论文部分内容阅读
摘 要 人体内蕴藏着丰富的生物电信号，能够一定程度上反映人体的疲劳等心理信息。与其它生物电信号相比，眼电信号具有幅值较高、干扰较少、易检测等特点。本文对操作员的眼电信号进行分析检测，通过小波消噪方法去除眼电信号中的高频干扰，再利用模糊c均值聚类方法检测眨眼峰值，从而检测操作员眨眼率。获取的信息可以进一步分析，从而判断操作员的疲劳度。
关键词 眼电信号 小波去噪 模糊c均值聚类
中图分类号：TP391.41 文献标识码：A
0 引言
众所周知，疲劳是人的一个自然的生理现象，它的产生与一个人的劳动强度、工作环境、本身的健康和情绪等等有关，是人体的一种自我调节和保护功能。当疲劳被人们感觉时就意味着此刻需要好好休息一下。但是随着现在经济的高速发展与生活节奏的加快，许多工作人员因为种种原因，都是顶着疲劳继续工作，这样就使得人体产生的疲劳成为一些事故的根本导火索。本文要探索的是与人疲劳有关的眼电信号，通过对人体眼电信号的研究，来找出人的疲劳度量，预防人因为过度疲劳工作而导致事故的发生。
现有的科学研究发现，人体内蕴藏着大量丰富的生物电信号，本文研究的眼电信号便是其中之一。随着科学技术的发展，现在已经可以通过一些设备采集眼电信号，进行分析研究，破译它所蕴含的心理信息。然后通过眼电信号反映出来的信息对工作人员的工作疲劳程度进一步的分析，以此判断工作人员此时是否适合继续进行工作，为人们提供更安全的工作环境。同时，眼电信号还有着广阔的发展前景，随着深入的研究，可以利用这些眼电信号来对人的生活、工作、医疗等许多方面进行改善和提高。
本文通过实验方法采集了执行过程控制任务的操作员的眼电信号，通过小波分析方法去除其中的高频干扰信号，然后采用模糊c均值聚类检测眼电波形的眨眼峰值点，从而计算出操作员的眨眼率。本文的研究成果将有利于后续对眼电信号和疲劳的分析，可利用眨眼率分析操作员的疲劳程度。
1 方法
1.1 眼电分析方法
传统的人眼分析方法：主要有模板匹配法、灰度投影法、先验知识法、边缘检测法，神经网络、支持向量机、马尔可夫模型和模糊推理模型，眼电图EOC。①
新型的人眼分析方法：（1）基于代价敏感支持向量机的人眼检测方法：②该方法利用Gabor滤波器来提取人眼特征向量，使其特征值维数提高，再利用PCA进行降维处理，将拒识代价和误分类代价集成到支持向量机设计中，使得分类器拥有最小平均代价，然后设计支持向量机对提取的特征进行多次训练，从而实现人眼检测。（2）小波包变换理论：③小波包变换（Wavelet Packet Transform）方法是在小波变换（使信号分解成低频近似部分和高频细节部分）的基础上，在借助于小波分解滤波器，对各个尺度上对低、高频子带均进行二次分解。解决了小波变换不对高频部分进行分解，从而导致高频部分频率局部性不好的问题，对信号有着更强大的分析能力。（3）微机分析系统：④微机分析系统是一个多功能的分析软件系统，它能接收记录仪传送的眼电信号试验数据作为原始数据存盘.之后便能对眼电波形进行复杂的处理和分析，给出分析诊断报告，从而提高分析的水平。（4）MPl50系统：⑤ MPl50系统是一个功能十分强大的基于计算机的数据采集系统，它适用性宽广，可以和任何一台具有Ethemet以太网口的计算机通信。它可以实现眼电EOG信号的采集与分析，并能控制数据采集的过程，完成实时的数据计算，并可以用多种文件格式保存采集的数据。
本文首先利用小波变换对采集的眼电信号进行去噪，然后采用模糊c均值聚类方法检测眨眼峰值点。
1.2 小波去噪
小波变换作为一种新兴的数学处理方法，是结合了泛函数、Fourier分析、调和分析和数值分析的最完美的结合。小波变换在数学界被称作“数学显微镜”，具有良好的时频局部化特性，能有效的从信号中提取相关的信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析。小波变换解决了Fourier变换不能解决的许多困难问题。
