一种基于脑电与近红外结合的脑疲劳监测装置的制作方法

1.本发明涉及脑电波采集技术领域，具体来说，涉及一种基于脑电与近红外结合的脑疲劳监测装置。


背景技术：

2.随着现代社会科学技术迅猛发展，生活节奏越来越快，人们在日常工作和学习中所要面对的压力越来越大，长时间或者高强度用脑极易引起脑疲劳，脑疲劳已成为一种严重影响人们正常生活的亚健康状态。同时对于驾驶员而言，疲劳驾驶则存在重大的安全隐患，由于驾驶员在驾驶过程中缺乏警觉和警惕，社会上因驾驶疲劳而导致的交通事故比例越来越高。因此，驾驶疲劳已成为道路悲剧的主要原因之一。
3.目前，传统的疲劳检测方法一般包括脑电图(electroencephalography，eeg)法或功能性近红外光谱(functional near-infrared spectroscopy，fnirs)法，但是，脑电图技术很容易受到眼睛或身体其他部位运动的影响，另外，噪声对脑电信号的影响也特别大，而功能性近红外光谱技术的信号时间分辨率低，且检测信号滞后于实际神经活动。即单一的模态信号不能准确的反应使用者的脑部疲劳状态，因此，本发明提出了一种基于脑电与近红外结合的脑疲劳监测装置。


技术实现要素：

4.针对相关技术中的问题，本发明提出一种基于脑电与近红外结合的脑疲劳监测装置，以克服现有相关技术所存在的上述技术问题。
5.为此，本发明采用的具体技术方案如下：
6.一种基于脑电与近红外结合的脑疲劳监测装置，包括头部佩戴件，头部佩戴件的底端设置有与之相配合的固定带，头部佩戴件的内顶部设置有弧形条组，且头部佩戴件的一侧设置有与弧形条组相配合的调节机构，弧形条组上分别设置有脑电电极、发射光极及接收光极；头部佩戴件的表面设置有控制主机，控制主机的内部设置有控制主板，控制主板包括光驱动模块、电源模块、信号处理模块、主控模块及数据传输模块；
7.其中，光驱动模块用于产生多个频率不同的电流载波以驱动双波长光发射极；
8.电源模块用于为装置供电，其由充电电路、线性稳压电路及升降压电路构成；
9.信号处理模块用于对采集信号进行处理，利用通道选择及特征融合法对采集的信号进行识别；
10.主控模块用于控制光源驱动模块实现数据采集；
11.数据传输模块用于实现数据传输。
12.进一步的，为了可以起到有效地散热效果，头部佩戴件的顶部表面贯穿开设有若干散热孔。
13.进一步的，为了便于配合调节机构实现对脑电电极、发射光极及接收光极位置的调节，弧形条组包括安装于头部佩戴件内顶部中间位置的弧形条一，弧形条一的两侧均设
置有弧形条二。弧形条一上均匀设置有若干脑电电极，弧形条二上分别设置有若干脑电电极、发射光极及接收光极。
14.进一步的，为了便于测量使用者头部不同区域的脑电及近红外光密度变化信号，可以更好地满足于人们的脑疲劳监测需求，头部佩戴件的内底部两侧均开设有与调节机构相配合的安装槽，且弧形条一及弧形条二的两端均通过转动轴与安装槽活动连接。调节机构包括套设于弧形条一上的锥齿轮一，锥齿轮一的底部设置有与之相啮合的锥齿轮二；锥齿轮二的底部设置有传动轴，传动轴的中部套设有蜗轮，蜗轮的下方设置有与之相配合的蜗杆，蜗杆的一端贯穿头部佩戴件并与位于头部佩戴件的一侧的调节块连接。
15.进一步的，为了更好地实现对脑疲劳状态的监测，信号处理模块包括数据预处理模块、通道选择模块、特征提取模块、特征融合模块及疲劳状态判别模块；
16.数据预处理模块用于分别对采集的脑电信号和近红外光密度变化信号进行预处理；
17.通道选择模块用于通过基于relieff及单通道性能分析的共性通道选择方法推荐的最优共性通道组合分别对脑电信号和近红外光密度变化信号进行通道选取；
18.特征提取模块用于分别对脑电信号和近红外光密度变化信号进行特征提取；
