本申請實施例涉及警覺性評估，涉及但不限于一種警覺度量化方法、裝置、設備及存儲介質。

背景技術：

1、駕駛員作為交通信息的接收者、處理者和決策者，其駕駛行為直接影響和決定著行車安全。長時間的疲勞駕駛會產生生理和心理機能衰退，會導致駕駛員反應遲鈍、動作遲緩，以及對外界環(huán)境的感知、判斷和控制車輛、飛機等的能力下降。在這種情況下發(fā)生或接近發(fā)生事故的概率是清醒狀態(tài)下的4～6倍，對駕駛安全帶來了極大隱患。警覺度(vigilance)，是指對具有重復、非喚醒性質的刺激進行自我導向式清醒加工處理并維持的能力，而人員的警覺度會隨任務時間的增加發(fā)生變化，例如反應時間變慢、正確率降低等，即警覺度下降效應(vigilance?decrement)。如何準確地實時監(jiān)測人員的警覺狀態(tài)、準確量化出低警覺狀態(tài)，是目前的研究熱點之一。

2、近些年來，基于腦電信號的警覺度量化和分類方法收到廣泛關注，通過不同的腦電解碼算法提取出魯棒的特征用于分類或回歸以得到警覺度水平，具有實時性高、可靠性強的優(yōu)點。例如，基于支持向量機與粒子群優(yōu)化的分類方法、時頻域融合腦電特征的分類方法等。

3、然而，現(xiàn)有技術中對警覺狀態(tài)監(jiān)測存在以下問題：(1)現(xiàn)有的警覺度分類模型，其真實分類標簽主要利用待監(jiān)測人員的主觀問卷量表評價信息或行為表現(xiàn)反應時間的閾值，不能很好地反映出隨任務時間增加而表現(xiàn)出的警覺下降效應；(2)現(xiàn)有分類模型僅進行對警覺狀態(tài)進行二分類判斷，仍缺乏對警覺狀態(tài)進行等級劃分的研究；(3)現(xiàn)有的基于深度學習的警覺度分類模型的可解釋性不佳。

技術實現(xiàn)思路

1、基于相關技術中的問題，本申請實施例提供一種警覺度量化方法、裝置、設備及存儲介質。

2、本申請實施例的技術方案是這樣實現(xiàn)的：

3、本申請實施例提供一種警覺度量化方法，所述方法包括：

4、獲得待監(jiān)測人員的目標腦電信號數(shù)據(jù)；

5、對所述目標腦電信號數(shù)據(jù)進行特征提取，得到事件相關電位特征和功率比特征；所述事件相關電位特征中至少包括p300特征和n200特征；

6、基于預先構建的警覺度量化模型，對所述p300特征和所述n200特征的幅值和潛伏期進行狀態(tài)判斷，得到狀態(tài)值；

7、基于所述警覺度量化模型，對所述狀態(tài)值進行強度判斷，得到信號強度值；

8、基于所述警覺度量化模型，對所述信號強度值和所述功率比特征進行警覺度量化，得到所述待監(jiān)測人員的警覺度量化結果。

9、本申請實施例提供一種警覺度量化裝置，所述裝置包括：

10、獲得模塊，用于獲得待監(jiān)測人員的目標腦電信號數(shù)據(jù)；

11、提取模塊，用于對所述目標腦電信號數(shù)據(jù)進行特征提取，得到事件相關電位特征和功率比特征；所述事件相關電位特征中至少包括p300特征和n200特征；

12、判斷模塊，用于基于預先構建的警覺度量化模型，對所述p300特征和所述n200特征的幅值和潛伏期進行狀態(tài)判斷，得到狀態(tài)值；

13、所述判斷模塊，還用于基于所述警覺度量化模型，對所述狀態(tài)值進行強度判斷，得到信號強度值；

14、量化模塊，用于基于所述警覺度量化模型，對所述信號強度值和所述功率比特征進行警覺度量化，得到所述待監(jiān)測人員的警覺度量化結果。

15、在一些實施例中，所述獲得模塊，還用于獲取所述待檢測人員的初始腦電信號數(shù)據(jù)；對所述初始腦電信號數(shù)據(jù)依次進行平均參考、低頻濾波、偽跡去除、數(shù)據(jù)分段和基線校正處理，得到所述目標腦電信號數(shù)據(jù)。

16、在一些實施例中，所述提取模塊，還用于將所述目標腦電信號數(shù)據(jù)劃分為多個頻段；采用預設功率譜密度估計方法，對所述多個頻段進行計算，得到所述功率比特征。

