英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

通过单通道小波包分析自动检测睡意

文章信息：

文章历史：

收到2015年7月3日
修订2016年11月
接受2016年3月2日

关键词：

小波变换（WPT）

睡意检测

单通道脑电图（EEG）

摘要：

在材料工程，电子电路，传感器，信号处理和分类技术进步的时代，已经允许计算机系统解释生物量，识别生理条件。下一个科学挑战是把这些技术便携化，耐磨化甚至植入，首先是节能。为了下一代便携式的应用前景，脑电图（EEG）信号处理系统是预防危害注意力的活动。研究发视脑电图到睡眠前区的最密切联系，在本文，为评估基于单一EEG通道（PZ-OZ）警惕性水平的方法，提出了更便于携带，使所需的硬件的减少和算法的计算时间减少的方法。两个新的频谱功率的基于指数（ⅰ）gamma;/delta;和（ii）（gamma; beta;）/（delta; alpha;），从脑电节律通过归一化的离散小波包计算变换（WPT），哈尔WPT，允许精确解析大脑节奏，同时严格要求相对低的计算成本。所提出的睡意指标的有效性检测是通过比较五个指数，最初提出了多通道处理进行评价。统计符号秩检验被施加到评价整个组，

证明在20个科目公共数据库的警报睡转变的显著变化。（ⅱ）和（i）提出指数p值（P lt;0.001和p值= 0.001），分别介绍电子系统与生物体相互作用的方式，演变成一个更高的水平,把履历表收集侵入性减小,同时促进开发新便携式、可穿戴甚至植入技术。最近的研究使用探索就是构建人脑控制假肢通信和健康监测系统。大脑的一个潜在的计算机应用程序接口(BCI)预防预警系统疲劳引起的事故。使植入和可穿戴可行需要节能电路和算法。本文的目的是在单通道脑电图嗜睡的性能鉴定作为一个目标的提高做出贡献，设计耐磨和植入式低功耗集成电路块。昏昏欲睡的状态的特点是一个人即将睡着了，减少了主题的信息处理速度和记忆的能力，它会损害他/她在执行这样的任务的效率性能，困倦的主要是增加交通事故的数量。专业人士包括高风险工作人士，例如飞行的飞行员，空中交通管制员和常规的卡车司机。因此避免或防止昏昏欲睡状态特殊的情况的程序是非常可取的。

正文：

1. 说明

可以找到用几种方法来检测昏昏欲睡的状态的文学。可能会考虑一个广泛的输入，如面部动作，眼睛闭包，和生理信号肌电图、心电图，眼电图和脑电图。然而，正如剧作家Artaud et al 认为，脑电图团体—部分包含嗜睡的最可靠指标，因此，通过分析它们，可以开发有前途的技术。它是建立在文学的存在特殊的量子，EEG信号的范围。头皮上测量时，这些节奏褪色的表情特征同步的神经元，会出现各个阶段的或多或少强烈的生理周期。通过分析短时间间隔的原始信号，可以认识到受试者的大脑活动，所描述的不同的节奏。例如，delta;节奏增加在高睡眠也可以表示需要睡眠。theta;活动逐渐增加而清醒的阿尔法节律折痕休息条件。高低活动beta;频带相关警报和昏昏欲睡的状态,注意和工作记忆有关的警报状态。

Eoh et al使用这些知识，提出和分析指标仅基于功率谱的大脑活动。他们包括theta;，alpha;和beta;节律，在他们的研究中，分析这些节奏和它们之间的关系，8 - 30脑电图渠道被用来执行达驾驶仿真任务。虽然没有显式地声明，如平均韵律计算所有渠道释放埃拉-染色和采用方差分析选择电极包含显著的变化，他们重新用更少的脑电图结果表明睡意检测输入。方法基于的需求更少的通道，增加了在目前的十年的盛开的便携式设备。由于增加权力和声望的便携式电子系统，这些就像林提出了成为一个有吸引力的选择专业转运脑电图和其他生理信号，根据朱、李和温，多通道设备限制的力量受试者的移动和比单通道设备更难使用。在这种背景下，对比文献在睡眠阶段评分问题，很少有研究认为这睡意系统相关要求和方法。

因此，当前的研究调查一组光谱功率比指数最初设计用于多通道脑电图，提出，应用在单通道脑电图背景。此外，为主要贡献——规划设计，设计模拟强烈表明,提出的两种新的比率指标，基于low-gamma和delta;节奏(经常丢弃在相关研究)，可以胜过结果从先前提出的指标在单通道脑电图文本。与多通道方法相比，提出的支持方法还提供了计算收益的CPU时间，如3.2节所示。旨在提取信息的特定节奏范围，它采用规范化小波包。小波变换可以有效地——面临非平稳信号证明他们的统计特性，同时保持时间标记。选择小波是由于没有需要将信号边界，避免可能扭曲转换数据。此外，小波配方提供了一个允许比级联算法更好的频率一个更好的匹配脑节奏。