19.特征融合模块用于利用k-svd算法对提取的脑电信号特征进行稀疏融合，得到降维后的稀疏融合特征；
20.疲劳状态判别模块用于基于支持向量机算法构建的疲劳状态检测模型对待测者的疲劳状态进行检测识别。
21.进一步的，数据预处理模块在分别对采集的脑电信号和近红外光密度变化信号进行预处理时包括：
22.对脑电信号进行重参考、带通滤波和基线校正，并采用独立成分分析方法去除伪迹干扰；
23.根据beer-lambert定律对近红外光密度变化信号进行计算，得到血氧浓度变化信号，并对血氧浓度变化信号进行带通滤波和基线校正。
24.进一步的，最优共性通道组合的推荐包括以下步骤：
25.利用基于relieff算法分析得到每个受试者各个通道下各个特征所对应的权值，并分析得到每个受试者各个通道下各个特征所对应的分类准确率；
26.进行准确率加权求和得到各个通道对应的加权求和后的权重值，并按照权重值大小进行排序选出最优共性通道组合。
27.进一步的，特征提取模块在分别对脑电信号和近红外光密度变化信号进行特征提取时包括：
28.分别提取脑电信号中的时域特征及频域特征，其中，时域特征包括近似熵、样本熵及模糊熵，频域特征包括功率谱密度；
29.分别提取近红外光密度变化信号中的脑血氧平均值特征、方差特征和变化趋势特征；
30.特征融合模块在利用k-svd算法对提取的脑电信号特征进行稀疏融合，得到降维后的稀疏融合特征时包括：
31.利用k-svd算法构建基于脑电信号的多特征集合对应的字典矩阵，并对基于脑电
信号的多特征集合进行稀疏表示得到稀疏融合特征。
32.本发明的有益效果为：
33.1)本发明通过利用脑电电极、发射光极及接收光极可以实现对脑电信号及近红外光密度变化信号的采集，从而可以利用两种信号的结合实现对大脑疲劳状态的实时监测，相比于传统的单一监测方式，本发明利用脑电信号及近红外光密度变化信号的结合可以有效的提高脑疲劳状态的识别准确率。
34.2)通过调节机构的使用，使得蜗轮蜗杆可以配合锥齿轮带动弧形条进行转动，从而可以实现对脑电电极、发射光极及接收光极位置的调节，进而便于测量使用者头部不同区域的脑电及近红外光密度变化信号，可以更好地满足于人们的脑疲劳监测需求。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
36.图1是根据本发明实施例的一种基于脑电与近红外结合的脑疲劳监测装置的结构示意图；
37.图2是根据本发明实施例的一种基于脑电与近红外结合的脑疲劳监测装置中弧形条组的结构示意图；
38.图3是根据本发明实施例的一种基于脑电与近红外结合的脑疲劳监测装置中安装槽的结构示意图；
39.图4是根据本发明实施例的一种基于脑电与近红外结合的脑疲劳监测装置中调节机构的结构示意图；
40.图5是根据本发明实施例的一种基于脑电与近红外结合的脑疲劳监测装置中控制主板的模块框图；
41.图6是根据本发明实施例的一种基于脑电与近红外结合的脑疲劳监测装置中信号处理模块的结构框图。
42.图中：
43.1、头部佩戴件；2、固定带；3、散热孔；4、弧形条组；41、弧形条一；42、弧形条二；5、调节机构；51、锥齿轮一；52、锥齿轮二；53、传动轴；54、蜗轮；55、蜗杆；56、调节块；6、脑电电极；7、发射光极；8、接收光极；9、控制主机；91、光驱动模块；92、电源模块；93、信号处理模块；931、数据预处理模块；932、通道选择模块；933、特征提取模块；934、特征融合模块；935、疲劳状态判别模块；94、主控模块；95、数据传输模块；10、安装槽；11、转动轴。
具体实施方式
44.为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
45.根据本发明的实施例，提供了一种基于脑电与近红外结合的脑疲劳监测装置。