小波变换继承和发展了傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征。
小波去噪基于小波变换原理，利用小波变换的多分辨率、去相关和选基灵活等特性进行信号的去噪。信号经过小波变换后，在不同的分辨率下呈现出不同的规律，通过设定每一尺度下的阈值门限，调整小波系数，就可以达到小波去噪的目的。
小波去噪的基本思路可以概括为：首先，利用小波变换把含噪信号分解成多尺度信号，本文采用db小波进行小波分解；然后，设置阈值，把每一尺度中属于噪声的小波系数去除，保留属于信号的小波系数；最后，重构出小波去噪后的信号。小波去噪的关键是用什么准则来去除属于噪声的小波系数，增强属于信号的部分。
小波去噪的方法有小波分解与重构法去噪、小波变换阈值去噪、平移不变量小波去噪、小波变换模极大值法去噪等一些方法。
1.3 模糊c均值聚类算法
模糊c-均值聚类算法（Fuzzy c-means Algorithm ，FCM），是用隶属度确定每组数据所属类别的一种聚类方法。该算法是1973年，由Bezdek在早期硬c均值聚类（HCM）方法的基础上提出的一种改进算法。在多种模糊聚类算法中，模糊c均值算法的应用最为广泛且较为成功。FCM方法通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。
FCM算法可描述为：⑥设 = {，，…，}是维聚类样本， = （，，…，）为中第个维特征向量。将该样本集划分为（2≤≤）个子集，聚类中心的集合为 = {，，…，}，模糊矩阵 = （），是第个样本属于第类的隶属度，（>1）为模糊指数。 FCM的目标函数为：
（1）
其中，表示样本点与第类的聚类中心的欧氏距离。
使目标函数最小的算法迭代过程如下：
（1）初始化参数。给定聚类类别数、初始聚类中心、模糊系数、迭代终止阈值；
（2）根据下述公式计算隶属度矩阵；
（2）
（3）根据下式更新个聚类中心（1≤≤）；
（3）
（4）如果||||<，则停止；否则，令 = + 1，返回步骤2；
图1 眼电信号去噪前后对比图
2 结果及讨论
本文对眼电信号进行分析和处理的过程如下：
（1）小波去噪：采用db4小波将眼电信号进行3层小波分解，通过无偏估计方法估计各层小波系数的噪声阈值，最后采用软阈值的方法去除小波系数中的噪声，从而达到去除眼电信号中的高频干扰的目的。图1为一小段眼电信号去噪前后对比图。
图2 眼电峰值点图形（红色星号为找到的眼电峰值点）
图3 每分钟眨眼率波形图
（下转第253页）（上接第212页）
（2）模糊c均值聚类：去噪后的信号计算其一阶导数、二阶导数，然后进行模糊c均值聚类，将眼电信号分为两类：高值点类和低值点类。最后在高值点类中找到了眼电的眨眼峰值点。图2为通过模糊c均值聚类找到的眨眼峰值点，从图中可以看出，本文提出的方法正确的找到了眼电峰值所在位置。
（3）眨眼率计算：采用相同的方法对所有的眼电信号进行峰值检测，并计算每分钟的眨眼率。图3为计算出来的每分钟眨眼率波形图。
3 总结
本文对操作员的眼电信号进行了分析，首先通过小波去噪方法去除了眼电信号中的高频干扰，然后利用模糊c均值聚类方法检测出了眼电波形中的眨眼峰值点，从而计算出操作员眨眼率。本文方法对眨眼峰值点的检测非常准确，可以计算出正确的眨眼率信息，其成果可用于进一步的基于眨眼率的操作员疲劳分析，从而判断操作员的疲劳度。
基金项目：上海高校青年教师培养资助计划（ZZGJD12011）
*通讯作者：王娆芬
注释
①②徐欢，高雁凤，郑恩辉，等.一种用于驾驶员疲劳检测的人眼检测方法.计算机工程，2013.39（9）：254-257.
③ 高春芳，吕宝粮，马家昕.一种用小波包变换提取眼电信号警觉度特征的方法.中国生物医学工程学报，2012.31（5）：641-648.
④ 李忠诚，李智，赵岗金，等.眼电信号记录及分析系统的研究.北京生物医学工程，1999.3.
