[发明专利]一种应用于人机共驾的驾驶员脑电伪迹去除方法

权利要求书

1.一种应用于人机共驾的驾驶员脑电伪迹去除方法，其特征在于，包括：

采集驾驶员模拟驾车的脑电信号和驾驶行为数据，并对脑电信号进行基础降噪处理，得到原始脑电数据；

识别原始脑电数据中的各种伪迹成分，构建多种伪迹成分组合方案；在不同的伪迹成分组合方案下分别对脑电数据进行伪迹成分去除处理，分别提取不同伪迹成分组合去除后的脑电信号的频谱特征；

根据所述脑电信号的频谱特征对应时间段，计算出驾驶员的驾驶行为数据；

根据所述脑电信号的频谱特征和驾驶行为数据选取预测模型，评估不同伪迹组合去除效果下的所述预测模型的驾驶行为数据的预测结果的准确度，根据评估结果得到最优的伪迹成分组合去除方案。

2.根据权利要求1所述的方法，其特征在于，所述的采集驾驶员模拟驾车的脑电信号和驾驶行为数据，并对脑电信号进行基础降噪处理，得到原始脑电数据，包括：

同步采集驾驶员模拟驾车的脑电信号和驾驶行为数据，其中脑电信号采样频率为1000Hz，驾驶行为数据记录频率为10Hz，将采集到的脑电信号经过0.5HZ至70HZ带通滤波，清除脑电信号中特定频率的正弦线噪声，剔除脑电信号中的损坏电极通道，并用相邻电极的内插补充，将脑电信号中的脑电图EEG数据设定为平均参考，获得原始脑电数据。

3.根据权利要求1所述的方法，其特征在于，所述的识别原始脑电数据中的各种伪迹成分，构建多种伪迹成分组合方案，在不同的伪迹成分组合方案下分别对脑电数据进行伪迹成分去除处理，包括：

对原始脑电数据进行第一轮独立成分分析ICA后，通过基于空间和时间联合特征的脑电伪迹自动检测器ADJUST识别眨眼、水平眼动、垂直眼动和一般性不连续四种伪迹成分，根据眨眼、水平眼动、垂直眼动、一般性和肌肉伪迹五种伪迹成分组成多种伪迹成分组合方案；

在不同的伪迹成分组合方案下分别对脑电数据进行伪迹成分去除处理，肌肉伪迹的去除是通过ARR中基于盲源分离技术的肌电信号去除功能实现，其它四种伪迹成分直接在ADJUST插件中将相应伪迹成分删除。

4.根据权利要求3所述的方法，其特征在于，所述的分别提取不同伪迹成分组合去除后的脑电信号的频谱特征，包括：

将去除伪迹成分后的脑电数据划分为长度1S，重叠时间0.1S的多个时间段，将所有时间段的脑电数据组成数据集，将数据集划分为训练集和测试集，将每个时间段的脑电数据经快速傅利叶变换，转换到不同频带，计算五个不同波段的脑电数据的平均功率，得到脑电信号的频谱特征，所述五个不同波段包括δ波段：0.5–3Hz、θ波段：4–7Hz、α波段：8–13Hz、β波段14–30Hz和γ波段：31–70Hz。

5.根据权利要求4所述的方法，其特征在于，所述的根据所述脑电信号的频谱特征对应时间段计算出驾驶员的驾驶行为数据，包括：

基于每个时间段的脑电数据，分别计算每个时间段内所述驾驶员的驾驶行为数据在1S内的平均值，存储每个时间段内的脑电数据和对应的驾驶行为数据，针对具体驾驶场景选择恰当的驾驶行为分别作为驾驶行为特征和驾驶决策指标。

6.根据权利要求4或者5所述的方法，其特征在于，所述的根据所述脑电信号的频谱特征和驾驶行为数据选取预测模型，评估不同伪迹组合去除效果下的所述预测模型的驾驶行为数据的预测结果的准确度，根据评估结果得到最优的伪迹成分组合去除方案，包括：

根据所述脑电信号的频谱特征和驾驶行为数据在预测模型库中选择多种预测模型，在每个预测模型中，将驾驶行为特征和所述脑电信号的频谱特征作为输入数据，预测模型输出预测的驾驶决策指标；

针对每个预测模型，在测试集上计算平均绝对误差MAE、均方根误差RMSE、平均绝对百分比误差MAPE和R平方指数，计算公式分别为：

其中，y_i表示第i个观测值，在驾驶实验中采集得到，表示第i个预测值，n为周期，代表观测均值，MAE、RMSE、MAPER表示预测值和观测值之间的偏差，数值越小说明预测误差越低，而R方指数越大,表示模型的拟合效果越好；

整合不同预测模型的预测性能，Oln代表整体性能指数，ln_p是第p个预测模型的性能指标，w_p是第p个预测模型的影响权重；

通过比较不同伪迹组合方案去除后的整体性能指数，选择性能最优者的伪迹组合方案作为该驾驶场景下的伪迹去除方案。