目錄
一、引言
二、核心原理
2.1 心電 HRV 疲勞關聯原理
2.2 腦電 EEG 疲勞關聯原理
2.3 疲勞綜合指數
三、數據處理流程
四、結果展示與分析
參考文獻
一、引言
????????針對作業安全（如駕駛、精密操作）場景下的疲勞狀態實時監測需求，本文提出一種基于心電（ECG）心率變異性（HRV）?與腦電（EEG）頻段特征融合的疲勞檢測方法。該方法通過 MATLAB 實現信號預處理、特征提取與綜合評分，結合 PWelch 功率譜估計、Pan-Tompkins R 波檢測等經典算法，量化分析 HRV 中的 LF/HF 比值與 EEG 中的 θ/α 比值，最終通過加權融合得到 0-1 區間的疲勞指數。實驗表明，該系統可有效區分清醒、輕度疲勞、中度疲勞與嚴重疲勞四種狀態，為多模態生理信號疲勞檢測提供可復用的工程化方案。
- ECG-HRV：通過分析心跳間期（RR 間期）的波動，反映自主神經系統（交感神經 / 迷走神經）平衡，疲勞狀態下 HRV 特征（如 LF/HF 比值）會發生顯著變化；
- EEG 頻段：腦電信號的不同頻段（θ、α、β 波）對應大腦不同活動狀態，疲勞時 θ 波（4-8Hz）能量增強、α 波（8-13Hz）能量減弱，θ/α 比值可作為疲勞核心指標。
????????本文基于 Eoh et al. (2005) 與 Borghini et al. (2014) 的研究成果，實現 ECG 與 EEG 多模態融合的疲勞檢測系統。
二、核心原理
2.1 心電 HRV 疲勞關聯原理
????????心率變異性（HRV）是指連續心跳間 RR 間期（相鄰兩個 R 波的時間間隔）的微小波動，其本質是自主神經系統對心臟的動態調節。HRV 的頻域分析（功率譜密度，PSD）是提取疲勞特征的核心手段。
????????心電信號中的 R 波檢測 可得到 RR 間期序列（相鄰心跳間的時間）。通過功率譜密度 (PSD) 分析，可分解為不同頻段：
- 低頻段（LF）：0.04-0.15Hz，主要受交感神經與迷走神經共同調節，反映交感神經興奮性；
- 高頻段（HF）：0.15-0.4Hz，僅受迷走神經調節，反映迷走神經活性。
????????疲勞狀態下，人體自主神經平衡被打破：交感神經興奮性相對升高，迷走神經活性降低，導致LF/HF 比值升高。
2.2 腦電 EEG 疲勞關聯原理
????????腦電信號按頻率可分為多個頻段，其中與疲勞最相關的三個頻段為：
| 頻段名稱 | 頻率范圍（Hz） | 生理意義 | 疲勞狀態下的變化 |
|---|---|---|---|
| θ 波（theta） | 4-8 | 大腦抑制、困倦狀態 | 能量增強 |
| α 波（alpha） | 8-13 | 大腦放松、清醒靜息 | 能量減弱 |
| β 波（beta） | 13-30 | 大腦興奮、注意力集中 | 能量變化不顯著 |
????????疲勞時 θ 波能量增加、α 波能量減少，因此θ/α 相對功率比值是衡量疲勞的關鍵指標：比值越高，疲勞程度越嚴重。
????????某頻段的相對功率為該頻段功率與總功率（θ+α+β）的比值。
2.3 疲勞綜合指數
????????為了同時考慮心電和腦電信息，本文基于參考文獻定義一個加權綜合疲勞指數：
????????其中 Norm() 表示歸一化到 [0,1][0,1][0,1] 區間，權重根據文獻與實驗經驗設定。
指數區間含義如下：
-
0 – 0.3：清醒狀態
-
0.3 – 0.6：輕度疲勞
-
0.6 – 0.8：中度疲勞
-
0.8 – 1.0：嚴重疲勞
三、數據處理流程
整體流程如下：
-
數據讀取： 提取心電（ECG）與腦電（EEG）信號。
-
預處理：
-
ECG：高通 + 帶通 + 陷波 + 其他噪聲濾波
-
EEG：高通 + 帶通 + 陷波 + 低通
-
-
特征提取：
-
ECG：R 波檢測 → RR 間期 → HRV 頻域分析 (LF, HF, LF/HF)
-
EEG：PSD 分析 → θ, α, β 相對功率 → θ/α 比值
-
-
綜合指數計算： 歸一化指標并加權求和
-
可視化與報告生成： 輸出圖表與表格
四、結果展示與分析
（1）心電信號分析
-
R 波檢測結果 清晰標記心跳周期。
-
RR 間期變化 呈規律波動，可見自主神經調節。
（2）腦電信號分析
-
經過濾波處理后，腦電信號清晰可分。
-
功率譜分析 顯示 θ、α、β 三個頻帶能量分布。
（3）疲勞分析
????????心電分析：正常狀態下，LF/HF比值通常維持在1.5-2.0之間。疲勞狀態下，交感神經活動增強，副交感神經活動減弱，表現為LF成分增加，HF成分減少，LF/HF比值升高。
? ? ? ? 腦電分析：清醒狀態下，α波占主導地位；疲勞狀態下，θ波活動增加，α波活動減少，θ/α比值升高。這一變化反映了大腦皮層活動減慢，警覺性下降。
? ? ? ? 綜上所述：本文實現了一種基于心電和腦電信號多模態融合的疲勞檢測方法，通過分析HRV特征和腦電頻段特征，構建了綜合性的疲勞評估模型。實驗結果表明，該方法能有效區分不同疲勞狀態，為疲勞監測提供了可靠的技術手段。
參考文獻
[1] Eoh, H. J., Chung, M. K., & Kim, S. H. (2005). Electroencephalographic study of drowsiness in simulated driving with sleep deprivation. International Journal of Industrial Ergonomics, 35(4), 307-320.
[2] Borghini, G., Astolfi, L., Vecchiato, G., Mattia, D., & Babiloni, F. (2014). Assessment of mental fatigue during car driving by using high resolution EEG. Clinical Neurophysiology, 125(11), 2130-2142.
Tips：下一講，我們將進一步探討，心電信號處理與應用的其他部分。
以上就是基于ECG和EEG信號的多模態融合疲勞分析的全部內容啦~
我們下期再見，拜拜(?v?) ~
（Ps：有代碼實現需求，請見主頁信息，謝謝支持！~）
)
