基于脑电信号组合熵特征的驾驶疲劳检测分析
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1000-8519.2022.13.012

基于脑电信号组合熵特征的驾驶疲劳检测分析

引用
驾驶疲劳是驾驶员的常见职业危害,驾驶疲劳检测对运输安全具有重要意义.在本研究中,采用样本熵(sample entropy,SE)和近似熵(approximate entropy,AE)对脑电(EEG)进行特征提取,分别把两种熵组合特征和单一熵特征输入分类器进行驾驶疲劳识别.运用4种经典的分类器:K最邻近(KNN)、决策树(DT)、提升树(Adaboost)和支持向量机(SVM)对组合熵特征集和单一特征进行识别分析比较.实验结果表明:驾驶疲劳程度增加,SE和AE显著降低,两种非线性指标均是驾驶疲劳的敏感特征指标;4种分类器均可有效识别驾驶疲劳状态,KNN分类器的识别性能最佳;组合熵特征集识别精度比单一熵特征更高,其中KNN分类器组合特征模型在FP1通道的疲劳识别的平均准确率可达92.8%.基于单通道EEG组合熵检测驾驶疲劳具有较好的稳定性和鲁棒性,具有广泛的应用前景.

驾驶疲劳、脑电信号、熵、分类器

X910(安全科学基础理论)

武警部队装备军内科研项目WJ2020A020047

2022-09-09(万方平台首次上网日期,不代表论文的发表时间)

共5页

43-47

相关文献
评论
暂无封面信息
查看本期封面目录

电子测试

1000-8519

11-3927/TN

2022,(13)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn