1.一种针对高铁调度员的脑电疲劳指标判定方法，其特征在于：包括以下步骤：S1.选择被试调度员，进行高铁行车调度实验；

所述步骤S1中，进行高铁行车调度实验的过程包括：

S101.实验开始前24小时，让32名被试调度员处于轻易疲劳状态，向被试调度员讲解实验流程、实验任务、实验平台的操作；

S102.实验开始前15分钟，让被试调度员先做模拟实验，熟悉调度员实际工作环境及具体工作任务；

S103.实验开始后，每隔15分钟由系统随机出现工作事件，被试调度员将按照铁路技术管理规程执行模拟调度作业任务，包括通话作业、操作作业和记录作业，其余时间执行监控作业；利用64通道Neuroscan脑电仪记录被试调度员此时的原始脑电数据，同时记录KSS量表值，每名被试调度员共计20次；

S104.实验结束后，对数据进行除杂去噪，去除工频电及肌电干扰，进行数据预处理，为后续构建脑电数据集奠定基础；

同时，由于被试调度员实验过程中除了完成监视任务还会面对随机出现的工作事件，因此用基于工作任务的DORATASK方法计算被试调度员监控时脑电负荷和面对随机事件时的脑电负荷；计算得到的脑电负荷用于在构建基于神经网络的总体调度员脑电疲劳模型时，作为融合输出端的一部分，以及作为后续个体调度员脑电疲劳指标分析里的脑电反应时间：DORATASK方法主要将调度员的负荷压力值转化为工作时间来进行衡量，通过下式计算被试调度员监控时的脑电负荷值Tw和面对随机事件时的脑电负荷值Tp：式中，T1‑监视时间，T2‑通话时间，T3‑操作记录时间，T4‑脑力恢复时间，ΔT‑记录时间间隔取为15分钟；脑力恢复时间按照被试调度员工作特性设为2‑4秒，每隔15分钟记录一次被试调度员监控时的脑电负荷；

式中，Tp1‑反应时间，Tp2‑波动时间，Tp3‑恢复时间取为200ms，ΔT‑记录时间间隔取为15分钟；取一次脑电实验的刺激时间为900ms，采样率为1000Hz，每隔15分钟记录一次被试调度员面对随机事件时的脑电负荷；

S2.构建脑电处理数据集；

通过脑电仪提取到了不同电极下的α波，β波以及θ波的波峰以及幅值得到原始脑电指标数据集，利用傅里叶变换提取三种波形的功率Pα、Pβ、Pθ，在此基础上利用变异系数模型提取计算三种波形的变异系数形成脑电指标变异系数数据集，以及利用得到的脑电波功率形成脑电指标方程数据集；

S3.构建总体调度员脑电疲劳模型；

所述步骤S3包括：

将原始脑电指标数据集中的α波，β波以及θ波、脑电指标变异系数数据集中的αCV、βCV、θCV、脑电指标方程数据集中的θ/β、θ/(α+β)、(θ+α)/β、(α+θ)/(α+β)十个脑电指标作为输入端，融合的主观值，即KSS值；实验过程中监控时的脑电负荷值Tw和面对随机事件时的脑电负荷值Tp，作为输出端，建立一个含有隐含层的二层神经网络模型，隐含层的神经元个数为

10个；

本神经网络的隐含层的传输函数选为sigmod函数，可用f函数表示为

输出层的传输函数选为purelin函数，训练函数选取trainlm函数；

对于给定m个训练样本{(x(1),y(1)),(x(2),y(2)),...,(x(m),y(m))}，d(i)为对应输入x(i)的期望输出，给定误差函数为：设Wij为隐含层第j个神经元与第i个神经元之间连接的权重，bi为第i个神经元的偏置，neti为第i个神经元的输入；BP算法根据以下公式计算权重和偏置：h(i)＝f(neti)

T

设W为权重矩阵，ai为输入特征参数，则输出结果可以表示为

T T

y＝f(We(f(Wtai)+bt)+be)

对于总体调度员脑电疲劳指标可靠性的判断思想如下：将被试调度员数据的平均值划分为训练集、验证集和测试集，通过训练模型和调整得到最好的BP神经网络模型；利用该模型对十个脑电指标进行判断，以代表脑电指标和疲劳之间相关程度的R值和代表样本预测值与实际值之间差距的MSE均方误差为准则，若该指标的R值越接近于1且MSE越小，认为该指标在判断总体调度员脑电疲劳时可靠性更高；

S4.进行个体调度员的脑电疲劳指标判定；

所述步骤S4包括：

S401.随机选取n名高铁调度被试调度员实验过程中的脑电指标与脑电反应时间，作为统计量(X1,Y1),(X2,Y2),...,(Xn,Yn)，假定自变量和因变量存在线性相关关系；设x，y是抽自两个不同总体X，Y的样本，X来自构建总体脑电疲劳模型里的十个脑电指标，Y来自计算出的被试调度员在面对随机事件时的脑电负荷值Tp；其观察值为x1,x2,...,xn和y1,y2,...,yn,将他们配对形成(x1,y1),(x2,y2),...,(xn,yn)，检验脑电指标与脑电反应时间之间是否相关；

