-
题名一种基于脑电信号的疲劳驾驶检测方法
被引量：3
- 1
-
-
作者
王家曜
张震
宋光乐
马亮亮
-
机构
青岛大学自动化学院
山东省工业控制技术重点实验室
潍坊科技学院智能制造学院
哈尔滨工程大学烟台研究院
-
出处
《控制工程》
CSCD
北大核心
2024年第6期1091-1098,共8页
-
基金
国家自然科学基金资助项目(61903209)。
-
文摘
脑电信号一直被誉为疲劳检测的“金标准”,基于脑电信号的功率谱特征和微分熵特征,构建了基于Conformer和门控Transformer网络(gated Transformer network,GTN)的脑电信号分类器。引入深度可分离卷积,实现了基于脑电信号的疲劳检测方法。该方法使用SEED-VIG数据集进行验证,同时引入了其他主流时序分类模型作为对比。采用所提方法对疲劳状态进行分类时,准确率最高可达97.5%。通过混淆矩阵分析,证明了该方法识别各状态时都有很高的准确率。实验结果表明,微分熵特征在各分类器上的训练效果更好,相比其他模型,所提出的基于Conformer和GTN的分类器在4种特征处理数据集上的平均准确率达到96.2%,具有明显优势。
-
关键词
疲劳检测
脑电信号
深度学习
功率谱特征
微分熵特征
-
Keywords
Fatigue detection
electroencephalogram
deep learning
power spectral characteristic
differential entropy characteristic
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
