买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学

摘要：本发明公开了一种基于分布式雷达的非接触式大脑认知负荷客观检测方法，通过分布式雷达获取多通道雷达回波信号，筛选出呼吸信号信噪比最高的通道，对其滤波获取呼吸信号，基于呼吸信号建立支持向量机模型检测大脑认知负荷水平。步骤如下：将分布式雷达对准人体胸腔，分别采集静坐及执行认知任务期间的多通道雷达回波信号；从多通道雷达回波信号获取呼吸信号信噪比最高的通道，再通过滤波获取呼吸信号；从所得呼吸信号提取时域特征和频域特征，去除个体差异；基于去除个体差异后的时域特征和频域特征，进行特征选择，建立支持向量机模型对大脑认知负荷水平进行检测。本发明为大脑认知负荷的检测提供了一种非接触、鲁棒性强、客观的检测方法。

主权项：1.一种基于分布式雷达的非接触式大脑认知负荷客观检测方法，其特征在于，所述检测方法包括以下步骤：S1、将分布式雷达对准人体胸腔，分别采集静坐及执行认知任务期间的多通道雷达回波信号；S2、从多通道雷达回波信号中获取呼吸信号信噪比最高的通道，再通过滤波获取呼吸信号；S3、从所得呼吸信号中提取时域特征和频域特征，去除个体差异，过程如下：S301、寻找呼吸信号的波峰点、波谷点，根据波峰点、波谷点提取呼吸信号时域特征序列；其中，所述时域特征序列包括吸气时间、呼气时间、呼气幅度、呼吸间期、周期换气量、平均呼吸率、平均潮气量、分钟吸气量共8个特征序列，依次分别记为Xi，i∈{1，2，3，4，5，6，7，8}，其中，以窗口长度为M、滑动步长为N的滑动窗口分别计算平均呼吸率、平均潮气量和分钟吸气量；S302、分别计算所述特征序列的均值、中值、标准差、均方根、最大值、最小值、变异系数和四分位距作为时域特征；其中，第i个特征序列的均值ui、标准差σi和均方根rmsi的计算公式分别如下： 其中，Xi[n]为第i个特征序列的第n个元素，Ni表示第i个特征序列的序列长度；第i个特征序列的变异系数CVi计算公式如下： S303、对所得呼吸信号进行快速傅里叶变换得到频谱X[k]，提取频率均值和频率标准差作为频域特征，计算公式分别如下： 其中，f_mean为频率均值，f_std为频率标准差，X[k]为快速傅里叶变换频谱，K为信号长度；S304、将执行认知任务下的呼吸信号时域特征和频域特征分别减去静坐状态下的时域特征和频域特征，从而去除个体差异，得到去除个体差异后的时域特征和频域特征；S4、基于去除差异后的时域特征和频域特征，进行特征选择，建立支持向量机模型对大脑认知负荷水平进行检测，过程如下：S401、对去除个体差异后的时域特征和频域特征分别进行归一化处理，将特征的数值统一到0～1之间，得到归一化后的时域特征和频域特征；S402、对步骤S401中归一化后所得的时域特征和频域特征进行互信息筛选，从中选取前m项特征作为最终大脑认知负荷特征；S403、将步骤S402中前m项特征送入支持向量机模型中进行训练，设训练样本集为{xm，ym}，ym∈{-1，+1}，m＝1，...，L，L为样本个数，为了解决非线性分类问题，采用非线性核支持向量机，非线性核支持向量机的决策函数fx和RBF核函数公式如下： 其中，为Lagrange乘子，b*为分类阈值，xm为第m个输入变量，xn为第n个输入变量，ym为第m个输出值，kxm，xn为核函数，σ为RBF核惩罚系数；S404、对于一个未知类型的大脑认识负荷特征向量样本，进行特征归一化处理后，计算上述决策函数fx，根据fx的取值进行大脑认知负荷水平检测，若fx-1则为标签-1，代表大脑低认知负荷水平；若fx1则为标签+1，代表大脑高认知负荷水平。

全文数据：

权利要求：

百度查询： 华南理工大学 基于分布式雷达的非接触式大脑认知负荷客观检测方法