46.现结合附图和具体实施方式对本发明进一步说明，如图1-图6所示，根据本发明实施例的基于脑电与近红外结合的脑疲劳监测装置，包括头部佩戴件1，头部佩戴件1的底端设置有与之相配合的固定带2，头部佩戴件1的顶部表面贯穿开设有若干散热孔3，头部佩戴件1的内顶部设置有弧形条组4，且头部佩戴件1的一侧设置有与弧形条组4相配合的调节机构5，弧形条组4上分别设置有脑电电极6、发射光极7及接收光极8；头部佩戴件1的表面设置有控制主机9，控制主机9的内部设置有控制主板，控制主板包括光驱动模块91、电源模块92、信号处理模块93、主控模块94及数据传输模块95；
47.其中，光驱动模块91用于产生多个频率不同的电流载波以驱动双波长光发射极；
48.电源模块92用于为装置供电，其由充电电路、线性稳压电路及升降压电路构成；
49.信号处理模块93用于对采集信号进行处理，利用通道选择及特征融合法对采集的信号进行识别；
50.主控模块94用于控制光源驱动模块实现数据采集；
51.数据传输模块95用于实现数据传输。
52.在一个实施例中，弧形条组4包括安装于头部佩戴件1内顶部中间位置的弧形条一41，弧形条一41的两侧均设置有弧形条二42。弧形条一41上均匀设置有若干脑电电极6，弧形条二42上分别设置有若干脑电电极6、发射光极7及接收光极8，具体应用时，发射光极为双波长(730/850nm)的led光电二极管，接收光包括光电探测器、跨阻放大器、导光光纤、硅光管、滤光片等，脑电电极为氯化银粉末电极，且光发射极跟光接收极的距离大约为30mm，尽量不大于40mm，脑电极之间的距离为30mm。通过设置有弧形条一41和弧形条二42，从而便于配合调节机构5实现对脑电电极6、发射光极7及接收光极8位置的调节。
53.在一个实施例中，头部佩戴件1的内底部两侧均开设有与调节机构5相配合的安装槽10，且弧形条一41及弧形条二42的两端均通过转动轴11与安装槽10活动连接。调节机构5包括套设于弧形条一41上的锥齿轮一51，锥齿轮一51的底部设置有与之相啮合的锥齿轮二52；锥齿轮二52的底部设置有传动轴53，传动轴53的中部套设有蜗轮54，蜗轮54的下方设置有与之相配合的蜗杆55，蜗杆55的一端贯穿头部佩戴件1并与位于头部佩戴件1的一侧的调节块56连接。通过调节机构5的使用，使得蜗轮蜗杆可以配合锥齿轮带动弧形条进行转动，从而可以实现对脑电电极6、发射光极7及接收光极8位置的调节，进而便于测量使用者头部不同区域的脑电及近红外光密度变化信号，可以更好地满足于人们的脑疲劳监测需求。
54.调节机构的工作原理如下：当需要对脑电电极6、发射光极7及接收光极8的位置进行调节时，只需根据脑电电极6、发射光极7及接收光极8所在的位置对其安装的弧形条进行位置调节，具体的，使用者转动调节块56，使得其通过蜗杆55带动蜗轮54转动，从而使得传动轴53带动锥齿轮二52转动，由于锥齿轮二52与锥齿轮一51啮合，从而使得锥齿轮一51带动转动轴11转动，从而使得弧形条带动脑电电极6、发射光极7及接收光极8进行移动，进而完成对脑电电极6、发射光极7及接收光极8位置的调节。
55.在一个实施例中，信号处理模块93包括数据预处理模块931、通道选择模块932、特征提取模块933、特征融合模块934及疲劳状态判别模块935；
56.数据预处理模块931用于分别对采集的脑电信号和近红外光密度变化信号(脑氧信号)进行预处理。
57.具体的，数据预处理模块931在分别对采集的脑电信号和近红外光密度变化信号进行预处理时包括：
58.对脑电信号进行重参考、带通滤波和基线校正，并采用独立成分分析方法去除伪迹干扰；
59.根据beer-lambert定律对近红外光密度变化信号进行计算，得到血氧浓度变化信号，并对血氧浓度变化信号进行带通滤波和基线校正。
