CN106175752B - 脑电波信号获取设备及方法、状态评估系统及方法 - Google Patents

Abstract

本发明属于通信技术，提供了一种脑电波信号获取设备及方法、状态评估系统及方法，所述设备包括：信号采集单元，用于通过传感器电极组采集脑电波信号；处理单元，用于接收所述采集到的脑电波信号，将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；信号输出单元，用于接收所述脑电波数据信号，将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，通过音频接口发送所述脑电波数据。以便根据该脑电波数据评估待测个体的情绪和疲劳状态，使用户通过穿戴设备即可获取到个体自身实时的脑电波数据，操作便捷且容易佩戴。

Description

脑电波信号获取设备及方法、状态评估系统及方法

技术领域

本发明属于医疗数据领域，尤其涉及一种脑电波信号获取设备及方法、一种状态评估系统及方法。

背景技术

疲劳是指机体在一定环境条件下，由于长时间或过度紧张的体力或脑力劳动引起的劳动效率趋向下降的状态。在医学上，按疲劳的性质，疲劳可分为生理疲劳和心理疲劳，对疲劳状态的评价可通过主观和客观的方法来进行。主观评测的方法主要依据主观调查表、自我记录表、睡眠习惯调查表和斯坦福睡眠尺度表等来测评被试者的疲劳程度。客观测评的方法主要从医学角度出发，借医用仪器、设备等辅助工具测试被试者的人体行为、生理、生化方面的某些指标的变化，从而确定其疲劳程度。主观评价方法虽然操作简单、直接、费用低廉、加之对任务完成无干扰、易被接受等优点，是一种被广为采用的评价疲劳的方法，但这种方法很难量化疲劳的等级和程度，又因每个人的理解有明显的差异，其结果往往不能令人满意。近年来，脑电图、眼电图、心电图等检测与分析技术取得了很大的进步，而且在脑力疲劳研究中，脑电波现已成为最广泛的评价中枢神经系统变化的指标之一，然而如何将获得到的脑电波经过处理形成客观有效的数据进行对个体状态评估成为亟待解决的问题。

发明内容

本发明实施例的目的在于提供一种脑电波信号获取设备及方法、一种状态评估系统及方法，旨在解决现有技术中的获取脑电波数据精准度低、获取方式不便捷，且基于获取后的脑电波数据的评估结果针对性不强，误判率过大的问题。

本发明是这样实现的，提出了一种脑电波信号获取设备，所述设备包括：

信号采集单元，用于通过传感器电极组采集脑电波信号；

处理单元，用于接收所述采集到的脑电波信号，将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；

信号输出单元，用于接收所述脑电波数据信号，将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，通过音频接口发送所述脑电波数据。

本发明实施例又提供了一种状态评估系统，所述系统包括脑电波信号获取设备和评估设备，其中，所述脑电波信号获取设备包括：

信号采集单元，用于通过传感器电极组采集脑电波信号；

处理单元，用于接收所述采集到的脑电波信号，将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；

信号输出单元，用于接收所述脑电波数据信号，将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，通过音频接口发送所述脑电波数据；

所述评估设备包括：

信号接收单元，用于接收所述脑电波数据，所述脑电波数据根据频段包括：α波、β波、θ波；

傅里叶变换单元，用于将所述脑电波数据进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量；

情绪和疲劳状态特征值计算单元，用于根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值；

情绪和疲劳状态量化值计算单元，具体用于：

在设定时间段内，获取情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列；

根据所述序列二计算出每个序列对应的曲线长度；

得到所述每个序列对应的曲线长度的均值，进而得到曲线的分维值，所述曲线的分维值即为情绪和疲劳状态量化值。

本发明实施例又一提供了一种脑电波信号获取方法，所述方法包括：

通过传感器电极组采集脑电波信号，所述传感器电极组包括：分别设置于人体左右耳朵上沿与发际处之间的、作为输入通道采集颞叶脑电波的传感器电极一，分别设置于人体左右耳廓且靠近耳垂处的、作为参考通道采集颞叶脑电波的传感器电极二，及分别设置于人体左右外耳道的反馈电极；

接收所述采集到的脑电波信号，将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；

接收所述脑电波数据信号，将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，通过音频接口发送所述脑电波数据。

本发明实施例还提供了一种状态评估方法，所述方法包括：

通过传感器电极组采集脑电波信号；将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，所述脑电波数据根据频段包括：α波、β波、θ波；

将所述脑电波数据进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量；

根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值；

在设定时间段内，获取情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列；根据所述序列二计算出每个序列对应的曲线长度；得到所述每个序列对应的曲线长度的均值，进而得到曲线的分维值，所述曲线的分维值即为情绪和疲劳状态量化值。

