深度稀疏自编码网络识别飞行员疲劳状态

• 作者: 储银雪 吴奇 裘旭益 陆智俊
• 来源期刊: 控制理论与应用
• 关键词: 飞行员疲劳 脑电信号 深度稀疏自编码网络 Softmax分类器
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 850-857
• 页数: 8页
• 字数: 5181字
• 语种: 中文
• DOI: 10.7641/CTA.2018.80011

摘要

针对飞行员疲劳状态识别的复杂性和准确性,提出一种基于脑电信号的深度学习模型.首先对飞行员脑电信号进行滤波分解,提取delta波(0.5～4 Hz)、theta波(5～8 Hz)、alpha波(7～14 Hz)、beta波(14～30 Hz),提取基于脑电节律波的频域特征,作为识别模型的输入向量.其次,将一种基于深度稀疏自编码网络–Softmax模型用于飞行员疲劳状态识别,并与单层的稀疏自编码网络–Softmax和传统方法主成分分析(PCA)–Softmax模型识别结果进行比较.最后,实验结果显示,针对飞行员疲劳状态识别问题,所建立的学习模型具有很好的分类识别效果,具有较好的工程推广价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	裘旭益		3	1	1.0	1.0
2	吴奇	上海交通大学电子信息与电气工程学院自动化系	14	11	2.0	2.0
6	储银雪	上海交通大学电子信息与电气工程学院自动化系	3	6	2.0	2.0
7	陆智俊	南京航空航天大学雷达成像与微波光子技术教育部重点实验室	4	4	1.0	2.0