60.通道选择模块932用于通过基于relieff及单通道性能分析的共性通道选择方法推荐的最优共性通道组合分别对脑电信号和近红外光密度变化信号进行通道选取。
61.具体的，最优共性通道组合的推荐包括以下步骤：
62.利用基于relieff算法分析得到每个受试者各个通道下各个特征所对应的权值，并分析得到每个受试者各个通道下各个特征所对应的分类准确率；
63.进行准确率加权求和得到各个通道对应的加权求和后的权重值，并按照权重值大小进行排序选出最优共性通道组合。
64.其中，relief是一种通过计算特征权重的特征选择算法，主要针对两分类问题。relief算法的核心是依据不同特征与类别之间的相关性来计算各种特征对应的权重值，并将权重值小于设定阈值的特征移除完成特征选择。其中各种特征和类别的相关性是通过计算不同特征对近距离样本的区分能力来实现的。
65.由于relief算法只能处理两类数据问题，因此kononenko在relief算法的基础上进行改进提出了能够处理多类问题的relieff算法。relieff算法处理多分类问题的原理如下：从训练数据集s1,s2,s3,.....sn中，随机选取样本点si(1≤i≤n)，在与si同类的训练集中计算出si的k个近邻样本点nearest hit记为s
inhh
(h＝1,2..k)，在每个与si不同类的训练集中计算出si的k个近邻样本点nearest miss记为s
inmh
(h＝1,2..k)，针对不同的特征fi，计算更新每个特征的权重值。
66.特征提取模块933用于分别对脑电信号和近红外光密度变化信号进行特征提取。
67.具体的，特征提取模块933在分别对脑电信号和近红外光密度变化信号进行特征提取时包括：
68.分别提取脑电信号中的时域特征及频域特征，其中，时域特征包括近似熵、样本熵及模糊熵，频域特征包括功率谱密度；
69.分别提取近红外光密度变化信号中的脑血氧平均值特征、方差特征和变化趋势特征。
70.目前，越来越多的研究者将频域分析方法应用到脑电信号的分析中，大量研究成果显示，提取脑电信号的频域特征在脑电信号分析中有很好的效果。其中，功率谱密度函数(powerspectraldensity，psd)表示了脑电信号能量分布随频率变化的规律，是脑电信号分析处理中一种常用的频域分析方法。
71.研究表明，脑电信号在不同的频带(δ,θ,α和β)具有临床意义，在时域中无法直接观察到。其中δ波幅度最高频率最低，与人体睡眠关联密切；人体进行进入困倦或处于低警觉时θ波会出现；α波与人体的精神状态有关，放松或安静状态时α波会出现，而人体受到刺激或较为紧张时会减弱；β波在人体警觉或者兴奋时会有升高的趋势。本实施例中通过对疲劳eeg数据进行短时离散傅里叶变换(stft)求得四个频带的功率谱密度，将时域信号转化
为表示功率谱密度的频域特征。
72.特征融合模块934用于利用k-svd算法对提取的脑电信号特征进行稀疏融合，得到降维后的稀疏融合特征。
73.其中，稀疏表示理论中字典的确定是稀疏表示中一个关键的步骤，字典可分为固定字典与学习字典两类，其中固定字典是从己知的变换基中选中，例如小波基等，但是固定字典不能自适应于信号，并且不能保证表达的稀疏程度。而学习字典是通过学习大量的样本数据来得到的，适应性更高。因此本实施例中采用k奇异值分解(k-svd)字典学习算法来设计字典矩阵。k-svd字典学习算法主要分为稀疏表示和字典更新两个阶段。
74.特征融合模块934在利用k-svd算法对提取的脑电信号特征进行稀疏融合，得到降维后的稀疏融合特征时包括：
75.利用k-svd算法构建基于脑电信号的多特征集合对应的字典矩阵，并对基于脑电信号的多特征集合进行稀疏表示得到稀疏融合特征。