本发明实施例所提供的一种脑电波信号获取设备及方法，通过传感器电极组采集脑电波信号，将所述脑电波信号进行处理，得到了脑电波数据，并通过音频接口发送所述脑电波数据，以便根据该脑电波数据评估待测个体的情绪和疲劳状态，使用户通过穿戴设备即可获取到个体自身实时的脑电波数据，操作便捷且容易佩戴。

本发明实施例所又提供一种状态评估系统及方法，通过传感器电极组采集脑电波信号，将所述脑电波信号进行处理，得到了脑电波数据，并通过音频接口发送所述脑电波数据后，进一步地对该脑电波数据进行处理，根据脑电波的频段，得到对应频段的频段能量，进而计算得到待评估个体当前的情绪和疲劳状态的特征值，对人体的脑电波以量化的形式体现当前的情绪状态，专注度水平、放松度水平等形式，对情绪和疲劳状态针对性的评估，降低误判率，实现自我情绪和疲劳状态的准确评估。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的脑电波信号获取设备的原理框图；

图2是本发明实施例提供的状态评估系统的原理框图；

图3是本发明实施例提供的脑电波信号获取方法的流程图；

图4是本发明实施例提供的状态评估方法的流程图；

图5为本发明实施例提供的状态评估方法中计算得到对刺激的反应强度的波形图；

图6为本发明实施例提供的状态评估方法中计算得到对事件的喜恶反应的波形图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

脑电波(Electroencephalogram,EEG)是大脑在活动时，脑皮质细胞群之间形成电位差，从而在大脑皮质的细胞外产生电流。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。

脑电波中按其频率包括：α波(7-14Hz)、β波(14-30Hz)、θ波(4-7Hz)。脑电信号蕴含着包括思维、情感、精神以及心理等活动的丰富内容，可以从其电信号模式和频率来加以区分。如：当我们在昏昏欲睡或者处于疲劳时，脑电波显示θ波(4-7Hz)占优势；当我们在日常清醒状态下，α波(7-14Hz)所占的比例维持在一般的水平；当我们在清醒状态下闭起双眼时，立刻就会发现脑电的α波大幅度地增加；在放松、快乐状态下，与α波在整个脑电分布图中所占的比例有密切关系；但是，如果我们闭着眼睛睡着了，意识模糊了，α波就渐渐消失不见了；当我们在正常的清醒状态下，对于周遭环境，包括人、事、物的体验，大都是基于习惯性的警觉和反应，监控并期望着事物都能如我们所知、所愿地发生，这时脑电β波(14-30Hz)出现；在处心积虑而步调快速的日常生活中，当我们心怀紧张、焦虑、激动或者注意力不集中时，β波的电位就显得更强劲，充分显示出β波经常处于主导地位的状态，这当然也表示脑部的活动趋于活跃、激动或亢奋。也是说，在脑电波中的α波(7-14Hz)是大脑在低认知负荷时的主要标尺，当大脑处于低认知负荷时，α波所对应的频段的频段能量就会变强；在脑电波中的β波(14-30Hz)是大脑在高认知负荷时的主要标尺，当大脑处于高认知负荷时，β波所对应的频段的频段能量就会变强。

如图1示出了本发明实施例提供的脑电波信号获取设备的原理框图，为便于描述，仅示出了与本发明实施例相关的部分，本发明实施例提供的脑电波信号获取设备包括：信号采集单元11、处理单元12、及信号输出单元13，其中：

信号采集单元11，用于通过传感器电极组采集脑电波信号。

在本实施例中，所述传感器电极组包括：分别设置于人体左右耳朵上沿与发际处之间的、作为输入通道采集颞叶脑电波的传感器电极一，分别设置于人体左右耳廓且靠近耳垂处的、作为参考通道采集颞叶脑电波的传感器电极二，及分别设置于人体左右外耳道的反馈电极。

处理单元12，用于接收所述采集到的脑电波信号，将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号。

在本实施中，所述处理单元包括放大滤波模块、模数转换模块，其中：放大滤波模块，用于放大输入电极与参考电极之间的差值，抑制共模噪声，通过负反馈电路得到所述共模噪声的反相值，并通过滤波器进行滤波；模数转换模块，用于对滤波后的脑电波信号进行模数转换，并发送转换后的脑电波数据信号。

信号输出单元13，用于接收所述脑电波数据信号，将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，通过音频接口发送所述脑电波数据。

如图2示出了是本发明实施例提供的状态评估系统的原理框图，为便于描述，仅示出了与本发明实施例相关的部分，本发明实施例提供的所述系统包括脑电波信号获取设备21和评估设备22，其中，所述脑电波信号获取设备21包括：