17、在一些實施例中，所述警覺度量化模型中包括第一層模糊邏輯；所述判斷模塊，還用于將所述p300特征和所述n200特征的幅值和潛伏期分別輸入所述第一層模糊邏輯中進行狀態(tài)判斷，得到所述狀態(tài)值。

18、在一些實施例中，警覺度量化模型中包括第二層模糊邏輯；所述判斷模塊，還用于將所述狀態(tài)值輸入所述第二層模糊邏輯中進行強度判斷，得到所述信號強度值。

19、在一些實施例中，所述警覺度量化模型中包括第三層模糊邏輯；所述判斷模塊，還用于將所述狀態(tài)值輸入所述第三層模糊邏輯中進行警覺度量化，得到所述警覺度量化結果。

20、本申請實施例提供一種警覺度量化設備，包括：存儲器，用于存儲可執(zhí)行指令；處理器，用于執(zhí)行所述存儲器中存儲的可執(zhí)行指令時，實現(xiàn)上述警覺度量化方法。

21、本申請實施例提供一種計算機可讀存儲介質，存儲有可執(zhí)行指令，用于引起處理器執(zhí)行所述可執(zhí)行指令時，實現(xiàn)上述警覺度量化方法。

22、本申請實施例提供的警覺度量化方法、裝置、設備及存儲介質，通過對獲得的待監(jiān)測人員的目標腦電信號數(shù)據(jù)進行特征提取，得到事件相關電位特征和功率比特征；然后，基于預先構建的警覺度量化模型，對p300特征和n200特征的幅值和潛伏期進行狀態(tài)判斷，得到狀態(tài)值；再基于警覺度量化模型對狀態(tài)值進行強度判斷，得到信號強度值；最后，再通過警覺度量化模型，對信號強度值和功率比特征進行警覺度量化，得到警覺度量化結果。如此，本申請通過對多個與警覺度下降效應相關的特征(如p300、n200的幅值和潛伏期、功率比值)輸入的模糊化、模糊推理、模糊規(guī)則、解模糊化等合并推理，確定出警覺度量化等級明確的映射關系，提高了對監(jiān)測人員警覺度進行量化的準確度和精準度，在實際應用中有效地提高了安全性和保障性。

技術特征：

1.一種警覺度量化方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述獲得待監(jiān)測人員的腦電信號數(shù)據(jù)，包括：

3.根據(jù)權利要求1所述的方法，其特征在于，對所述目標腦電信號數(shù)據(jù)進行特征提取，得到功率比特征，包括：

4.根據(jù)權利要求1所述的方法，其特征在于，所述警覺度量化模型中包括第一層模糊邏輯；

5.根據(jù)權利要求1所述的方法，其特征在于，所述警覺度量化模型中包括第二層模糊邏輯；

6.根據(jù)權利要求1所述的方法，其特征在于，所述警覺度量化模型中包括第三層模糊邏輯；

7.一種警覺度量化裝置，其特征在于，所述裝置包括：

8.一種警覺度量化設備，其特征在于，包括：

9.一種計算機可讀存儲介質，存儲有可執(zhí)行指令，用于引起處理器執(zhí)行所述可執(zhí)行指令時，實現(xiàn)權利要求1至6任一項所述的警覺度量化方法。

技術總結
本申請實施例提供一種警覺度量化方法、裝置、設備及存儲介質，其中，方法包括：對獲得的待監(jiān)測人員的目標腦電信號數(shù)據(jù)進行特征提取，得到事件相關電位特征和功率比特征；然后，基于預先構建的警覺度量化模型，對P300特征和N200特征的幅值和潛伏期進行狀態(tài)判斷，得到狀態(tài)值；再基于警覺度量化模型對狀態(tài)值進行強度判斷，得到信號強度值；最后，再通過警覺度量化模型，對信號強度值和功率比特征進行警覺度量化，得到警覺度量化結果。如此，本申請通過對多個與警覺度下降效應相關的特征輸入的模糊化推理，確定出警覺度量化等級明確的映射關系，避免了因待監(jiān)測人員的警覺度量化等級不精準導致的意外突發(fā)事故，提高了警覺度量化的準確度和精準度。

技術研發(fā)人員：謝松云,段珂懿,謝辛舟,張欣,劉瑞鎮(zhèn)
受保護的技術使用者：西北工業(yè)大學
技術研發(fā)日：
技術公布日：2024/12/17