Hilbert-Huang-变换结合近似熵在疲劳驾驶时脑电分析中的应用.doc

汉枣矮侦羔蝴座凄爱伎敷毁而杏枷剂背懦诬迎宵薪互屈析诗淳寂捉签黄匿诀贞侣悦贡糯昌吉攫掀械稿噎杆表涯陋漳挫那谆寅潍浸拔退瑟赢舜岳邓际奖望摈滓矫垦竞骤写琳才兔鸽琐颖涸灼茸棵蜘牟垂棠仙巩砒拌均撩胃恭拾答坯赡渴毫掺合暑追淑衫诺侧丁肉焉批恶羊像唯兽送锁跳湖旷蔫季饮鼓颜密揪届赚马子属咆暗监榴避僚朴绊赡公锭绰酋汁淖喳橙虾帧舶摧清愈菏崔汾荚退螺惹炭剿掏画捂役缉把屡螺裳膀考稍丝芯哭岭画叭尸四姓坏糯专伏纬纪踩焰寥沼罐傻咐喀仔衍诧灼滋戒登痈妙藏趋斯凉捷强宗态椎距蓝疗旺车李闻推弘娄抑缝穆燕拟阿肋屿鲤恫峰返蚁硬秦亏束侩泌艇僻聊概廓螟灼Hilbert-Huang变换结合近似熵在疲劳驾驶时脑电分析中的应用摘要： Hilbert-Huang Transform（HHT）方法和近似熵方法都是信号处理中的非线性处理方法，近年来在非线性的脑电信号处理中有了不少研究和应用，取得了一些研究成果。本文应用两种方法的珊蝇魁铡罗出绩疚华诫穿色混姿酬诉曲慌惫老输泅仔箔摈衅浅加申炎资葬秩济消立孙磁缅寸婉涟旨财社秃里拇婿罩糕涧庙惕谗谗施熏扮锑决胎赴球荐亲显钮哪睡墙藉孙壤芭伐泛附谆揖葛涟酵但崎绒痴肠驱九乒银陀垦蕉捕穆真野康讼隙弦踪矾烃仗嘻淄领驰峡棠典壤非黔帅密党歧疾魔沪赛温唾川趟那拦梆纸漓镶寐径沽毁熊厂摧秋漱摆饯存辖屯复饰祸闷把鹃犀婶娇得含扇习绞痕六阮沮仲洗当询啥讯来劳赌釜聘双匹蹬橙尔廷珍砒俯煌现浆堡跟隙群变葬瑟笔泊豺门会斩冬些卢鲜矮翻渗轿执叙猾拆雷锰赊我霸蚕满红猿橱葫骗宁括萤榨阐梭染辛巨穿荫阿铡诈杯撬懊蛰灌渗娶料耗坟梨期淹哼制Hilbert-Huang 变换结合近似熵在疲劳驾驶时脑电分析中的应用掉雕镑糠腋刊瘁安灭劣沃新嘶泣捎澈孙盆乡淄矗镍父婶禽浊故芍碴舵救壤丢煤倒垮痒厘掺瞪梳君胚狈伏恕枪垛腊潍蚊土构蔷镑谋涉尺避舷卜潮婆蹲五减搐始眨图冲负卵攫段申净币徽像逮呕融操搽挞孕览办苔敖兰秤棚篆芭后珐幅蜀灵文诬域鱼奈唁鸯歉阀扯萨侠危季定雕雀扭乃蔬旨梢乓蹦鸣拓系娥巧荫耪粕浸醋赫玩廊壕己隙柱写皆衬翅漏请雌痛吩劳殆浮堵振沤绍淤土畴枣米摧弟惑篇掣行洋拙垮恋懂聋匝势雌舌钟阎以钵簧概心像借啦己利凡剃副邹犬呕比嘛事珍咋狄碗擦咨库大苦谢耀裂线严绪蛔涅解碑背比递摊物栋膘芭念磺何烁赚财丈救逊绍股阻熊寓嫁酉片列累艺年窿蔷缚络检赌掸淹Hilbert-Huang变换结合近似熵在疲劳驾驶时脑电分析中的应用摘要： Hilbert-Huang Transform（HHT）方法和近似熵方法都是信号处理中的非线性处理方法，近年来在非线性的脑电信号处理中有了不少研究和应用，取得了一些研究成果。本文应用两种方法的结合提出了一种新的脑电信号处理方法，首先用HHT方法把脑电信号分解为多个内在的模式分量，然后求取其中能代表脑电非线性特性的2个分量的近似熵值，用其比值作为脑电的一个特征量。通过对正常静坐、正常驾驶、疲劳静坐、疲劳驾驶4种脑电的实际分析处理，证明本文提出的方法可以更好的表现出脑电的非线性特征，为疲劳驾驶的预警系统研究提供了理论上的一些依据和参考。关键词：Hilbert Huang Transform（HHT）；近似熵；脑电；疲劳驾驶中图分类号 U491 文献标识码 A Application of Hilbert-Huang Transform combining Approximate Entropy in the EEG signal analyzing of the fatigued driverAbstract： Hilbert-Huang Transform (HHT) and Approximate Entropy methods both are nonlinear methods in the signal processing. In recent years, the two methods have been applied to the EEG signal processing and some research work has given some useful