針對目前高強(qiáng)度勞動人群頻繁猝死的情況,文中設(shè)計(jì)了一套基于單通道腦電信號（Electroencephalography,EEG）的疲勞檢測系統(tǒng),以實(shí)現(xiàn)對該類人群疲勞程度的準(zhǔn)確判定,起到預(yù)警效果。系統(tǒng)利用TGAM（ThinkGearm AM）腦電模塊采集原始EEG數(shù)據(jù),通過藍(lán)牙方式將數(shù)據(jù)傳送至上位機(jī),在上位機(jī)中提取EEG的4個基本節(jié)律成分（δ,θ,α,β）,以節(jié)律信號的相對頻帶能量作為表征疲勞狀態(tài)的腦電特征,并利用Fisher判別分析（Fisher Discriminant Analysis,FDA）和概率神經(jīng)網(wǎng)絡(luò)（Probabilistic Neural Network,PNN）兩種方法對腦電特征進(jìn)行分類,給出評估結(jié)果。實(shí)驗(yàn)結(jié)果表明,所設(shè)計(jì)的基于單通道EEG的疲勞檢測系統(tǒng)能夠?qū)崿F(xiàn)準(zhǔn)確率較高的疲勞狀態(tài)檢測。 

【文章來源】：計(jì)算機(jī)科學(xué). 2020,47(05)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

系統(tǒng)總體結(jié)構(gòu)

上位機(jī)界面

圖3 兩種不同狀態(tài)下EEG各節(jié)律相對能量隨時間的變化

【參考文獻(xiàn)】：
期刊論文
[1]基于腦電信號瞬時能量的情感識別方法[J]. 陳田,陳占剛,袁曉輝,鞠思航,任福繼.  計(jì)算機(jī)工程. 2019(04)
[2]基于動態(tài)離差平方和準(zhǔn)則的無監(jiān)督機(jī)器學(xué)習(xí)[J]. 肖枝洪,于浩,王一超.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(11)
[3]基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機(jī)接口系統(tǒng)的設(shè)計(jì)與研究[J]. 劉家樂,吳小培.  工業(yè)控制計(jì)算機(jī). 2011(05)
[4]基于核學(xué)習(xí)算法的駕駛精神疲勞分級研究[J]. 趙春臨,鄭崇勛,趙敏.  數(shù)據(jù)采集與處理. 2009(03)
[5]EEG柯爾莫哥洛夫熵測度用于精神疲勞狀態(tài)的研究[J]. 張連毅,鄭崇勛,李小平,沈開泉.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2007(02)



本文編號：3080996