⑤ 林敏，任杰. MPl50系统在眼电信号采集中的应用.仪器原理，2010.31（12）：127-130.
⑥ 王娆芬，张建华，王行愚.基于ICA和FCM算法的操作员脑电信号伪迹自动去除研究.中国自动化学会控制理论专业委员会B卷.2011.
关键词 眼电信号 小波去噪 模糊c均值聚类
中图分类号：TP391.41 文献标识码：A
0 引言
众所周知，疲劳是人的一个自然的生理现象，它的产生与一个人的劳动强度、工作环境、本身的健康和情绪等等有关，是人体的一种自我调节和保护功能。当疲劳被人们感觉时就意味着此刻需要好好休息一下。但是随着现在经济的高速发展与生活节奏的加快，许多工作人员因为种种原因，都是顶着疲劳继续工作，这样就使得人体产生的疲劳成为一些事故的根本导火索。本文要探索的是与人疲劳有关的眼电信号，通过对人体眼电信号的研究，来找出人的疲劳度量，预防人因为过度疲劳工作而导致事故的发生。
现有的科学研究发现，人体内蕴藏着大量丰富的生物电信号，本文研究的眼电信号便是其中之一。随着科学技术的发展，现在已经可以通过一些设备采集眼电信号，进行分析研究，破译它所蕴含的心理信息。然后通过眼电信号反映出来的信息对工作人员的工作疲劳程度进一步的分析，以此判断工作人员此时是否适合继续进行工作，为人们提供更安全的工作环境。同时，眼电信号还有着广阔的发展前景，随着深入的研究，可以利用这些眼电信号来对人的生活、工作、医疗等许多方面进行改善和提高。
本文通过实验方法采集了执行过程控制任务的操作员的眼电信号，通过小波分析方法去除其中的高频干扰信号，然后采用模糊c均值聚类检测眼电波形的眨眼峰值点，从而计算出操作员的眨眼率。本文的研究成果将有利于后续对眼电信号和疲劳的分析，可利用眨眼率分析操作员的疲劳程度。
1 方法
1.1 眼电分析方法
传统的人眼分析方法：主要有模板匹配法、灰度投影法、先验知识法、边缘检测法，神经网络、支持向量机、马尔可夫模型和模糊推理模型，眼电图EOC。①
新型的人眼分析方法：（1）基于代价敏感支持向量机的人眼检测方法：②该方法利用Gabor滤波器来提取人眼特征向量，使其特征值维数提高，再利用PCA进行降维处理，将拒识代价和误分类代价集成到支持向量机设计中，使得分类器拥有最小平均代价，然后设计支持向量机对提取的特征进行多次训练，从而实现人眼检测。（2）小波包变换理论：③小波包变换（Wavelet Packet Transform）方法是在小波变换（使信号分解成低频近似部分和高频细节部分）的基础上，在借助于小波分解滤波器，对各个尺度上对低、高频子带均进行二次分解。解决了小波变换不对高频部分进行分解，从而导致高频部分频率局部性不好的问题，对信号有着更强大的分析能力。（3）微机分析系统：④微机分析系统是一个多功能的分析软件系统，它能接收记录仪传送的眼电信号试验数据作为原始数据存盘.之后便能对眼电波形进行复杂的处理和分析，给出分析诊断报告，从而提高分析的水平。（4）MPl50系统：⑤ MPl50系统是一个功能十分强大的基于计算机的数据采集系统，它适用性宽广，可以和任何一台具有Ethemet以太网口的计算机通信。它可以实现眼电EOG信号的采集与分析，并能控制数据采集的过程，完成实时的数据计算，并可以用多种文件格式保存采集的数据。
本文首先利用小波变换对采集的眼电信号进行去噪，然后采用模糊c均值聚类方法检测眨眼峰值点。
1.2 小波去噪
小波变换作为一种新兴的数学处理方法，是结合了泛函数、Fourier分析、调和分析和数值分析的最完美的结合。小波变换在数学界被称作“数学显微镜”，具有良好的时频局部化特性，能有效的从信号中提取相关的信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析。小波变换解决了Fourier变换不能解决的许多困难问题。
小波变换继承和发展了傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征。