提出假设H0：X和Y不相关； H1：X和Y相关；

S402.计算检验统计量，Spearman等级相关系数rs是测定两个样本相关程度重要指标,其计算公式为：其中，rs的取值范围为[‑1,1]，当|rs|越接近于1时，说明样本之间相关程度越高；反之，当|rs|越接近于0时，说明样本之间相关程度越低；

S403.做出决策，当 时，拒绝H0，反之，不能拒绝H0；

其中的 是临界值，与样本观测个数n，备择假设以及给定的显著性水平有关，当n取8时，对于个体调度员脑电疲劳指标可靠性的判断思想如下：通过Spearman秩检验方法计算得到每名被试调度员脑电指标与脑电反应时间之间的相关系数，将每一类脑电指标的相关系数进行横向比较，相关系数值越大的指标可以认为该指标在判断个体调度员脑电疲劳时可靠性更高；若某项脑电指标与脑电反应时间之间的相关系数大于 则拒绝假设H0，接受H1，认为该项脑电指标与脑电反应时间具有相关性。

2.根据权利要求1所述的一种针对高铁调度员的脑电疲劳指标判定方法，其特征在于：所述步骤S1中，供选择32个年龄在28‑38岁的国铁集团调度员培训班学员作为被试调度员，并且选择的人员满足如下要求：无任何心理或精神方面疾病，睡眠质量良好，无色弱或色盲，熟练掌握高速铁路调度操作技能；实验前一晚不能饮用任何咖啡因或酒精的功能性饮料；并且，所述步骤S1中选择被试调度员白天较易疲劳时段11：00‑16：00进行实验。

3.根据权利要求1所述的一种针对高铁调度员的脑电疲劳指标判定方法，其特征在于：所述步骤S2中，考虑到大脑从正常状态过渡到疲劳状态时，脑电信号的慢波逐渐增加，快波逐渐减少，其中慢波包括δ波，θ波，快波包括α波、β波，其中δ波在深度睡眠的状态下才会出现；所以只考虑α波，β波以及θ波；通过脑电仪提取到了不同电极下的α波，β波以及θ波的波峰以及幅值，利用傅里叶变换提取三种波形的功率Pα、Pβ、Pθ，在此基础上利用变异系数模型提取计算三种波形的变异系数形成脑电指标变异系数数据集，以及利用得到的脑电波功率形成脑电指标方程数据集。

4.根据权利要求3所述的一种针对高铁调度员的脑电疲劳指标判定方法，其特征在于：所述步骤S2包括以下子步骤：

S201.对每名被试调度员进行20次脑电波数据采集，得到20组脑电波数据，每组脑电波数据包括α波，β波以及θ波数据；进行除杂去噪处理，去除工频电及肌电的干扰后，加入原始脑电指标数据集；

S202.对去噪后的脑电波数据进行傅里叶变换，求得脑电波在每次采集数据中三种波形的功率Pα，Pβ，Pθ，傅里叶变换为：x(n)＝xa(nT)|t＝nT(T＝1/fs,fs≥2fc) (4)式中采集的样本点为N，N为每次实验所采集的样本点总数，N根据实验需求取20，Ts＝NT表示有限长信号的持续时间，xa(t)为经过滤波处理过之后的有限长信号，xa(t)持续时间为Ts，最高频率为fc；

S203.计算每次采集过程中三种波形的出现率：

S204.计算每次采集过程中三种波形出现率的均方差：

S205.计算每次采集过程中三种波形的变异系数，形成脑电指标变异系数数据集：为了建立原始脑电数据和三种波形的变异系数与疲劳程度的关系，提出曲线变化率指标；通过描述脑电波指标变化的曲线，包括θ、α和β波的脑电波曲线以及基于变异系数模型通过傅里叶变换得到的出现率曲线和变异数曲线，设P、Q两点为三个曲线上的任意两点，则单位日曲线变化率表示为：疲劳程度与疲劳之间的关系通过一种映射来表示：

F(R)＝{A|A:R→[0,1]} (10)

式中定义论域R为疲劳,疲劳程度的模糊子集为A，μA为A的隶属函数，其中 x→μA；

疲劳程度通过曲线变化率指标来表示，此时的曲线变化率指标指的是单位日变化率指标，则调度员的疲劳程度和单位日曲线变化率之间的关系表征为：而对于描述脑电波指标变化的任意曲线上的实验样本Xi＝p*(x1,x2,...,x20；yi)；其中yi表示第i次采样时波形的幅值，p为被试调度员的人数，取为32；当取区间[a,b]时，对于任意一点坐标P(ε,δ)，ε>0，δ>0的变化率表示为α波，θ波出现率的变化曲线呈上升趋势，其随疲劳程度的加深而增加；β波出现率的变化曲线呈下降趋势，其随疲劳程度的加深而减少；调度员在抵抗疲劳阶段，在工作疲劳以及决策行为的影响下，其状态在警觉和放松下不断改变；同时，αCV、βCV、θCV随疲劳程度增加变化剧烈，说明疲劳程度受到三种波形的变异系数的显著影响，与三种典型波的出现率变化曲线相对应；

除此之外，对于每次采集、去噪后得到数据，通过步骤S202里傅里叶变换得到的三种波形的脑电波功率Pα，Pβ，Pθ，利用三种功率的比值以及求和比值，形成脑电指标方程数据集：θ/β，θ/(α+β)，(θ+α)/β，(α+θ)/(α+β)。