一种基于动态压力调节的生理状态测量方法与流程

本发明涉及脑电信号采集与处理以及智能传感器，尤其涉及一种基于动态压力调节的生理状态测量方法。

背景技术：

1、脑电信号测量是研究人体大脑活动、识别生理状态的核心方法，在航空驾驶、医疗健康等领域具有重要应用价值。尤其是在民航驾驶员作业场景中，脑电信号的实时、稳定、高精度测量对判断民航驾驶员的警觉度、疲劳度、应激状态至关重要，直接关系到飞行作业的安全。

2、传统脑电测量电极多采用湿电极或固定结构干电极，存在技术缺陷：

3、一是电极与头皮的接触压力不可调节，湿电极的导电膏在4小时后干涸导致阻抗上升＞50%，易出现阻抗漂移，导致信号信噪比降低；

4、二是长期作业下，固定结构干电极的刚性探针固定局部压力易造成头皮压迫损伤，刚性探针局部压力＞200g/cm²引发压疮，引发安全隐患，且在冲击、颠簸等场景下电极易脱落，接触稳定性差；

5、三是脑电信号处理仅采用传统滤波方法，难以有效消除复杂场景下的干扰，且缺乏对生理状态的智能识别。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种基于动态压力调节的生理状态测量方法，用以解决现有脑电测量电极阻抗漂移、头皮损伤风险、脑电信号质量差、缺乏智能状态识别的技术问题，以实现民航驾驶员脑电信号的安全、稳定、高信噪比采集及民航驾驶员的生理状态的智能识别。

2、本发明的目的主要是通过以下技术方案实现的：

3、本发明提供了一种基于动态压力调节的生理状态测量方法，包括如下步骤：

4、步骤s1、利用脑电采集装置，实时并行采集被测者头部的压力数据、温度数据、脑电原始信号数据和冲击加速度数据并进行预处理，得到标准化数据；其中，所述脑电采集装置包括多个梳状电极，多个所述梳状电极用于并行采集多路脑电原始信号数据；

5、步骤s2、分别将基于所述标准化数据得到的每个梳状电极的标准化特征向量，输入状态预判模型得到各梳状电极的压力调节需求概率；当梳状电极的所述压力调节需求概率大于预设阈值时，或当梳状电极与被测者头皮接触状态异常时，对该梳状电极执行动态压力调节操作，以调节对应梳状电极与被测者头皮之间的接触压力；

6、步骤s3、对所述标准化数据中的各路脑电信号数据进行深度降噪，得到降噪后的脑电信号数据；提取所述降噪后的脑电信号数据的时域特征和频域特征；将时域特征和频域特征融合后进行状态识别，得到被测者的生理状态结果。

7、进一步地，对并行采集的被测者头部的压力数据、温度数据、脑电原始信号数据和冲击加速度数据并进行预处理，包括：

8、对所述压力数据，采用3σ准则剔除异常值后归一化，得到预处理后的压力数据；

9、对所述温度数据采用滑动平均滤波消除噪声，得到预处理的温度数据；

10、对所述脑电原始信号数据依次进行工频干扰抑制、基线漂移校正、信号放大及模数转换，得到预处理后的脑电信号数据；

11、对所述冲击加速度数据依次进行零漂校正、低通滤波及三轴合成，得到预处理后的加速度数据；

12、将每个梳状电极的预处理后的压力数据、温度数据、脑电信号数据和加速度数据进行时间戳对齐组成特征向量，作为该梳状电极的标准化数据。

13、进一步地，所述步骤s2，包括：

14、基于所述标准化数据，得到每个梳状电极的标准化特征向量；

15、分别将每个梳状电极的标准化特征向量，输入预训练好的状态预判模型，得到每个梳状电极的压力调节需求概率；

16、所述动态压力调节操作的触发条件为以下至少之一：

17、条件一：；其中，为压力调节需求概率的第一阈值；

18、条件二：该梳状电极的实时压力超出预设压力阈值范围；

19、条件三：该梳状电极的实时阻抗超出预设阻抗漂移阈值；

20、条件四：该梳状电极的实时脑电信号的信噪比低于预设阈值；

21、当满足上述任一触发条件时，根据每个梳状电极的压力调节需求概率所处的数值区间，执行该梳状电极对应等级的动态压力调节操作。

22、进一步地，所述动态压力调节操作包括一级调节、二级调节和三级调节；

23、当该梳状电极的压力调节需求概率满足一级调节的触发条件时，基于该梳状电极的当前压力与目标压力，计算对应区域阻尼层的压缩量，基于对应区域阻尼层的压缩量对该梳状电极执行压力调节；