信号采集单元211，用于通过传感器电极组采集脑电波信号；

处理单元212，用于接收所述采集到的脑电波信号，将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；

信号输出单元213，用于接收所述脑电波数据信号，将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，通过音频接口发送所述脑电波数据。

所述评估设备22包括：

信号接收单元221，用于接收所述脑电波数据，所述脑电波数据根据频段包括：α波、β波、θ波；

傅里叶变换单元222，用于将所述脑电波数据进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量；

情绪和疲劳状态特征值计算单元223，用于根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值；

情绪和疲劳状态量化值计算单元224，具体用于：

在设定时间段内，获取情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列；

根据所述序列二计算出每个序列对应的曲线长度；

得到所述每个序列对应的曲线长度的均值，进而得到曲线的分维值，所述曲线的分维值即为情绪和疲劳状态量化值。

在本实施例中，进一步地，所述评估设备22还包括：评估数据播报单元225及评估数据发送单元226，其中：

评估数据播报单元225，用于根据所述情绪和疲劳状态量化值，通过音频设备播报所述评估数据。

评估数据发送单元226，用于根据所述情绪和疲劳状态量化值，发送所述评估数据。

在本实施例中，所述脑电波信号获取设备21还包括评估反馈单元214，评估反馈单元214用于通过音频接口接收所述评估数据，将所述评估数据进行解调，根据设定的评估等级状态与所述脑电波信号生成设备的显示状态的对应关系，反馈所述评估数据。

如图3示出了本发明实施例提供的脑电波信号获取方法的流程图，为便于描述，仅示出了与本发明实施例相关的部分，本发明实施例提供一种脑电波信号获取方法，所述方法包括：

步骤S301中，通过传感器电极组采集脑电波信号，所述传感器电极组包括：分别设置于人体左右耳朵上沿与发际处之间的、作为输入通道采集颞叶脑电波的传感器电极一，分别设置于人体左右耳廓且靠近耳垂处的、作为参考通道采集颞叶脑电波的传感器电极二，及分别设置于人体左右外耳道的反馈电极；

步骤S302中，接收所述采集到的脑电波信号，将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；

所述将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号的方法，具体为：

放大输入电极与参考电极之间的差值，抑制共模噪声，通过负反馈电路得到所述共模噪声的反相值，并通过滤波器进行滤波；

对滤波后的脑电波信号进行模数转换，并发送转换后的脑电波数据信号。

步骤S303中，接收所述脑电波数据信号，将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，通过音频接口发送所述脑电波数据。

如图4示出了本发明实施例提供的状态评估方法的流程图，为便于描述，仅示出了与本发明实施例相关的部分，本发明实施例提供一种状态评估方法，所述方法包括：

步骤S401中，通过传感器电极组采集脑电波信号；将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，所述脑电波数据根据频段包括：α波、β波、θ波；

步骤S402中，将所述脑电波数据进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量。

在本实施例中，所述β波根据频段进一步分为：β₁波，β₂波，β₃波，具体地，所述β₁波的频段为14-16Hz；所述β₂波的频段为16.5-20Hz；所述β₃波的频段为20.5-28Hz。进一步地，亦可根据傅里叶变换得到对应频段的频段能量，所述对应频段的频段能量包括：β₁波频段能量，β₂波频段能量，β₃波频段能量。

步骤S403中，根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值。

在本实施例中，根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，其计算式为：

所述对事件的喜恶反应为个体左脑的α波频段能量与右脑的α波频段能量的差值，其计算式为：对事件的喜恶反应＝左脑α波频段能量-右脑α波频段能量；所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值，其计算式为：

通过上述关于对刺激的反应强度、对事件的喜恶反应、疲劳度的计算式，可根据时间描绘出对应的对刺激的反应强度、对事件的喜恶反应、疲劳度的波形图。如图5示出了本发明实施例提供的状态评估方法中计算得到对刺激的反应强度的波形图，其中，假设待测个体X，其对刺激的反应强度(Arousal)的波形图的中心值为A₀，则在t时刻，待测个体X的对刺激的反应强度的值为A_t；如图6示出了为本发明实施例提供的状态评估方法中计算得到对事件的喜恶反应的波形图，其中，假设待测个体X，其对事件的喜恶反应(Valence)的波形图的中心值为V₀，则在t时刻，待测个体X的对刺激的反应强度的值为V_t。理论上，当待测个体X的情绪一直为平衡时，对刺激的反应强度的值：A_t-A₀＝0,对事件的喜恶反应的值：V_t-V₀＝0。此时，在对应的波形图中，这种一直保持为平衡情绪的函数波形会呈现为平行于X轴的直线，而在实际的应用中，待测个体X的情绪会发生偏离平衡的状态，相应地，对刺激的反应强度(Arousal)的波形图与对事件的喜恶反应(Valence)的波形图会呈现为图5、6中不规则的曲线。

