基于GRNN的可穿戴式脑电仪EEG疲劳检测

• 作者: 张兆瑞 张朋柱 赵群飞
• 来源期刊: 高技术通讯
• 关键词: 可穿戴式脑电仪(EEG) 疲劳检测 数据清洗 特征提取 广义回归神经网络 脑电波信号
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 先进制造与自动化
• 页码范围: 266-273
• 页数: 8页
• 字数: 4029字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2019.03.008

摘要

针对单电极可穿戴式脑电仪的脑电波信号(EEG)的疲劳状态智能识别,进行了基于广义回归神经网络(GRNN)的疲劳状态检测的研究.首先,通过调查问卷调查用户主观疲劳量,结合疲劳检测手环实现EEG数据的疲劳等级标记以建立数据集;其次,采用数据清洗等方式实现数据预处理并提取数据的时域特征、频域特征;运用主元分析进行特征降维;然后,建立GRNN疲劳识别模型并计算识别准确率;同时以支持向量机(SVM)方法作为对比实验检验模型效果;最后,以建立好的GRNN模型进行疲劳检测.研究发现,GRNN模型下EEG疲劳状态识别准确率最高为88.1％,相比SVM模型更高,对于EEG的疲劳状态的检测具有更好的稳定性和区分度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵群飞	上海交通大学自动化系系统控制与信息处理教育部重点实验室	58	494	12.0	17.0
2	张朋柱	上海交通大学安泰经济与管理学院	152	1491	20.0	30.0
3	张兆瑞	上海交通大学自动化系系统控制与信息处理教育部重点实验室	1	1	1.0	1.0