小波去噪基于小波变换原理，利用小波变换的多分辨率、去相关和选基灵活等特性进行信号的去噪。信号经过小波变换后，在不同的分辨率下呈现出不同的规律，通过设定每一尺度下的阈值门限，调整小波系数，就可以达到小波去噪的目的。
小波去噪的基本思路可以概括为：首先，利用小波变换把含噪信号分解成多尺度信号，本文采用db小波进行小波分解；然后，设置阈值，把每一尺度中属于噪声的小波系数去除，保留属于信号的小波系数；最后，重构出小波去噪后的信号。小波去噪的关键是用什么准则来去除属于噪声的小波系数，增强属于信号的部分。
小波去噪的方法有小波分解与重构法去噪、小波变换阈值去噪、平移不变量小波去噪、小波变换模极大值法去噪等一些方法。
1.3 模糊c均值聚类算法
模糊c-均值聚类算法（Fuzzy c-means Algorithm ，FCM），是用隶属度确定每组数据所属类别的一种聚类方法。该算法是1973年，由Bezdek在早期硬c均值聚类（HCM）方法的基础上提出的一种改进算法。在多种模糊聚类算法中，模糊c均值算法的应用最为广泛且较为成功。FCM方法通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。
FCM算法可描述为：⑥设 = {，，…，}是维聚类样本， = （，，…，）为中第个维特征向量。将该样本集划分为（2≤≤）个子集，聚类中心的集合为 = {，，…，}，模糊矩阵 = （），是第个样本属于第类的隶属度，（>1）为模糊指数。 FCM的目标函数为：
（1）
其中，表示样本点与第类的聚类中心的欧氏距离。
使目标函数最小的算法迭代过程如下：
（1）初始化参数。给定聚类类别数、初始聚类中心、模糊系数、迭代终止阈值；
（2）根据下述公式计算隶属度矩阵；
（2）
（3）根据下式更新个聚类中心（1≤≤）；
（3）
（4）如果||||<，则停止；否则，令 = + 1，返回步骤2；
图1 眼电信号去噪前后对比图
2 结果及讨论
本文对眼电信号进行分析和处理的过程如下：
（1）小波去噪：采用db4小波将眼电信号进行3层小波分解，通过无偏估计方法估计各层小波系数的噪声阈值，最后采用软阈值的方法去除小波系数中的噪声，从而达到去除眼电信号中的高频干扰的目的。图1为一小段眼电信号去噪前后对比图。
图2 眼电峰值点图形（红色星号为找到的眼电峰值点）
图3 每分钟眨眼率波形图
（下转第253页）（上接第212页）
（2）模糊c均值聚类：去噪后的信号计算其一阶导数、二阶导数，然后进行模糊c均值聚类，将眼电信号分为两类：高值点类和低值点类。最后在高值点类中找到了眼电的眨眼峰值点。图2为通过模糊c均值聚类找到的眨眼峰值点，从图中可以看出，本文提出的方法正确的找到了眼电峰值所在位置。
（3）眨眼率计算：采用相同的方法对所有的眼电信号进行峰值检测，并计算每分钟的眨眼率。图3为计算出来的每分钟眨眼率波形图。
3 总结
本文对操作员的眼电信号进行了分析，首先通过小波去噪方法去除了眼电信号中的高频干扰，然后利用模糊c均值聚类方法检测出了眼电波形中的眨眼峰值点，从而计算出操作员眨眼率。本文方法对眨眼峰值点的检测非常准确，可以计算出正确的眨眼率信息，其成果可用于进一步的基于眨眼率的操作员疲劳分析，从而判断操作员的疲劳度。
基金项目：上海高校青年教师培养资助计划（ZZGJD12011）
*通讯作者：王娆芬
注释
①②徐欢，高雁凤，郑恩辉，等.一种用于驾驶员疲劳检测的人眼检测方法.计算机工程，2013.39（9）：254-257.
③ 高春芳，吕宝粮，马家昕.一种用小波包变换提取眼电信号警觉度特征的方法.中国生物医学工程学报，2012.31（5）：641-648.
④ 李忠诚，李智，赵岗金，等.眼电信号记录及分析系统的研究.北京生物医学工程，1999.3.
⑤ 林敏，任杰. MPl50系统在眼电信号采集中的应用.仪器原理，2010.31（12）：127-130.
⑥ 王娆芬，张建华，王行愚.基于ICA和FCM算法的操作员脑电信号伪迹自动去除研究.中国自动化学会控制理论专业委员会B卷.2011.