基于可穿戴式脑电仪传感器的疲劳状态研究

• 作者: 周佳苹 张朋柱
• 来源期刊: 计算机应用研究
• 关键词: 脑电仪 疲劳智能识别 健康管理 特征选择 秩和检验 CART算法 probit回归
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 系统应用开发
• 页码范围: 2363-2366
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.08.030

摘要

为了实现疲劳状态智能识别,提出了基于可穿戴式脑电仪的疲劳识别健康管理方案,其首先需解决的问题是哪种频率的脑电波影响或呈现人体疲劳状态.研究采用Wilcoxon秩和检验、卡方检验、CART分类树和probit模型,分析δ脑电波(1～3 Hz)、θ脑电波(4～7 Hz)、α脑电波(8 ～13 Hz)、β脑电波(14～30 Hz)和疲劳的关系.研究发现α波、β波、θ波及(α+θ)/β、β/α在疲劳和不疲劳状态下的表现都有显著差异.这些脑电波变量可呈现人体疲劳状态的差异,帮助疲劳状态的识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张朋柱	上海交通大学安泰经济与管理学院	152	1491	20.0	30.0
2	周佳苹	上海交通大学安泰经济与管理学院	1	5	1.0	1.0