宋江文 張光華 熊朝興 張樂言 孫存榜 王嬈芬

摘 要 人體內(nèi)蘊(yùn)藏著豐富的生物電信號，能夠一定程度上反映人體的疲勞等心理信息。與其它生物電信號相比，眼電信號具有幅值較高、干擾較少、易檢測等特點(diǎn)。本文對操作員的眼電信號進(jìn)行分析檢測，通過小波消噪方法去除眼電信號中的高頻干擾，再利用模糊c均值聚類方法檢測眨眼峰值，從而檢測操作員眨眼率。獲取的信息可以進(jìn)一步分析，從而判斷操作員的疲勞度。

關(guān)鍵詞 眼電信號 小波去噪 模糊c均值聚類

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A

0 引言

眾所周知，疲勞是人的一個自然的生理現(xiàn)象，它的產(chǎn)生與一個人的勞動強(qiáng)度、工作環(huán)境、本身的健康和情緒等等有關(guān)，是人體的一種自我調(diào)節(jié)和保護(hù)功能。當(dāng)疲勞被人們感覺時就意味著此刻需要好好休息一下。但是隨著現(xiàn)在經(jīng)濟(jì)的高速發(fā)展與生活節(jié)奏的加快，許多工作人員因?yàn)榉N種原因，都是頂著疲勞繼續(xù)工作，這樣就使得人體產(chǎn)生的疲勞成為一些事故的根本導(dǎo)火索。本文要探索的是與人疲勞有關(guān)的眼電信號，通過對人體眼電信號的研究，來找出人的疲勞度量，預(yù)防人因?yàn)檫^度疲勞工作而導(dǎo)致事故的發(fā)生。

現(xiàn)有的科學(xué)研究發(fā)現(xiàn)，人體內(nèi)蘊(yùn)藏著大量豐富的生物電信號，本文研究的眼電信號便是其中之一。隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)在已經(jīng)可以通過一些設(shè)備采集眼電信號，進(jìn)行分析研究，破譯它所蘊(yùn)含的心理信息。然后通過眼電信號反映出來的信息對工作人員的工作疲勞程度進(jìn)一步的分析，以此判斷工作人員此時是否適合繼續(xù)進(jìn)行工作，為人們提供更安全的工作環(huán)境。同時，眼電信號還有著廣闊的發(fā)展前景，隨著深入的研究，可以利用這些眼電信號來對人的生活、工作、醫(yī)療等許多方面進(jìn)行改善和提高。

本文通過實(shí)驗(yàn)方法采集了執(zhí)行過程控制任務(wù)的操作員的眼電信號，通過小波分析方法去除其中的高頻干擾信號，然后采用模糊c均值聚類檢測眼電波形的眨眼峰值點(diǎn)，從而計(jì)算出操作員的眨眼率。本文的研究成果將有利于后續(xù)對眼電信號和疲勞的分析，可利用眨眼率分析操作員的疲勞程度。

1 方法

1.1 眼電分析方法

傳統(tǒng)的人眼分析方法：主要有模板匹配法、灰度投影法、先驗(yàn)知識法、邊緣檢測法，神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、馬爾可夫模型和模糊推理模型，眼電圖EOC。①

新型的人眼分析方法：（1）基于代價敏感支持向量機(jī)的人眼檢測方法：②該方法利用Gabor濾波器來提取人眼特征向量，使其特征值維數(shù)提高，再利用PCA進(jìn)行降維處理，將拒識代價和誤分類代價集成到支持向量機(jī)設(shè)計(jì)中，使得分類器擁有最小平均代價，然后設(shè)計(jì)支持向量機(jī)對提取的特征進(jìn)行多次訓(xùn)練，從而實(shí)現(xiàn)人眼檢測。（2）小波包變換理論：③小波包變換（Wavelet Packet Transform）方法是在小波變換（使信號分解成低頻近似部分和高頻細(xì)節(jié)部分）的基礎(chǔ)上，在借助于小波分解濾波器，對各個尺度上對低、高頻子帶均進(jìn)行二次分解。解決了小波變換不對高頻部分進(jìn)行分解，從而導(dǎo)致高頻部分頻率局部性不好的問題，對信號有著更強(qiáng)大的分析能力。（3）微機(jī)分析系統(tǒng)：④微機(jī)分析系統(tǒng)是一個多功能的分析軟件系統(tǒng)，它能接收記錄儀傳送的眼電信號試驗(yàn)數(shù)據(jù)作為原始數(shù)據(jù)存盤.之后便能對眼電波形進(jìn)行復(fù)雜的處理和分析，給出分析診斷報(bào)告，從而提高分析的水平。（4）MPl50系統(tǒng)：⑤ MPl50系統(tǒng)是一個功能十分強(qiáng)大的基于計(jì)算機(jī)的數(shù)據(jù)采集系統(tǒng)，它適用性寬廣，可以和任何一臺具有Ethemet以太網(wǎng)口的計(jì)算機(jī)通信。它可以實(shí)現(xiàn)眼電EOG信號的采集與分析，并能控制數(shù)據(jù)采集的過程，完成實(shí)時的數(shù)據(jù)計(jì)算，并可以用多種文件格式保存采集的數(shù)據(jù)。

本文首先利用小波變換對采集的眼電信號進(jìn)行去噪，然后采用模糊c均值聚類方法檢測眨眼峰值點(diǎn)。

1.2 小波去噪

小波變換作為一種新興的數(shù)學(xué)處理方法，是結(jié)合了泛函數(shù)、Fourier分析、調(diào)和分析和數(shù)值分析的最完美的結(jié)合。小波變換在數(shù)學(xué)界被稱作“數(shù)學(xué)顯微鏡”，具有良好的時頻局部化特性，能有效的從信號中提取相關(guān)的信息，通過伸縮和平移等運(yùn)算功能對函數(shù)或信號進(jìn)行多尺度細(xì)化分析。小波變換解決了Fourier變換不能解決的許多困難問題。

小波變換繼承和發(fā)展了傅立葉變換局部化的思想，同時又克服了窗口大小不隨頻率變化等缺點(diǎn)，能夠提供一個隨頻率改變的“時間-頻率”窗口，是進(jìn)行信號時頻分析和處理的理想工具。它的主要特點(diǎn)是通過變換能夠充分突出問題某些方面的特征。

小波去噪基于小波變換原理，利用小波變換的多分辨率、去相關(guān)和選基靈活等特性進(jìn)行信號的去噪。信號經(jīng)過小波變換后，在不同的分辨率下呈現(xiàn)出不同的規(guī)律，通過設(shè)定每一尺度下的閾值門限，調(diào)整小波系數(shù)，就可以達(dá)到小波去噪的目的。

小波去噪的基本思路可以概括為：首先，利用小波變換把含噪信號分解成多尺度信號，本文采用db小波進(jìn)行小波分解；然后，設(shè)置閾值，把每一尺度中屬于噪聲的小波系數(shù)去除，保留屬于信號的小波系數(shù)；最后，重構(gòu)出小波去噪后的信號。小波去噪的關(guān)鍵是用什么準(zhǔn)則來去除屬于噪聲的小波系數(shù)，增強(qiáng)屬于信號的部分。

小波去噪的方法有小波分解與重構(gòu)法去噪、小波變換閾值去噪、平移不變量小波去噪、小波變換模極大值法去噪等一些方法。

1.3 模糊c均值聚類算法

模糊c-均值聚類算法（Fuzzy c-means Algorithm ，F(xiàn)CM），是用隸屬度確定每組數(shù)據(jù)所屬類別的一種聚類方法。該算法是1973年，由Bezdek在早期硬c均值聚類（HCM）方法的基礎(chǔ)上提出的一種改進(jìn)算法。在多種模糊聚類算法中，模糊c均值算法的應(yīng)用最為廣泛且較為成功。FCM方法通過優(yōu)化目標(biāo)函數(shù)得到每個樣本點(diǎn)對所有類中心的隸屬度，從而決定樣本點(diǎn)的類屬以達(dá)到自動對樣本數(shù)據(jù)進(jìn)行分類的目的。

