基于BDPCA的驾驶员脑疲劳等级划分研究

摘要：

当人体产生疲劳状态时,大脑释放的脑电信号也会发生相应的变化.在以往对脑疲劳状态的研究中,研究者多从清醒与疲劳两种状态进行分析,忽略了对不同的疲劳状态程度的研究,且对不同疲劳状态划分的定义并不客观.针对脑疲劳状态等级划分研究不充分的问题,提出了一种基于非监督学习的聚类算法对疲劳状态等级进行客观性的划分.通过小波包分解提取脑电信号的节律能量和非线性特征作为特征向量,使用共同邻域参数(CNN)改进的DPCA聚类算法对提取到的特征向量进行分析训练.同时,使用贝叶斯准则(BIC)对类簇个数进行辅助判定.实验结果证明,改进后的BDPCA算法准确率可以达到85％以上,能够对脑电信号中表征的不同疲劳状态等级进行准确划分,实现了脑疲劳状态等级的客观性定义.

关键词：疲劳等级、脑电信号、小波包分解、密度峰值聚类、贝叶斯准则

所属期刊栏目：39

分类号：TP391.9(计算技术、计算机技术)

资助基金：吉林省科技发展计划项目20200401096GX

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：208-214