發(fā)布時間：2018-09-01 21:02

【摘要】：疲勞是一種由長期高強度的體力勞動、腦力勞動引起的主觀不適感覺,具體表現(xiàn)為注意力難以集中、警覺度下降、反應(yīng)遲鈍等癥狀,給正常的工作與生活帶來了不便,嚴(yán)重時還會引起慢性疲勞癥候群等疾病。因此有必要對疲勞狀態(tài)進(jìn)行檢測并預(yù)防其危害發(fā)生。腦電信號是生物體腦部皮層神經(jīng)細(xì)胞自發(fā)產(chǎn)生的生物電信號,與腦部活動密切相關(guān),能夠直接反映生物體的精神狀態(tài),可用作精神疲勞的評價指標(biāo)。本文基于單通道便攜式的腦電信號采集設(shè)備,針對疲勞檢測算法進(jìn)行了研究。論文的主要工作如下:1.現(xiàn)有大多數(shù)腦電信號相關(guān)應(yīng)用研究大多基于多通道濕電極的采集設(shè)備,存在設(shè)備操作復(fù)雜、成本較高等使用局限性,本文則采用便攜式干電極的采集設(shè)備,采集構(gòu)建了 100人規(guī)模的數(shù)據(jù)庫,包含三種精神狀態(tài)的腦電信號:清醒、輕度疲勞和重度疲勞狀態(tài),該數(shù)據(jù)庫可用于疲勞檢測算法的訓(xùn)練、測試和評價;2.提出了兩種實用的腦電信號預(yù)處理方法,第一種方法使用了 3Hz的高通濾波器以及50Hz陷波濾波器,能夠滿足疲勞檢測算法的實時性和低計算復(fù)雜度要求,第二種方法在此基礎(chǔ)上增加了集合經(jīng)驗?zāi)B(tài)分解過程,分解腦電信號后濾除偽跡成分,能夠滿足更高準(zhǔn)確率的要求;3.針對腦電信號對應(yīng)疲勞狀態(tài)的特征進(jìn)行了分析和實驗,構(gòu)建了一個融合使用時域、頻域、時頻域以及非線性動力學(xué)分析等方法的特征提取框架,提取45維特征,并進(jìn)行了特征降維;4.根據(jù)提取的腦電信號特征,提出了一種基于深度信念網(wǎng)絡(luò)(Deep Belief Network)的腦電信號疲勞檢測算法,使用20-50-10-3結(jié)構(gòu)的深度信念網(wǎng)絡(luò)作為疲勞檢測的分類器,在三種精神狀態(tài)劃分任務(wù)上達(dá)到了 92.55%的準(zhǔn)確率。本實驗將DBN與傳統(tǒng)分類器、提升方法等進(jìn)行比較,驗證了DBN用作疲勞檢測分類器的準(zhǔn)確性和普適性。
[Abstract]:Fatigue is a kind of subjective discomfort caused by long-term, high-intensity physical labor and mental labor. It is manifested in the following symptoms: difficulty in concentrating attention, decreased alertness, slow response, and so on, which brings inconvenience to normal work and life. Serious also can cause chronic fatigue syndrome and other diseases. Therefore, it is necessary to detect the fatigue state and prevent its harm. EEG signal is a kind of bioelectric signal produced spontaneously by cortical nerve cells of the brain. It is closely related to brain activity and can directly reflect the mental state of the organism. It can be used as an evaluation index of mental fatigue. Based on single channel portable EEG signal acquisition equipment, fatigue detection algorithm is studied in this paper. The main work of the thesis is as follows: 1: 1. Most of the existing research on EEG related applications is based on multi-channel wet electrode acquisition equipment, which has some limitations, such as complex operation and high cost. In this paper, portable dry electrode acquisition equipment is used. A database of 100 people was collected and constructed, including three kinds of EEG signals of mental state: awake, mild fatigue and severe fatigue. The database can be used to train, test and evaluate fatigue detection algorithm. Two practical preprocessing methods of EEG signal are proposed. The first method uses 3Hz high-pass filter and 50Hz notch filter, which can meet the requirements of real-time and low computational complexity of fatigue detection algorithm. The second method adds the set empirical mode decomposition process to decompose the EEG signal and filter the artifacts, which can meet the requirement of higher accuracy. In this paper, the corresponding fatigue state characteristics of EEG signals are analyzed and experimented. A feature extraction framework using time-domain, frequency-domain, time-frequency and nonlinear dynamic analysis is constructed to extract 45 dimensional features. The characteristic dimension reduction is also carried out. According to the extracted EEG features, an EEG fatigue detection algorithm based on depth belief network (Deep Belief Network) is proposed, which uses 20-50-10-3 depth belief network as the classifier for fatigue detection. The accuracy rate of 92.55% has been achieved on the three mental state division tasks. By comparing DBN with traditional classifier and lifting method, the accuracy and universality of DBN as fatigue detection classifier are verified.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R318;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魯強;劉玉軍;徐建蘭;張進(jìn)祿;;一種適用于清醒動物腦電信號采集的固定裝置[J];首都醫(yī)科大學(xué)學(xué)報;2011年06期