FCM算法可描述為：⑥設(shè) = {，，…，}是維聚類樣本， = （，，…，）為中第個維特征向量。將該樣本集劃分為（2≤≤）個子集，聚類中心的集合為 = {，，…，}，模糊矩陣 = （），是第個樣本屬于第類的隸屬度，（>1）為模糊指數(shù)。

FCM的目標(biāo)函數(shù)為：

（1）

其中，表示樣本點(diǎn)與第類的聚類中心的歐氏距離。

使目標(biāo)函數(shù)最小的算法迭代過程如下：

（1）初始化參數(shù)。給定聚類類別數(shù)、初始聚類中心、模糊系數(shù)、迭代終止閾值；

（2）根據(jù)下述公式計(jì)算隸屬度矩陣；

（2）

（3）根據(jù)下式更新個聚類中心（1≤≤）；

（3）

（4）如果||||<，則停止；否則，令 = + 1，返回步驟2；

圖1 眼電信號去噪前后對比圖

2 結(jié)果及討論

本文對眼電信號進(jìn)行分析和處理的過程如下：

（1）小波去噪：采用db4小波將眼電信號進(jìn)行3層小波分解，通過無偏估計(jì)方法估計(jì)各層小波系數(shù)的噪聲閾值，最后采用軟閾值的方法去除小波系數(shù)中的噪聲，從而達(dá)到去除眼電信號中的高頻干擾的目的。圖1為一小段眼電信號去噪前后對比圖。

圖2 眼電峰值點(diǎn)圖形（紅色星號為找到的眼電峰值點(diǎn)）

圖3 每分鐘眨眼率波形圖

（下轉(zhuǎn)第253頁）（上接第212頁）

（2）模糊c均值聚類：去噪后的信號計(jì)算其一階導(dǎo)數(shù)、二階導(dǎo)數(shù)，然后進(jìn)行模糊c均值聚類，將眼電信號分為兩類：高值點(diǎn)類和低值點(diǎn)類。最后在高值點(diǎn)類中找到了眼電的眨眼峰值點(diǎn)。圖2為通過模糊c均值聚類找到的眨眼峰值點(diǎn)，從圖中可以看出，本文提出的方法正確的找到了眼電峰值所在位置。

（3）眨眼率計(jì)算：采用相同的方法對所有的眼電信號進(jìn)行峰值檢測，并計(jì)算每分鐘的眨眼率。圖3為計(jì)算出來的每分鐘眨眼率波形圖。

3 總結(jié)

本文對操作員的眼電信號進(jìn)行了分析，首先通過小波去噪方法去除了眼電信號中的高頻干擾，然后利用模糊c均值聚類方法檢測出了眼電波形中的眨眼峰值點(diǎn)，從而計(jì)算出操作員眨眼率。本文方法對眨眼峰值點(diǎn)的檢測非常準(zhǔn)確，可以計(jì)算出正確的眨眼率信息，其成果可用于進(jìn)一步的基于眨眼率的操作員疲勞分析，從而判斷操作員的疲勞度。

基金項(xiàng)目：上海高校青年教師培養(yǎng)資助計(jì)劃（ZZGJD12011）

*通訊作者：王嬈芬

注釋

①②徐歡，高雁鳳，鄭恩輝，等.一種用于駕駛員疲勞檢測的人眼檢測方法.計(jì)算機(jī)工程，2013.39（9）：254-257.

③ 高春芳，呂寶糧，馬家昕.一種用小波包變換提取眼電信號警覺度特征的方法.中國生物醫(yī)學(xué)工程學(xué)報(bào)，2012.31（5）：641-648.

④ 李忠誠，李智，趙崗金，等.眼電信號記錄及分析系統(tǒng)的研究.北京生物醫(yī)學(xué)工程，1999.3.

⑤ 林敏，任杰. MPl50系統(tǒng)在眼電信號采集中的應(yīng)用.儀器原理，2010.31（12）：127-130.

⑥ 王嬈芬，張建華，王行愚.基于ICA和FCM算法的操作員腦電信號偽跡自動去除研究.中國自動化學(xué)會控制理論專業(yè)委員會B卷.2011.