步骤S404中，在设定时间段内，获取情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列；根据所述序列二计算出每个序列对应的曲线长度；得到所述每个序列对应的曲线长度的均值，进而得到曲线的分维值，所述曲线的分维值即为情绪和疲劳状态量化值。

进一步地，为了实现对的变化度的考量，进一步地分别计算个体对刺激的反应强度、对事件的喜恶反应、疲劳度的波形曲线的分维值，通过分维度得到个体情绪的变化度，避免了得到个体的情绪和疲劳状态的特征值的线性结果的不准确性。

在步骤S404中，所述计算分维度具体为：在设定时间段内，获取个体的一情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列一，所述序列一记为：X(1),X(2)，X(3)……X(n)；

对所述序列一引入尺度k，形成序列二，所述序列二记为：

其中，m＝(1，2，3......k)；

根据所述序列二计算出每个序列对应的曲线长度，所述曲线长度计算式为：

其中，为归 一化因子；

得到所述每个序列对应的曲线长度的均值，所述均值(L(k))为：当满足L(k)∝k^-D时，则得到曲线的分维值，所述分维值为：

例如在对刺激的反应强度(Arousal)的波形图中，在该趋势曲线中取n个采样点组成序列：X(1),X(2)，X(3)……X(n)；

引入一个新的尺度k，构造出新的序列

其中，m＝(1，2， 3......k)；

若取k值为4时，就有：

X(1),X(5)，X(9)……X(97)；

X(2),X(6)，X(10)……X(98)；

……

X(4),X(8)，X(12)……X(100)

可计算出每个序列所代表的曲线长度，计算式为：

其中， 为归一化因子；

所述L(k)为L_m(k)的均值，

当满足L(k)∝k^-D时，则得到曲线的分维值，所述分维值为：

上述计算式中得到的分维值D，可分别计算出个体对刺激的反应强度、对事件的喜恶反应、疲劳度的波形曲线的量化值，从而进一步地评估出个体的情绪与疲劳度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于脑电波信号评估情绪和疲劳状态的系统，其特征在于，所述系统包括获取脑电波信号设备和评估设备，其中，所述获取脑电波信号设备包括：

信号采集单元，用于通过传感器电极组采集脑电波信号；

处理单元，用于接收所述采集到的脑电波信号，将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；

信号输出单元，用于接收所述脑电波数据信号，将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，通过音频接口发送所述脑电波数据；

所述评估设备包括：

信号接收单元，用于接收所述脑电波数据，所述脑电波数据根据频段包括：α波、β波、θ波；

傅里叶变换单元，用于将所述脑电波数据进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量；

情绪和疲劳状态特征值计算单元，用于根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值；

情绪和疲劳状态量化值计算单元，具体用于：

在设定时间段内，获取情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列一，对所述序列一引入尺度k，形成序列二；

根据所述序列二计算出每个序列对应的曲线长度；

得到所述每个序列对应的曲线长度的均值，进而得到曲线的分维值，所述曲线的分维值即为情绪和疲劳状态量化值。

2.一种基于脑电波信号评估情绪和疲劳状态的方法，其特征在于，所述方法包括：

通过传感器电极组采集脑电波信号；将所述采集到的脑电波信号依次进行放大、滤波、模数转换形成脑电波数据信号，并发送所述脑电波数据信号；将所述脑电波数据信号依次进行数字滤波、频移键控调制后形成脑电波数据，所述脑电波数据根据频段包括：α波、β波、θ波；

将所述脑电波数据进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量；

根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值；

在设定时间段内，获取情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列一，对所述序列一引入尺度k，形成序列二；根据所述序列二计算出每个序列对应的曲线长度；得到所述每个序列对应的曲线长度的均值，进而得到曲线的分维值，所述曲线的分维值即为情绪和疲劳状态量化值。

3.如权利要求2所述基于脑电波信号评估情绪和疲劳状态的方法，其特征在于，所述情绪和疲劳状态量化值计算方法，具体为：

在设定时间段内，获取个体的一情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列一，所述序列一记为：X(1),X(2)，X(3)……X(n)；

对所述序列一引入尺度k，形成序列二，所述序列二

记为：

其中，m＝(1,2,3……k)；

根据所述序列二计算出每个序列对应的曲线长度，所述曲线长度计算式为：

其中，

为归一化因子；

得到所述每个序列对应的曲线长度的均值，所述均值为：

当满足L(k)∝k^-D时，则得到曲线的分维值，即为情绪和疲劳状态量化值，所述分维值为：

Images