)司X度狀態(tài)評估 模型 設(shè)計(jì) 流程 圖 根據(jù) 腦電信號的特點(diǎn)， 基于 腦電信號的駕駛?cè)司X度狀態(tài)評估模型設(shè)計(jì)的具體流程 如圖 110。 完成 評估 模型 設(shè)計(jì) 的關(guān)鍵便是 對四個(gè) 關(guān)鍵問題 作出 解答 ，這四個(gè)關(guān)鍵問題是： （ 1） 腦電信號 的 降噪去偽跡預(yù)處理 。（ 2）警覺度 狀態(tài) 相關(guān)特征提取 。（ 3） 警覺度狀態(tài)相關(guān)特征的過濾 。（ 4）警覺度 狀態(tài)的估計(jì)。 1. 腦電 信號 的預(yù)處理 腦電信號十分微弱， 在 采集 和傳輸過程中容易受到來自人體內(nèi)部和外部的干擾 。干擾 信號可能嚴(yán)重降低所采集 到 的腦電信號的信噪比， 引發(fā) 信號失真 ， 使得采集 到的信號不可靠。 在 駕駛 過程中 腦電信號 主要 受到以下因素的影響： （ 1） 汽車 電器 產(chǎn)生 的電磁干擾 。（ 2） 肌電、 眼電、心電等生理偽跡信號的干擾 。（ 3） 駕駛?cè)?駕駛 動(dòng)作過大 。 （ 4） 傳感 器與駕駛?cè)似つw 沒有 進(jìn)行有效的接觸 。 腦電 降噪 去 偽跡采用的主要方法包括 [8]： （ 1） 直接 刪除 含有偽跡 的 腦電信第 1章 緒論 11 號 片段：處理 時(shí) 通過 觀察 ， 判斷 腦電 信號是否存在偽跡 ， 將存在偽跡的腦電信號片段進(jìn)行人工的刪除 ； 或?qū)δX 電 波的能量或幅值設(shè)定一個(gè)閥值 作為對 偽跡的 判別標(biāo)準(zhǔn) ， 通過 計(jì)算機(jī)軟件判斷 采集 到的腦電波是否超過閥值，若超過則自動(dòng) 刪除 。（ 2） 利用 線性 濾波器對腦波信號中的偽跡進(jìn)行濾除。如 使用 高通濾波器 可 濾除部分眼電 偽跡 ，低通濾波器可 濾除 部分肌電 偽跡 。 （ 3）利用 線性回歸方法 從 腦電中濾除偽跡信號 。（ 4） 利用信號分解的方法，如獨(dú)立成分 分析 （ ICA, Independent Component Analysis） 法，將含有 偽跡 的原始腦電信號 分成 多個(gè)成分，識別 出 偽跡成分 后 將非 偽跡的成分進(jìn)行重構(gòu)， 得到 去偽跡后的腦電信號。 2. 警覺度 狀態(tài) 相關(guān) 特征的提取 、 過濾 警覺度狀態(tài) 分析中腦電的主要特征有： （ 1） 時(shí)域特征：自回歸系數(shù)等。 （ 2）頻譜特性：功率譜密度或小波 系數(shù) 。 （ 3） 復(fù)雜度特征 ： 近似熵和樣本熵。不同 特征 對于 警覺度 狀態(tài)的表征能力不同，計(jì)算復(fù)雜度不同，抗干擾能力不同。將 在 后面 章節(jié) 對不同特征進(jìn)行分析和比較。 腦電信號 中并不是所有電位的變化都 由 警覺度狀態(tài) 變化 引起，即存在很多與警覺度狀態(tài)無關(guān)的信號。直接 提取 的 原始 腦電特征因?yàn)槭艿?與 警覺 度狀態(tài) 無關(guān) 的腦電 信號影響 ， 波動(dòng) 較大 。即使 駕駛 人處于同一個(gè) 警覺度 狀態(tài)， 原始腦電 特征也十分不穩(wěn)定。因此 要對 提取的原始腦電特征進(jìn)行 必要 的 平滑處理。 常用 的方法是利用滑動(dòng)平均濾波 的 方式對原始腦電特征進(jìn)行過濾。 3. 警覺度 狀態(tài) 的 估計(jì) 方法 現(xiàn)有 的 警覺度 狀態(tài) 估計(jì)方法 有 ：線性判別模型，線性回歸模型，人工 神經(jīng) 網(wǎng)絡(luò) 模型，支持向量機(jī)等。其中 線性 模型 訓(xùn)練 過程簡單，結(jié)果穩(wěn)定 ， 但警覺度估計(jì)的精度較差。 非線性 的估計(jì)方法警覺度 估計(jì) 的精度較高， 但 也存在著 不足。人工神經(jīng)網(wǎng)絡(luò) 模型 在不同的訓(xùn)練中模型參數(shù)不穩(wěn)定，導(dǎo)致得到的警覺度估計(jì)也不穩(wěn)定 ，并且神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)置也是一個(gè)很難的課題 ； 而支持向量機(jī)模型 在 數(shù)據(jù)規(guī)模較大的時(shí)候訓(xùn)練 速度較慢 。 另外 ，在 警覺度 狀態(tài)的估計(jì) 中 ，模型訓(xùn)練 過程 需要大量 有警覺度狀態(tài)標(biāo)注 信息 的腦電數(shù)據(jù) 。 本論文的 研究目的 、 主要研究內(nèi)容 和 內(nèi)容安排 本 論文的研究目的 和 主要研究內(nèi)容 本 論文 的 研究目的在 于 ： （ 1） 對 基于腦電波的駕駛?cè)司X度 狀態(tài) 評估模型 設(shè)計(jì) 過程中 涉及 的 關(guān)鍵 問題 進(jìn)行 分析 ， 初步設(shè)計(jì) 出 基于 腦波信號的駕駛?cè)司X度狀態(tài)評估模型 。 （ 2） 對 如何 使用 Mindwave Mobile 腦波 傳感器 結(jié)合 LabVIEW 編程 環(huán)境 實(shí)現(xiàn)腦電 信號的采集 與記錄 進(jìn)行 了詳細(xì)的說明， 為 將來 進(jìn)一步 使用 Mindwave 第 1章 緒論 12 Mobile 進(jìn)行 腦電波 研究 提供 了 一套可行 的設(shè)備使用策略。 本論文 的主要研究內(nèi)容： （ 1） 對基于腦電波的駕駛?cè)司X度狀態(tài)評估模型設(shè)計(jì) 過程 中所 涉及 的 關(guān)鍵 問題 （腦電信號 的預(yù)處理 ， 腦電特征 的 提取 和 過濾， 警覺度 狀態(tài) 的 估計(jì) 方法 。 ）進(jìn)行 深入 淺出的分析 ： 包括 研究各 個(gè) 關(guān)鍵 問題的原因，解決 每 個(gè) 問題 的 方法 ， 各個(gè) 方法 的特點(diǎn)比較 等 。 根據(jù) 討論與 分析 的 結(jié)果 初步 設(shè)計(jì)出基于腦電信號的駕駛?cè)司X度狀態(tài)評估模型 。 （ 2） 駕駛?cè)四X電警覺度 實(shí)驗(yàn) 的 實(shí)驗(yàn)方案 設(shè)計(jì) 。 基于 腦波 傳感器 Mindwave Mobile 與 LabVIEW， 自行 開發(fā) 出 駕駛?cè)?腦電 信號 采集與記錄系統(tǒng) ，用于 獲得 實(shí)驗(yàn) 中被試的 腦電數(shù)據(jù) 。 基于 LabVIEW 自行 開發(fā) 駕駛?cè)?警覺度 狀態(tài) 標(biāo)注系統(tǒng) ， 用于 獲得 實(shí)驗(yàn) 中被試的 警覺度 標(biāo)注數(shù)據(jù) 。 （ 3） 進(jìn)行 駕駛?cè)四X電 警覺度 實(shí)驗(yàn) ，提出 對 原始 實(shí)驗(yàn) 數(shù)據(jù) 的 處理 方案 ， 為 將來 使用 實(shí)驗(yàn)數(shù)據(jù)進(jìn)行 腦電 偽跡 去除分析 、 腦電特征提取 分析 、 腦電特征過濾 分析和 機(jī)器學(xué)習(xí) 等 模型 測試 工作 提供了 良好的基礎(chǔ)。 （ 4） 對 提出的初步模型部分性能進(jìn)行了測試。 圖 111 本論文 主要研究內(nèi)容 論文 安排 本論文由 以下五個(gè)章節(jié)組成： 第一章 ： 總體 介紹 對 駕駛?cè)?警覺度狀態(tài) 進(jìn)行 監(jiān)測 的背景和 意義，國內(nèi)外的 研究 成果 ，駕駛?cè)?警覺度狀態(tài)與 行車 安全 性 的 關(guān)系 ， 腦電信號 和 警覺度，利用腦電波對駕駛?cè)司X度 狀態(tài) 進(jìn)行評估 所 涉及 的關(guān)鍵問題，以及本論文的研究目的和主要研究內(nèi)容。 第二章 ： 評估 模型的初步設(shè)計(jì) 。 對 模型設(shè)計(jì)的 關(guān)鍵 問題 進(jìn)行 分析討論， 包括 ：腦電信號的 降噪去 偽跡預(yù)處理、腦電特征 提取 與過濾 、 警覺度 狀態(tài) 的 估計(jì) 方法 。提出本 論文 的 警覺度 狀態(tài)評估模型的初步設(shè)計(jì) 方案 。 第三章 ： 講述 駕駛 人腦電警覺度實(shí)驗(yàn)的原理 和 流程， 介紹 實(shí)驗(yàn) 中 用到的 設(shè)備Mindwave Mobile 腦波 傳感器 ， 以及 基于 LabVIEW 自行 開發(fā) 的 駕駛?cè)四X電采集與記錄系統(tǒng) 和駕駛 人警覺度 狀態(tài) 標(biāo)注 系統(tǒng)。 第四章 ： 提出對原始實(shí)驗(yàn)數(shù)據(jù)的處理方案，為將來利用實(shí)驗(yàn)數(shù)據(jù)進(jìn)行腦電偽跡去除分析、腦電特征提取分析、腦電特征過濾分析和機(jī)器學(xué)習(xí)提供了良好的數(shù)據(jù)基礎(chǔ)。 最后 ，對 提出 的初步模型部分性能進(jìn)行了測試。 第 1章 緒論 13 第五章 ： 對 全文進(jìn)行總結(jié)， 對日后 如何 完善 該 警覺度狀態(tài)評估模型作出展望。第 2章 評估 模型的初步設(shè)計(jì) 14 第 2 章 評估 模型 的 初步設(shè)計(jì) 根據(jù) 緒論中的分析， 基于 腦電信號的駕駛?cè)司X度狀態(tài)評估模型設(shè)計(jì) 有 以下四個(gè)方面 （ 1） 腦電信號 的 降噪去偽跡預(yù)處理 。（ 2）警覺度 狀態(tài) 相關(guān)特征 提取 。（ 3） 警覺度狀態(tài)相關(guān)特征的過濾 。（ 4）警覺度 狀態(tài)的估計(jì)。 本章 將對這 四個(gè)方面逐一進(jìn)行 分析， 討論解決 各個(gè)問題 的 常用 方法， 得出 基于 腦電信號的 駕駛?cè)?警覺度狀態(tài) 評估 模型 的初步設(shè)計(jì) 。 腦電 信號降噪、去偽跡預(yù)處理 腦電信號十分微弱， 在 采集和傳輸過程中容易受到來自人體內(nèi)部和外部的干擾。干擾 信號可能嚴(yán)重降低所采集 到 的腦電信號的信噪比， 引發(fā) 信號失真 ， 使得采集 到的信號不可靠。 因此 必須對原始腦電信號進(jìn)行 降噪去 偽跡的預(yù)處理。 腦電 信號中 主要 噪音、偽跡信號的分類 與 特點(diǎn) 腦電信號中的主要噪音、偽跡信號有： （ 1） 設(shè)備 使用過程中工頻 50Hz 的 交流電對 腦電 測量產(chǎn)生的干擾 。 （ 2） 腦電 測量環(huán)境中其他用電設(shè)備 的 電路系統(tǒng)對腦電測量產(chǎn)生的干擾 。 （ 3） 肌 電信號 （ Electromyogram， EMG） ， 在 張嘴 、 轉(zhuǎn)頭 等 肌肉運(yùn)動(dòng) 中產(chǎn)生的電生理信號，強(qiáng)度通常是腦電信號的十倍， 在 頻譜上分布范圍十分廣（ 15Hz～ 200Hz 以上 ） 。 信號源位置不固定 ， 不同的肌肉運(yùn)動(dòng)決定了不同的肌電信號源。 （ 4） 眼電 信號（ Electrooculogram， EOG） ， 眼球或 眼瞼 的運(yùn)動(dòng) ， 如眼球轉(zhuǎn)動(dòng)或 眨眼 等產(chǎn)生的電生理信號，是一種特殊的肌電信號。頻譜 上 主要集中分布在 0Hz～ 15Hz， 信號源位置固定 ， 主要集中在眼部周圍。因本 研究中所使用的 Mindwave Mobile 腦波 傳感器的腦電探測電極位于FP1 區(qū)域 ，也就是左前額的 部分 ，與眼睛距離 比較 接近 。 因此 ， 濾除眼電信號 的 干擾 是 本研究 中 腦電信號 預(yù)處理 的重點(diǎn)。 （ 5） 心電 信號（ Electrocardiogram， ECG） ， 心臟循環(huán) 血液時(shí) 引發(fā)血管節(jié)律性的舒張而產(chǎn)生的電生理信號 。心電 信號 受 心跳調(diào)節(jié)，主要集中在1Hz 左右 。當(dāng) 腦電測量 位置附近 有 血管出現(xiàn)， 腦電 的測量 便 會受到心電的影響。 通過 以上對 腦電信號中主要 噪音、偽跡信號的分類可以看出，工頻 交流電 以及心電信號 產(chǎn)生 的干擾 頻率都 比較固定 ， 分別是 50Hz 和 1Hz， 可以分別 直接 利用限波器 和 高通濾波器直接 濾除 。 其實(shí) 本研究 中使用的腦波采集設(shè)備 Mindwave 第 2章 評估 模型的初步設(shè)計(jì) 15 Mobile 中的 內(nèi)置芯片已經(jīng)設(shè)置了相應(yīng)的濾波器，因此 工頻 交流電和心電信號產(chǎn)生的影響可以不納入本研究的考慮范圍之中。 肌電 信號與眼電信號 在 頻譜上分布較廣，且很多頻帶與腦電重合 ， 若 直接利用濾波器處理會導(dǎo)致大量腦電 成分 的丟失 ， 如圖 21 為 眼電（ 0Hz）和肌電（ 15Hz）信號與腦電信號（ ～ 30Hz）的頻帶重疊情況 。 因此 ， 需要 使用 更復(fù)雜的腦電信號預(yù)處理算法 對 眼電和肌電偽跡 進(jìn)行 濾除。 圖 21 眼電（ 0Hz） 和肌電 （ 15Hz） 信號 與腦電信號 （ ～ 30Hz） 的 頻帶 重疊情況 現(xiàn)有 濾除肌電信號與眼電信號 的 方法 1. 偽跡 避免 早期研究中，對于腦電信號采集過程中肌電信號與眼電信號影響的去除采用的是偽跡避免 的 方法 。 即 被試 者在進(jìn)行腦電實(shí)驗(yàn)過程中盡量保持坐姿 固定， 不做涉及 眼動(dòng)、 眨眼 、面部活動(dòng)等 可能 產(chǎn)生肌電信號與眼電信號干擾的動(dòng)作 。 偽跡 避免的方法 雖然 可以有效濾除肌電信號與眼電信號的干擾，使得采集 到的腦電信號幾乎包含或只含有少量的偽跡 ， 但此方法明顯不適合 用于 本研究 中 。駕駛 人在駕駛過程中需要 獲得 道路和車輛等信息，并對信息作出反應(yīng)，無可避免會出現(xiàn)甩頭、眨眼 等 活動(dòng)，不可能一直避免產(chǎn)生肌電信號與眼電信號。 2. 偽跡 丟棄 直接 刪除 含有偽跡 的 腦電信號 片段 來 濾除眼電與肌電的干擾，稱為偽跡丟棄。處理 時(shí) 通過 觀察 ， 判斷 腦電 信號是否存在偽跡 ， 將存在偽跡的腦電信號片段進(jìn)行人工的刪除 ； 或?qū)δX 電 波的能量或幅值設(shè)定一個(gè)閥值 作