品质因数提出了指数的意义，相比Eoh et al 在通过警惕昏昏欲睡的状态之间的转换符号秩检验，这个统计工具允许观察对来自多个学科的比较，旨在发现如果一个显著的变化发生，肯定是测试的选择，对于t以及方差分析,是由于其接受非正态分布的数据。由于EEG信号非平稳，不可能保证他们的主要行为,因此,Wilcoxon测试优先提供更准确的结果。

本文的其余部分展开如下。第二节介绍了考虑数据的描述，解释了小波包变换和引入了两个新的功率。统计和计算结果以及相应的讨论在第三节。最后，总结在第四节。

2、相关方面的就业数据介绍了符合降低分段的方法。在接下来的部分睡意检测算法仔细描述。

2.1数据描述

在这项研究中，使用的实验数据得到公众的睡眠)数据库是生理网的一部分。主要优势是形成从公共数据库测试的可能性，版本分类和扩展方法，任何研究小组都对这个话题提出兴趣。该数据库提供了两个晚上录音来自20个健康受试者。

所有受试者的第一个晚上录音，没有任何睡眠药物同时参与实验使用。这些可用的录音来自十名男性和十名女性，受试者年龄25至34。除了肌电图信号，它们包含为每个主体的记录的两个脑电图频道,Fpz-Cz Pz-Oz，采样100 Hz。在最近的研究中，采用Pz-Oz通道，得出这个通道为得分睡眠阶段更准确的结论。此外,Pal et al发现奥兹的位置可以提供鉴别力和嗜睡状态有很高的相关性。Maglione et al也发现了类似的结果。

2.2小波变换

非平稳数据具有不同的频率特性,脑电图信号。可以成功地通过小波变换分析应用程序。此外，小波反式形式提供了一种多分辨率分析在时间和扩展领域，不同于傅里叶变换，虽然频率和规模相关，几个小波反式形式,具有不同基础和分解算法，已经在睡眠研究领域探索。离散小波变换被用作工具识别的警觉水平，而小波包变换算法和连续小波变换被用来分类睡眠阶段，在当前的研究中，哈雾采用规范化的过滤器。哈雾基础是最简单的小波，避免任何特殊边界处理。由于这个特性，可以应用变换算法减小在每一个脑电图时代没有插入人工值或形成的损失。图1结构变换，显示许多水平获得的数据包，每一个包含不同的小波系数，生成的尺度和小波包之前计算。实时目标荷兰国际集团应用程序，如Kiymik et al和Subasi，目前的研究方法使用5s长度。这个长度比20 - 30年代是更短的时间，美国睡眠医学学会标准提出了离线睡眠分析。

表1

考虑到这些对人类的认知状态，预计两个节奏将识别感兴趣的趋势昏昏欲睡的状态。初步实验发现了一种补充和敏感的行为这些节奏过渡指出下面。此外，alpha;和beta;节律也采用了因为他们的有效性已经展示了几项研究迟来的睡眠和嗜睡分析。规范化应用程序后,小波包系数选择。相对应的delta;节奏包含在包贴上数据块内。符号作为C i,jge;0是二叉树层次和jisin;(0,2）定为一级。节奏的频率范围覆盖表1中列出了一些。

注意根据表1，分析时代的长度和EEG信号的采样率足以代表脑节奏。图1演示了选择delta;,alpha;,beta;节奏。包含L = 512离散点和采样在100赫兹。考虑这些参数时，可以分析信息在每个可靠的频率水平。重要的提醒是,改变采样率，点结构也会改变。突出显示的是另一个重要方面的相关性选择规范化过滤器。一旦所有的指数都是基于能量计算，他们会扭曲了非规范化转换必须执行一些操作。

2.3、谱基于权力指数鉴于相关delta;,alpha;,beta;节奏，在这样的时代可能计算出他们的权力。在哈雾的常态和正交性的基础上,它可以通过总结所有的权力集整个频率范围的利益相关的系数。因此，delta;(delta;)，阿尔法(alpha;)，贝塔(beta;)和low-gamma(gamma;)分别为

c i，j值和K = l / 2是它的基数。

尽管三角gamma;经常被丢弃在相关的研究中,他们很可能区分警报和昏昏欲睡的状态。它也可以由图2，引入指数是基于比率，如Eoh et al，这是对计算或没有亲戚关系的力量。通过视觉图表2的分析，介绍了两个新比率指标