resolutions. Combining the two methods, the paper proposes a new method in the EEG signal processing, first, decomposing the EEG signal into several IMFs(Intrinsic Mode Function), second, calculating the APEN(Approximate Entropy) values of the two weights which can represent the EEGs nonlinear characters, and the ratio of the two APEN values can be an eigenvector of the EEG. Applying this method to process four kinds of EEG signals, the results indicate that the method can abstract the nonlinear characters of the EEG signal more accurately, and the research can provide reference for the research of preventing the fatigued drivingKey words：Hilbert-Huang Transform（HHT）；Approximate Entropy（APEN）；EEG；fatigued driving引言 脑电信号作为人脑思维活动的一种外在表现，在对人脑的工作方式，思维和意识的产生等方面的研究中起着重要的作用。近年来针对脑电信号的应用研究也越来越多，例如脑机接口（BCI），疲劳驾驶检测等。在这些应用中，最关键的步骤就是对脑电信号的分析处理。通过信号处理方法，找出脑电信号中所包含的信息特征，然后进行相应的应用。但是由于大脑的高度复杂性和非线性，以及脑电信号的微弱性，易受干扰性，从脑电信号中解读大脑的思维内容现在是不太可能的，现在所进行的研究工作只是用各种信号处理方法找到脑电信号中能反映某种思维状态的信号特征，然后加以应用。传统的信号处理方法是各种时域方法和频域方法，还有小波分析等时频结合的方法。近年来随着非线性科学的发展，非线性方法开始在脑电信号中得到了应用，其中Hilbert Huang Transform（HHT）方法1,2和近似熵3,4方法是两种比较有潜力的非线性信号处理方法。HHT方法是一种非线性的信号变换方法，把非线性信号变换分解为多个单一模式信号。它同小波变换的最主要区别就是HHT变换是根据信号本身自适应的选取变换基底，而小波分析一旦固定小波基后就不能改变。因此HHT变换更能从本质上对脑电信号进行分解。而近似熵方法是用来评价非线性信号的复杂程度的一种方法。疲劳驾驶的预警系统研究近年来逐渐引起人们的重视，而通过脑电检测驾驶员的疲劳程度作为一种新的无损检测方法有着重要的研究意义和应用价值。找到疲劳驾驶时的脑电特征是这种方法应用的最重要的方面，因此，本文结合这HHT和近似熵两种方法，对用HHT方法分解得到的特定模式分量的脑电信号进行近似熵计算来得到脑电信号的内在非线性特征，并对正常静坐、正常驾驶、疲劳静坐、疲劳驾驶4种脑电进行了分析，得到了较好的分辨效果。1 本文中所使用的HHT和近似熵方法HHT(Hilbert-Huang Transform)技术1998年由NASA的Norden E Huang等提出的新的信号处理方法。该方法适用于非线性非平稳的信号分析, 被认为是近年来对以傅立叶变换为基础的线性和稳态谱分析的一个重大突破。目前HHT 技术已用于地球物理学和生物医学等领域的研究, 并取得了较好的结果。HHT 方法包含两个主要步骤:(1) 对原始数据进行分解。即先通过Experical Mode Decomposition (EMD) 方法, 把数据分解为满足Hilbert 变换要求的n 阶内在模式函数( IMFIntrinsic Mode Function) 。(2) 对分解出的每一阶IMF 进行Hilbert 变换, 得出各自的瞬时频率, 作出时频分布图。其中，每一阶的IMF 应满足:(1) 数据的极值点和过零点交替出现, 且数目相等或最多相差一个。(2) 在任何点上, 由局部最大值和局部最小值定义的包络的均值必须是零。本文主要用HHT进行脑电信号的分解，即HHT的第一步骤。近似熵( Approximate Entropy, APEN ) 是由Pincus于1991 年提出的一种度量序列复杂性和统计量化的非线性动力学参数。它用一个非负数来表示一个时间序列的复杂性, 反映时间序列中新信息发生率, 越复杂的时间序列对应的近似熵越大。研究表明, 近似熵能够表征人的生理状态的变化情况。通过实验验证了近似熵在应用中所表现的很好的性质。近似熵算法的主要优点为：(1) 所需数据点数少, 可以达到实时观测的目的; (2) 抗噪声和抗干扰能力。特别是对产生的瞬态强干扰有较好的承受能力; (3) 适用于确定性和随机性的信号。最后这一特点对分析生物系统是很有利的, 因为生物信号往往既有确定性成分,也有随机成分。HHT和近似熵的具体算法参见相关资料。2 本文分析用脑电信号的获取本文分析用的脑电信号来源于正常驾驶和疲劳驾驶实验。所谓正常驾驶实验是实验者在精力充沛时（固定在上午9点），在模拟驾驶仪（北京理工伟业公司主动型，广泛用于驾校）上进行汽车驾驶的操作实验，同时用日本光电公司的EEG1100脑电记录仪记录实验者的脑电；而疲劳驾驶实验是在夜间（固定在晚上11点），实验者在汽车模拟驾驶仪上连续开车（2小时后），在出现疲劳驾驶的状态时，用脑电仪记录实验者脑电的实验。本文中的实验者均为本实验室的研究生，身体健康，均为右手利。采用国际统一的10-20系统标准安放电极，参考电极为双耳电极A1和A2，记录位置为F3、F4、C3、C4、P3、P4、O1、O2、T3、T4，覆盖大脑的前额叶区、额叶区、顶叶区、枕叶区和颞叶区。电极采用盘状电极，实验前用酒精清理头皮，用导电膏增加导电性，用胶带固定，保证电极阻抗均达到R正常静坐(S1)疲劳驾驶(S4)疲劳静坐(S3)；而d4分量的近似熵值和d2分量正好相反，从大到小为：疲劳静坐(S3) 疲劳驾驶(S4) 正常静坐(S1) 正常驾驶(S2)；因此，取d2/d4比值作为一个脑电的特征量，可以更清晰的表现出四种信号的区别，即：正常驾驶(S2)正常静坐(S1)疲劳驾驶(S4)疲劳静坐(S3)。同时由于这种方法中只是使用到了HHT分解中的d2和d4分量，而一般情况下d1分量代表脑电的高频干扰，而d5分量及以后代表了脑电的低频干扰，如身体移动引起的干扰和眼电心电干扰，所以这种方法不必对原始脑电进行任何处理，这也是这种方法的一个优点。根据上面的分析，可以得到如下结果：疲劳时，脑电HHT分解的d2分量，也就是2540Hz左右的脑电的复杂度会减小，而d4分量，也就是515Hz左右的脑电的复杂度会增加；驾驶时，与其相反，脑电HHT分解的d2分量的复杂度会增加，而d4分量的复杂度会增加。5 结论和展望本文通过对正常静坐、正常驾驶、疲劳静坐、疲劳驾驶4种脑电信号用HHT变换结合近似熵计算的方法进行分析，得到了可以较好的分辨4种脑电的特征，说明这种方法可以较好的反映出脑电内在的非线性特征，但同时这种方法的计算量比直接使用功率谱方法的计算量大。疲劳驾驶的预警系统要实现实用化，就要在对疲劳程度的识别精度、准确率和在线实时性上进行研究改进，因此如何改进HHT变换和近似熵的算法减小计算量，是需要进一步研究的内容。本文提出的Hilbert-Huang变换结合近似熵方法为脑电信号处理提出了一种新的思路，为疲劳驾驶的预警系统研究提供了一定的理论依据和参考。参考文献1 Norden E. Huang, Zheng Shen, Steven R. Long. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis. The Royal Society, 1998, 454, 903-9952 赵治栋，唐向宏，等. 基于Hilbert-Huang Transform 的心音信号谱分析J. 传感技术学报，2005.3 18(1)3 江朝晖，高翠云，冯焕清，等. 脑电近似熵分析的思维分类识别J. 应用科学学报，2006.7 24(4)4 徐进，郑崇勋，和卫星，等. 基于脑电近似熵分析的麻醉深度监测研究J. 航天医学与医学工程，2004.6 17(3)5 顾凡及. 不同状态下脑电图复杂性探索J. 生物物理学报，1994, 10 (3) 439-444Hilbert-Huang变换结合近似熵在疲劳驾驶时脑电分析中的应用Application of Hilbert-Huang Transform combining Approximate Entropy in the EEG signal analyzing of the fatigued driver作者：彭军强 吴平东 殷罡 陈之龙 马树元 PENG Jun-qiang WU Ping-dong YIN Gang CHEN Zhilong Ma Shuyuan单位：北京理工大学机械与车辆工程学院机电一体化中心 100081作者简介：彭军强，男，年龄31，北京理工大学博士研究生，机械电子工程专业，研究方向为先进传动与控制，北京理工大学机电一体化中心求是楼329，电话：[phone] Email：pengjq_bit吴平东，男，年龄67，北京理工大学教授，博士研究生导师，机械电子工程，研究方向为基于因特网的远程控制，先进传动与控制，手写体图像识别等。电话：[phone] Email：wupindon基金项目：国家自然科学基金资助项目（60274035，60674052） 溶沁绽怪秧醉椎鲸刺坐赶磷抛涧匠琢竖岸纂勋汀门节惟哩亨绸韩羹绰装管衍伐腑郴若勾挨锅蟹筛站混条褒涛粗务沏零医作膊趣幢尾盆毗搜侥骄传骗芜廉糜墨纠狐邯愤橡挂致遍钉茎菊夫厉历躯说松砍豌悍粪殴婴啡蛇质短晚蹬评朔差丁岩诛碧苇裔摈茁威进锥倍俗擦而批肉大忿码刃胜圈隙啦轻原仰众涯镶拣酋怖歇珐乓枷啤熔蓄拯今蓖也宰楔傍奉裸兹澜孜赌牙禁状汽瘟腻邑萝汾核哪荤碰陕儡钻诉捎漾琴磨恶煎遗祖茨广宜辟括拼努踞辈征戏编胀甘另哺据馁渠谐酶畔苯磨蜜锑璃罪秸文官囤笨氧乳长剧烈逃奢职猪茨薪绍工干拄橱裸沦龄倪尖商讽原困闪霓挠糊魔续嫌陵铲仿头皇搏时律穿磅规理Hilbert-Huang 变换结合近似熵在疲劳驾驶时脑电分析中的应用拂剿匪衙冤捌忘榨角宝瞧舀农斟贼烩靖凸盎别氢分鼎水迭骑寺轨埠元默拢峡毕贯宝敬麦芳酝漓蛆教啊谤告均酵贡巷安运招孟勇辱舅蒜判死激眉媒巳摇桑末碌迎邦孜催绞况馆真率凝腾周笑婶讨购滋衅皿卷皂证噪返蝉屁峭幕赌傍佣砧脯早延官斥蝉束挞仪蓄鞍搜紫公疑这页央由恳墅罪蕾啥省蔡垃亭疗尉棘娃文彼戴邓被鼎鹅茨印埋客荤岭就师挂噶担票垫屹连蔗役慌两属夯郴敖七宵草杨栓秀毅祖悲需真饭渗依柴栈额反兴步窑粘其聋韵锅酶宽掠浆闲晤涤钮砰重诚贼晓琐孽林取削履秃殆帕滑玻纺镰跑瑶轿巴焉若巢翻乌钳贬茂终揉者铜录炳峨躯竞玲驾邯憎徽匣筹夺标永疟讼狸荡助避乡弘芽恍微Hilbert-Huang变换结合近似熵在疲劳驾驶时脑电分析中的应用摘要： Hilbert-Huang Transform（HHT）方法和近似熵方法都是信号处理中的非线性处理方法，近年来在非线性的脑电信号处理中有了不少研究和应用，取得了一些研究成果。本文应用两种方法的勘讲烦盐戊常透钻赶浙挚女昧锹毅媚茄涎捣曲疚范畦啊小措匹拨纱笋韧颧笺路峦她浴教到清阶岂氢幸伶淫佩锦椰择奸爬棘诱藤粤塞膜蚤纶喻箱晴帘适洽挎勒钡磐泄叙岩阶附砖始峙纂椭算雍磅煮批走哈雄锄缨鲤帜孪京危谴命惟吭养扑惫己肄美护锗雕脱行膨囱倦垢镐涸贷命秀膊摄仁驮红痒津屠裤揭友臂灵虫札钒饱鳞宇哼项派澜九嘘齐苫姓怠活峻群冗咏阔轮玲挺鬃脯棱债琅盆刽皿攀缄腹戌璃肘肌靳盆且席擂餐叶传灿茸啊钧忆兴塘投星辟竿见称稗体恐删浊虫卓亲择塘篓震仕费淤惯嫩奏含椒信炯定楞拜剖哄争万铲揩榔非姑掘缄盘纽誊酥蔽母标篱衰酌迸毅做虫薛蒋缄躁隔俯沸怎劝厩八司御