24、当该梳状电极的压力调节需求概率满足二级调节的触发条件，计算该梳状电极的温度补偿量，对该梳状电极执行一级调节与温度补偿联合操作；

25、当该梳状电极的压力调节需求概率满足三级调节的触发条件或所述冲击加速度数据大于预设冲击加速度阈值时，计算该梳状电极的缩回速度和冲击结束后的回弹速度；基于所述缩回速度，梳状电极在秒内缩至脑电采集装置的管状基座；基于所述冲击结束后的回弹速度，梳状电极进行回弹；

26、其中，分别为压力调节需求概率的第二阈值和第三阈值，；为回缩时间阈值。

27、进一步地，对所述标准化数据进行深度降噪，包括：

28、将所述标准化数据中的脑电信号数据，输入预训练好的基于transformer架构构建的深度降噪模型；

29、所述深度降噪模型采用编码器-解码器结构；

30、所述编码器，用于对所述预处理后的脑电信号数据进行位置编码和多头自注意力计算，提取脑电信号的深度特征；

31、所述解码器，用于对所述深度特征进行解码，并通过全连接层和层归一化操作，输出深度降噪后的脑电信号数据。

32、进一步地，提取所述降噪后的脑电信号数据的时域特征，包括峰值、均值、方差、峭度和偏度：

33、提取所述降噪后的脑电信号数据的频域特征，包括波、波、波、波和波的相对功率和。

34、进一步地，将所述时域特征组成的向量与所述频域特征组成的向量，进行拼接，得到融合特征向量；基于所述融合特征向量进行状态识别，得到被测者的生理状态结果。

35、进一步地，将所述融合特征向量输入基于cnn-lstm混合架构构建的状态识别模型，得到被测者的生理状态结果，包括：

36、利用cnn网络的依次连接的第一、第二和第三卷积层，提取所述融合特征向量的局部特征；

37、将所述局部特征输入lstm网络，将所述lstm网络最后时刻的隐藏状态，经过全连接层与softmax函数处理，得到被测者处于不同生理状态的状态概率分布；

38、基于被测者的状态概率分布，得到被测者的生理状态结果。

39、进一步地，基于被测者的状态概率分布，得到被测者的生理状态结果，包括：

40、从所述状态概率分布中选取最大概率值；

41、将所述最大概率值对应的生理状态，作为被测者的生理状态结果输出；

42、其中，所述生理状态结果包括警觉、疲劳、压力和正常。

43、进一步地，所述基于动态压力调节的生理状态测量方法还包括，当达到测量终止条件时，终止脑电信号测量；

44、所述测量终止条件，包括：

45、达到预期测量时长、接收到手动终止指令，或压力，且该状态持续超过预设时间阈值；

46、其中，为严重压力应急状态阈值。

47、与现有技术相比，本发明至少可实现如下有益效果之一：

48、1.本发明采用基于transformer架构模型构建的深度降噪模型，实现脑电信号深度降噪，对脑电信号进行智能增强处理；通过基于cnn-lstm混合架构构建的智能状态识别模型，实现民航驾驶员生理状态的智能识别，相比传统信号处理方法，降噪效果更优，民航驾驶员生理状态识别精度更高；

49、2.本发明实现硬件动态压力调节与软件智能增强处理的深度融合，形成从多维数据采集、预处理、动态调控到智能分析、数据存储的全流程解决方案，适用于民航驾驶员飞行作业场景，以及高速赛车驾驶员场景，具备广泛的工程应用价值；

50、3.本发明通过动态压力调节的硬件结构，结合分级压力调节策略，实现梳状电极组件与被测者头皮接触压力的实时、精准调控，有效解决传统电极阻抗漂移问题，保证梳状电极组件与头皮的接触稳定性，同时避免被测者头皮压迫损伤，提升脑电信号测量的安全性与舒适性；

51、4.本发明融合多维度数据同步采集与高精度数据预处理方法，依次执行工频干扰抑制、基线漂移校正、模数转换等操作，有效消除复杂场景下的各类干扰，提升脑电信号数据的信噪比；

52、5.本发明通过自动生成测量报告，实现脑电信号测量数据的系统化、规范化管理，为后续民航驾驶员飞行作业评估、生理状态分析，以及对状态预判模型、深度降噪模型及状态识别模型的增量训练提供数据支撑，以及将脑电信号测量数据用于提升脑电信号测量的实用性与可追溯性。

53、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。