76.疲劳状态判别模块935用于基于支持向量机算法构建的疲劳状态检测模型对待测者的疲劳状态进行检测识别。
77.其中，基于支持向量机算法构建的疲劳状态检测模型，通过警醒态、轻度疲劳态和重度疲劳态三种状态的脑疲劳诱发得到脑电信号eeg和近红外光密度变化信号hb0特征集，用于支持向量机最优分类边界构建，使得疲劳状态可以准确分类，得到基于支持向量机算法构建的疲劳状态检测模型。
78.综上所述，借助于本发明的上述技术方案，本发明通过利用脑电电极6、发射光极7及接收光极8可以实现对脑电信号及近红外光密度变化信号的采集，从而可以利用两种信号的结合实现对大脑疲劳状态的实时监测，相比于传统的单一监测方式，本发明利用脑电信号及近红外光密度变化信号的结合可以有效的提高脑疲劳状态的识别准确率。
79.此外，通过调节机构5的使用，使得蜗轮蜗杆可以配合锥齿轮带动弧形条进行转动，从而可以实现对脑电电极6、发射光极7及接收光极8位置的调节，进而便于测量使用者头部不同区域的脑电及近红外光密度变化信号，可以更好地满足于人们的脑疲劳监测需求。
80.在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋接”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
81.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于脑电与近红外结合的脑疲劳监测装置，包括头部佩戴件(1)，该头部佩戴件(1)的底端设置有与之相配合的固定带(2)，其特征在于，所述头部佩戴件(1)的内顶部设置有弧形条组(4)，且所述头部佩戴件(1)的一侧设置有与所述弧形条组(4)相配合的调节机构(5)，所述弧形条组(4)上分别设置有脑电电极(6)、发射光极(7)及接收光极(8)；所述头部佩戴件(1)的表面设置有控制主机(9)，所述控制主机(9)的内部设置有控制主板，所述控制主板包括光驱动模块(91)、电源模块(92)、信号处理模块(93)、主控模块(94)及数据传输模块(95)；其中，所述光驱动模块(91)用于产生多个频率不同的电流载波以驱动双波长光发射极；所述电源模块(92)用于为装置供电，其由充电电路、线性稳压电路及升降压电路构成；所述信号处理模块(93)用于对采集信号进行处理，利用通道选择及特征融合法对采集的信号进行识别；所述主控模块(94)用于控制光源驱动模块实现数据采集；所述数据传输模块(95)用于实现数据传输。2.根据权利要求1所述的一种基于脑电与近红外结合的脑疲劳监测装置，其特征在于，所述头部佩戴件(1)的顶部表面贯穿开设有若干散热孔(3)。3.根据权利要求1所述的一种基于脑电与近红外结合的脑疲劳监测装置，其特征在于，所述弧形条组(4)包括安装于所述头部佩戴件(1)内顶部中间位置的弧形条一(41)，所述弧形条一(41)的两侧均设置有弧形条二(42)。4.根据权利要求3所述的一种基于脑电与近红外结合的脑疲劳监测装置，其特征在于，所述弧形条一(41)上均匀设置有若干所述脑电电极(6)，所述弧形条二(42)上分别设置有若干所述脑电电极(6)、所述发射光极(7)及所述接收光极(8)。5.根据权利要求1所述的一种基于脑电与近红外结合的脑疲劳监测装置，其特征在于，所述头部佩戴件(1)的内底部两侧均开设有与所述调节机构(5)相配合的安装槽(10)，且所述弧形条一(41)及所述弧形条二(42)的两端均通过转动轴(11)与所述安装槽(10)活动连接。6.