Index (i) = gamma;/delta;； Index (ii) = (gamma; beta;)/ (delta; alpha;) ，

alpha;，beta;，gamma;分别在方程式定义。第二个指数是出于组合的。

表2

1. 结果与讨论

除了引入两个新比率指标，本研究还从应用的潜力指数定义了多通道信号，在单脑电图通道的上下文中。

3.1、统计分析

为了使比较的统计团体，成对的测试是不服从正态分布。脑电图信号和计算指标高斯分布，因此t以及和方差分析都不适用。后实验评估比率指数表如下：

所有的比率指标的计算是P的集。后因此，每一个值(年龄)的两组进行比较以发现如果真正的衡量问题的大小显著改变从一个时刻到另一个地方。

表2显示了获得值通过应用Wilcoxon测试以及所有可能的p值比较后,时间顺序。呈现结果描述了所有的行为。小值从获得测试以及p值代表了重大的改变。都存在相同的信息,但在不同的决议。事实上，它过渡真的发生了。3分钟之间的指数趋势。介绍了指数(i)具有类似的最好的性能指数。此外，该指数(ii)达到最好的结果，呈现最显著变化(p lt; 0.001)。图一说明了所有的计算比率指标相比，我们可以注意到大小计算指数了有了巨大的变异。

图一

3.2、计算分析

我们已经实现了执行流的两个基本的方法，我们建议的计算应用FFT从30脑电图通道采样1000Hz。应用FFT的计算N分向量，WPT所有log(N)分解所需的计算水平是相同的。两个离散变换的时间复杂度声称使用带通滤波器分离1 s时期的大脑节律8脑电图通道采样在256赫兹。带通滤光片经典需要滤波器的长度。尽管过滤器中指定的顺序不是考虑一个带通滤波器(log(N)/ 2minus;1)，三个测试程序用作频率分隔符有等价的复杂性。考虑这三个频率分析仪，相同数量的脑电图频道，以及同一时代的大小,比较了CPU时间花在每个场景。进行了模拟在64位4核2.0 GHz酷睿i7机和8 GB RAM内存。所有算法都是按顺序执行。带通滤波器应用FFT。

我们的实验假设包含了256年、512年和1024年之间的随机值(100100minus;)旦开发人员说，当数据的长度是格式化两个时FFT实现性能更好。表3给出了时间申请采用数学分析4times;P时代(P = 36假定在前一节)和提取所有认为频带的功率密度的研究。时间构建的过滤器不被认为是在表3中以及相应的指数计算——这是一个O(N)等效过程对所有案件。

表3

注意，基本上真正不同的成本计算方法对于脑电图通道的数量。所花费的时间大约是在所有测试用例通过我们的方法的数量乘以认为脑电图渠道。

图二

3.3、进一步分析由于信号的能量分布成数据包。

数值结果基于权力指数的计算通过WPT。自己需要修剪或完全二叉树结构相同。在完整的算法，还有另一个计算方法的获得。这不是所反映出的简化模拟，在表3中给出。事实上，反式小波形式申请指标计算在图二。

修剪树结构促进额外节省约51.8%的CPU时间，因为它只需要。WPT的这一特性可以更好地探索在硬件实现。本研究的下一步架构优化实现，实现EEG在现场可编程门阵列(FPGA)和专用集成电路。

进一步要求完成硬件的嗜睡的标识符是协会提出了一个高效的分类算法的技术。未来的选择是随机森林分类器的效率被重新移植。此外，并行性资源,实时系统可以很容易地通过考虑实施这种分类算法与该方法。正如我们已经提到的，计算能力的方案——基于指数可以适应获得其他频段，甚至形成考虑其他样本率。因此，我们可以看到作为本研究的自然扩展，利用提出的方法的潜力来识别其他频率范围，有限的事件在不同的信号和应用程序。当然,这些理解几个专家和智能系统。另一个可能的应用程序引入的方法是从所有其他的睡眠阶段分离昏昏欲睡的状态。相似的研究涉及不同的方法论，其利益是准确识别,分为快速眼动和慢波睡眠(慢波睡眠)阶段。我们相信该方法可能会变成一个有效的工具来解决这个问题，因为显著变化的转变体现在表2。

1. 结论

为了单通道脑电图睡意检测，当前的研究引入了两个新的指标。两者都是基于光谱的alpha;、beta;和伽马脑波，通过正常的应用程序，之前定义的指标在这里是处理多通道信号，应用于单通道背景比较。假设一个脑电图频道减少了计算复杂度的过程和所涉及的困难，来管理所有设。一个公共数据库提供了关于转变的时刻的注解,被认为是对论文的分析。Wilcoxon执行符号秩检验表明主题。指数(ii)取得最好的结果。同时，指数(i)提出了类似的性能。蒙特卡罗模拟也显示了数量的脑电图渠道，大大影响CPU时间,尽管是一个最理想的时频定位器，至少要求相当的成本。为硬件实现更好的探索意义，通过目前的配方使用51.8%的时间和节省电能。预计引入方法有助于改善疲劳和嗜睡和发展新技术，减少事故。与此相关的是协助公共卫生的监控。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27786]，资料为PDF文档或Word文档，PDF文档可免费转换为Word