人脑电信号实时监测原型系统设计与实现(2) -智慧健康杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表

一、稿件要求： 1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。要求稿件论点中立，论述详实，能够对读者的购买起到指导作用。文章体裁不限，字数不限。 2、稿件建议采用纯文本格式(*.txt)。如果是文本文件，请注明插图位置。插图应清晰可辨，可保存为*.jpg、*.gif格式。如使用word等编辑的文本，建议不要将图片直接嵌在word文件中，而将插图另存，并注明插图位置。 3、如果用电子邮件投稿，最好压缩后发送。 4、请使用中文的标点符号。例如句号为。而不是.。 5、来稿请注明作者署名(真实姓名、笔名)、详细地址、邮编、联系电话、E-mail地址等，以便联系。 6、我们保留对稿件的增删权。 7、我们对有一稿多投、剽窃或抄袭行为者，将保留追究由此引起的法律、经济责任的权利。二、投稿方式： 1、请使用电子邮件方式投递稿件。 2、编译的稿件，请注明出处并附带原文。 3、请按稿件内容投递到相关编辑信箱三、稿件著作权： 1、投稿人保证其向我方所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我方所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我方所投之作品不得同时向第三方投送，即不允许一稿多投。若投稿人有违反该款约定的行为，则我方有权不向投稿人支付报酬。但我方在收到投稿人所投作品10日内未作出采用通知的除外。 5、投稿人授予我方享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、投稿人委托我方声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

人脑电信号实时监测原型系统设计与实现(2)

作者:

关键词:

摘要：

图2 原型系统体系结构

4.2 脑电信号分析与应用实例

本文将采集到的脑电数据经过预处理、特征提取等步骤进行分析，用来作为异常诊断的依据，图3为脑电信号处理流程。本文选取6 s为时间间隔，将脑电信号细分成一系列脑电样本，样本与样本之间窗口重叠的时间为原来的一半，然后应用以离散小波变换[13-15]为基础的特征提取方法，计算出每个脑电样本的特征向量；并通过随机森林[16-17]对上述特征向量做进一步的处理，以衡量每个特征的重要程度，再根据此指标对特征进行排序选择，从而实现对信号进行分类。

图3 脑电数据处理流程

基于实时监测流程和系统体系结构，本文研制了脑电信号实时监测仪并开发了脑电信号实时监测系统。在用户佩戴该监测仪后，其位置信息和脑电信号将被实时传送至服务器端，表1、图4分别为实时监测的脑电数据示例和实时脑电信号波形图。脑电信号属于非平稳信号，频率范围较大，脑电信号波形对应的脑电频谱图如图5所示，在该频率范围内，可直观地观察到监测对象的实时脑电状态。服务器端将接收到的数据进行实时显示，并通过对EEG历史特征参数进行提取、过滤、降噪等处理及分析，依据所建立的异常阈值判断模型进行实时异常判断。一旦系统判断出脑电信号存在异常时，如图6所示，将实时进行预警并通知相关人员，并会根据被监测对象所在位置提供最佳救援方案。图7是监测对象在某一位置出现异常，服务器端根据获取的周边医疗点所提供的最佳救援路线。

5 结束语

针对脑部病患突发状况时不能够在最短的时间内预警并发现和监测效率不高的问题，本文提出了基于LBS和无线通信技术的脑电信号实时传输和动态监测方法，通过实时发送设备携带者的脑电信号数据和位置信息至服务器端，通过所构建的脑电信号异常判断模型，能够对脑电信号异常进行实时预警，并在脑电信号异常时实现了对应急救援路径的合理规划。

表1 部分监测的脑电信号数据示例幅度值/μV 28 039 19 883 7 344 16 768 16 745 16 761 75 752 28 489 19 990 80 233 17 028 16 945 16 899 75 752频段/Hz 18～30 31～40 41～50 1～3 8～9 4～7 10～12 18～30 31～40 41～50 1～3 8～9 4～7 10～12

图4 脑电信号波形图

图5 脑电频谱图

图6 异常原始脑电波形图

图7 应急救援最佳路线图

本文研究的便携式远程监测系统使仪器携带者能够在室外及相对平稳的运动状态下测量脑电数据，继而对监护对象的健康状况进行评估，可以实现脑疾患者的日常生活状态实时监测，但目前该系统对于脑电信号的采集还仅局限于监测仪器佩戴者在相对平稳的状态下实现，而在其他非平稳状态如激烈运动等还仍难以采集到稳定的脑电信号，同时脑电异常判断模型也只是基于平稳状态为前提条件进行分析与建模；在位置监测方面，该系统基于佩戴者的移动终端所内嵌的移动定位模块实现，所以仅能够实现在室外的实时定位，对于室内定位仍然不准确，在未来室内定位相关硬件模块精度达到一定程度后，本研究将把室内位置的实时监测集成至该系统。以上也是未来该研究待解决和优化的方面。

[1]张啸飞，胡大一，丁荣晶.中国心脑血管疾病死亡状及流行趋势[J].中华心血管病杂志，2012，40（3）：179-185.

[2]张志军，王娟，何辉.基于Android的心电监护终端的设计与实现[J].自动化与仪器仪表，2013（5）：183-185.

[3]Grill W M，Norman S E，Bellamkonda R neural interfaces：biochallenges and engineered solutions[J].Annual Review of Biomedical Engineering，2009，11：1-24.

[4]Yaghmour K，Masters J，Ben-Yossef embedded Linux systems[M].USA：O’Reilly，2003.

[5]李明爱，张诚，杨金福.一种基于脑电信号的疲劳驾驶状态判断方法[J].北京生物医学工程，2011（1）：57-61.

[6]冯知音.脑电信号在身份识别及疲劳检测中的应用[J].通信与信息工程研究，2013，28（2）：128-131.

[7]Holling C the complexity of economic，ecological，and social systems[J].Ecosystems，2001，4（5）：390-405.

[8]谢宏，钱门超.基于Android的脑电信号无线采集与分析系统设计[J].微型机与应用，2014，33（13）：77-78.

[9]丁超.便携式脑电采集系统设计[D].成都：成都电子科技大学，2013：10-22.

[10]Wang Xingyuan，Luo Chao，Meng dynamic research on EEG signals in HAI experiment[J].Applied Mathematics and Computation，2009，207（1）：63-74.

文章来源：《智慧健康》网址: http://www.zhjkzz.cn/qikandaodu/2020/0720/401.html