根据权利要求5所述的一种基于脑电与近红外结合的脑疲劳监测装置，其特征在于，所述调节机构(5)包括套设于所述弧形条一(41)上的锥齿轮一(51)，所述锥齿轮一(51)的底部设置有与之相啮合的锥齿轮二(52)；所述锥齿轮二(52)的底部设置有传动轴(53)，所述传动轴(53)的中部套设有蜗轮(54)，所述蜗轮(54)的下方设置有与之相配合的蜗杆(55)，所述蜗杆(55)的一端贯穿所述头部佩戴件(1)并与位于所述头部佩戴件(1)的一侧的调节块(56)连接。7.根据权利要求1所述的一种基于脑电与近红外结合的脑疲劳监测装置，其特征在于，所述信号处理模块(93)包括数据预处理模块(931)、通道选择模块(932)、特征提取模块(933)、特征融合模块(934)及疲劳状态判别模块(935)；所述数据预处理模块(931)用于分别对采集的脑电信号和近红外光密度变化信号进行预处理；所述通道选择模块(932)用于通过基于relieff及单通道性能分析的共性通道选择方法推荐的最优共性通道组合分别对脑电信号和近红外光密度变化信号进行通道选取；
所述特征提取模块(933)用于分别对脑电信号和近红外光密度变化信号进行特征提取；所述特征融合模块(934)用于利用k-svd算法对提取的脑电信号特征进行稀疏融合，得到降维后的稀疏融合特征；所述疲劳状态判别模块(935)用于基于支持向量机算法构建的疲劳状态检测模型对待测者的疲劳状态进行检测识别。8.根据权利要求7所述的一种基于脑电与近红外结合的脑疲劳监测装置，其特征在于，所述数据预处理模块(931)在分别对采集的脑电信号和近红外光密度变化信号进行预处理时包括：对所述脑电信号进行重参考、带通滤波和基线校正，并采用独立成分分析方法去除伪迹干扰；根据beer-lambert定律对所述近红外光密度变化信号进行计算，得到血氧浓度变化信号，并对所述血氧浓度变化信号进行带通滤波和基线校正。9.根据权利要求7所述的一种基于脑电与近红外结合的脑疲劳监测装置，其特征在于，所述最优共性通道组合的推荐包括以下步骤：利用基于relieff算法分析得到每个受试者各个通道下各个特征所对应的权值，并分析得到每个受试者各个通道下各个特征所对应的分类准确率；进行准确率加权求和得到各个通道对应的加权求和后的权重值，并按照权重值大小进行排序选出最优共性通道组合。10.根据权利要求7所述的一种基于脑电与近红外结合的脑疲劳监测装置，其特征在于，所述特征提取模块(933)在分别对脑电信号和近红外光密度变化信号进行特征提取时包括：分别提取脑电信号中的时域特征及频域特征，其中，所述时域特征包括近似熵、样本熵及模糊熵，所述频域特征包括功率谱密度；分别提取近红外光密度变化信号中的脑血氧平均值特征、方差特征和变化趋势特征；所述特征融合模块(934)在利用k-svd算法对提取的脑电信号特征进行稀疏融合，得到降维后的稀疏融合特征时包括：利用k-svd算法构建基于脑电信号的多特征集合对应的字典矩阵，并对基于脑电信号的多特征集合进行稀疏表示得到稀疏融合特征。

技术总结
本发明公开了一种基于脑电与近红外结合的脑疲劳监测装置，包括头部佩戴件，头部佩戴件的内顶部设置有弧形条组，头部佩戴件的一侧设置有调节机构，弧形条组上分别设置有脑电电极、发射光极及接收光极；头部佩戴件的表面设置有控制主机，控制主机的内部设置有控制主板，控制主板包括光驱动模块、电源模块、信号处理模块、主控模块及数据传输模块。本发明不仅可以利用脑电信号及近红外光密度变化信号的结合有效的提高脑疲劳状态的识别准确率，而且还可以实现对脑电电极、发射光极及接收光极位置的调节，从而便于测量使用者头部不同区域的脑电及近红外光密度变化信号，可以更好地满足于人们的脑疲劳监测需求。于人们的脑疲劳监测需求。于人们的脑疲劳监测需求。


技术研发人员：李海波 戴世玮 曾灿明 戴浩源 江方兵
受保护的技术使用者：深圳市天鼎微波科技有限公司
技术研发日：2023.07.28
技术公布日：2023/10/7