[发明专利]一种基于多源生理信息的驾驶员疲劳及情绪评价方法

权利要求书

1.一种基于多源生理信息的驾驶员疲劳及情绪评价方法，其特征在于，所述方法包括以下步骤：

步骤1，利用MP150WSW同步采集脑电信号、心电信号和肌电信号，通过惯性传感器模块采集头部姿态信息；

步骤2，利用MP150WSW设备数据处理软件对采集到的脑电信号、心电信号和肌电信号进行预处理，并对生理信号进行特征提取；

步骤3，利用脑电、心电、肌电和姿态信号作为模糊神经网络的输入，输出为驾驶员的疲劳和情绪状态；

步骤4，基于神经网络评估模型，利用遗传算法不断学习驾驶员的评价指标，提取驾驶员疲劳及情绪评价的规则方法。

2.根据权利要求1所述的一种基于多源生理信息的驾驶员疲劳及情绪评价方法，其特征在于：在步骤1中，使用MP150WSW同步采集脑电信号、心电信号和肌电信号；其中，脑电电极采用国际10—20系统标准，以双耳电极作为参考电极，记录相应的脑电信号；心电电极的布置采用胸骨导联方式；肌电电极放置在颈部处；使用JY901九轴惯性传感器采集驾驶员头部位置信息。

3.根据权利要求1所述的一种基于多源生理信息的驾驶员疲劳及情绪评价方法，其特征在于：在步骤2中，预处理后的实测数据构建脑电信号x(t)、心电信号y(t)、肌电信号z(t)和姿态信号h(t)；提取脑电的功率谱特征数据—脑电疲劳指数F_(α+θ)/β/F_β/α和反应情绪变化的β波/γ波的平均功率谱能量值、心电的时域特征数据—心率(HR)、RR间期的标准差(SDNN)和相邻RR间期差值的均方根(rMSSD)、肌电信号的频域特征数据—平均功率频率(MPF)和中值频率(MF)。

4.根据权利要求1所述的一种基于多源生理信息的驾驶员疲劳及情绪评价方法，其特征在于，所述步骤3的具体方法如下：

构建模糊神经网络模型，基于步骤2中的生理特征指标作为神经网络的输入，输出为驾驶员疲劳情绪状态，输出—输入的关系可以写为：

Y＝Wlogsig(VX-B)-C(1)

式中，logsig(x)表示对数S形函数：

log sig(x)=11+e-x---(2)]]>

并引入LM算法训练神经网络参数的值(即输入到隐含层权值矩阵V，隐含层到输出权值矩阵W，隐含节点偏差矩阵B，和输出节点偏差矩阵C，)和隐藏层中使用的隐藏节点(即k)；利用训练好的神经网络对驾驶员的EEG、ECG、EMG和姿态信号进行分类，计算出驾驶员的“清醒—疲劳”和“愉快—悲伤”。

5.根据权利要求1所述的一种基于多源生理信息的驾驶员疲劳及情绪评价方法，其特征在于，所述步骤4的具体方法如下：基于神经网络分类模型提取驾驶员疲劳及情绪评价的规则方法；基于神经网络分类单元可以看出当驾驶员处于疲劳(情绪愤怒)驾驶时，驾驶员生理指标(x₀,x₁,x₂…x₉)在一些特定的阈值里面；基于驾驶员生理参数指标的阈值可以直接评价驾驶员的疲劳及情绪状态；生成的规则可以表示如下：

使用遗传算法搜索参数(X₁₀,X₁′₀,X″₁₀,X″′₁₀……X_n9,X′_n9,X″_n9,X″′_n9)，在遗传算法中，n是从神经网络提取的规则数量；n越大，神经网络产生的数据越可能被规则覆盖，更可能实现更好的精度。