2 ;腦電信號處理的研究取得階段性成果[J];河北師范大學(xué)學(xué)報;1987年01期

3 李志瑞;張文杰;;通用腦電信號處理——微機系統(tǒng)初探[J];河北師范大學(xué)學(xué)報;1988年Z1期

4 孟欣，歐陽楷;腦電信號的幾個非線性動力學(xué)分析方法[J];北京生物醫(yī)學(xué)工程;1997年03期

5 吳小培,馮煥清,周荷琴,王濤;獨立分量分析及其在腦電信號預(yù)處理中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2001年01期

6 李英遠(yuǎn),周衛(wèi)東;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在腦電信號建模中的應(yīng)用[J];山東生物醫(yī)學(xué)工程;2002年02期

7 劉大路,江朝暉,馮煥清,王聰;基于腦電信號時空分布信息的思維特征研究[J];北京生物醫(yī)學(xué)工程;2004年02期

8 許崇濤,沈民奮,李慧,朱國平;雙譜分析方法在腦電信號分析中的應(yīng)用[J];中國行為醫(yī)學(xué)科學(xué);2004年03期

9 湯曉軍,宋卓,楊卓,張濤;雙任務(wù)事件中腦電信號的熵計算(英文)[J];生物物理學(xué)報;2005年05期

10 蔣辰偉;章悅;曹洋;朱國行;顧凡及;王斌;;腦死亡與腦昏迷腦電信號的復(fù)雜度研究[J];生物物理學(xué)報;2008年02期

相關(guān)會議論文 前10條

1 薛蘊全;王秋英;王宏;;腦電信號的動態(tài)時空響應(yīng)拓?fù)鋱D[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統(tǒng)的研究[A];中國生理學(xué)會第21屆全國代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2002年

3 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

4 許濤;朱林劍;包海濤;;基于思維腦電信號的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

5 李愛新;孫鐵;郭炎峰;;基于人工神經(jīng)網(wǎng)絡(luò)的腦電信號模式分類[A];自動化技術(shù)與冶金流程節(jié)能減排——全國冶金自動化信息網(wǎng)2008年會論文集[C];2008年

6 童珊;黃華;陳槐卿;;混沌理論在腦電信號分析中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

7 李凌;曾慶寧;堯德中;;利用兩級抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

8 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

9 李麗君;黃思娟;吳效明;熊冬生;;基于運動想象的腦電信號特征提取與分類[A];中國儀器儀表學(xué)會醫(yī)療儀器分會2010兩岸四地生物醫(yī)學(xué)工程學(xué)術(shù)年會論文集[C];2010年

10 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

相關(guān)重要報紙文章 前1條

1 張文清　記者 王春;意念控制車速及左右轉(zhuǎn)彎前行[N];科技日報;2008年

相關(guān)博士學(xué)位論文 前10條

1 彭宏;普適化腦電信息感知關(guān)鍵問題的研究[D];蘭州大學(xué);2015年

2 吳玉鵬;AR譜在皮層癇樣腦電信號分析應(yīng)用[D];河北醫(yī)科大學(xué);2015年

3 馬小飛;認(rèn)知任務(wù)下的腦電動力學(xué)分析[D];南京大學(xué);2017年

4 吳畏;基于統(tǒng)計建模的多導(dǎo)聯(lián)腦電信號時空建模方法研究[D];清華大學(xué);2012年

5 孫宇舸;腦—機接口系統(tǒng)中腦電信號處理方法的研究[D];東北大學(xué);2012年

6 周群;腦電信號同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

7 趙麗;基于腦電信號的腦-機接口技術(shù)研究[D];天津大學(xué);2004年

8 李春勝;腦電信號混沌特性的研究與應(yīng)用[D];東北大學(xué);2011年

9 歐陽高翔;癲癇腦電信號的非線性特征識別與分析[D];燕山大學(xué);2010年

10 繆曉波;基于腦電信號的認(rèn)知動力學(xué)系統(tǒng)研究——線性/非線性方法及動態(tài)時—頻—空分析[D];重慶大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 李品yN;基于便攜式采集設(shè)備腦電信號的疲勞檢測算法研究[D];北京郵電大學(xué);2017年

2 于洪;基于腦電信號的警覺度估計[D];上海交通大學(xué);2007年

3 蔣潔;基于高性能計算的腦電信號分析[D];燕山大學(xué);2010年

4 張志琴;腦電信號的復(fù)雜性分析[D];中南大學(xué);2009年

5 許鳳娟;腦電信號采集與分析系統(tǒng)的設(shè)計[D];長春理工大學(xué);2011年

6 曹銘;意識障礙患者腦電信號的非線性動力學(xué)評價分析[D];杭州電子科技大學(xué);2012年

7 薛吉星;多通道腦電信號采集與處理系統(tǒng)研究[D];華南理工大學(xué);2015年

8 劉靜;基于加權(quán)排序熵的多通道腦電信號同步算法研究[D];燕山大學(xué);2015年

9 陳澤濤;基于腦電信號分析的AD早期評估系統(tǒng)的設(shè)計與實現(xiàn)[D];燕山大學(xué);2015年

10 王歡;基于非平穩(wěn)時間序列分析方法的腦電信號模式識別[D];蘇州大學(xué);2015年

，

本文編號：2218342