基于混合运动脑电信号的建筑工人警觉检测

首先输入多通道可穿戴式EEG信号，然后对数据进行预处理。预处理过程包括：滤波、通过集群消除信道干扰、消除研究以外的伪迹。再对得到的混合运动脑电信号进行处理，第一步划分时间窗口，将行为与时间标签相关联后进行小波包分解。在小波包分解的基础上进行警戒指标的检测，通过计算警戒指数来选择适当的警戒指标。最后输出定量的警戒指标及其阈值。

图3显示了db4的缩放函数和小波函数（左）和分解后的信号（右）

如表2所示，本研究将检查30个比率指数，指标1-8选自先前的研究，9-30是作者基于与现有指标相似的频带功率之间的比例关系提出的设计指标。为了验证这些混合运动EEG信号警戒性指标的可行性，进行了现场实验以收集原始数据。

实验验证

结果表明，动作2的θ波段具有最高平均值和最高标准偏差。动作3的δ、θ和α波段具有相似的平均值。对于动作4，δ和θ波段具有最高的相对比率， β波段的平均值低于δ、θ和α波段。γ的平均值最低，分散度也最低。

这些子带随不同的动作而变化，但是没有观察到明显的规律或区别来区分警惕程度。

由前面的基本假设可知，阶段A1的比例越高，表明动作中的警惕性越高。因此，在滑动时间窗口中每个警戒阶段所占比例的组合可用于评估对象随时间的警觉动态。对于选定的三个指标，以警惕阶段模型为基准，计算出阈值将输出信号分为三个级别。级别1是最低的警惕级别，级别3是最高的警惕级别。

从图上可以看出被试之间对于动作的警惕性还存在较大的个体差异。

最后计算四个选定被试的NASA-TLX得分与警惕性水平指数之间的相关性，三个指标的表现均优于警惕阶段模型，其中指数19的平均相关系数最高。

讨    论