深度稀疏自編碼網絡識別飛行員疲勞狀態
作者：儲銀雪; 陸智俊; 裘旭益; 吳奇 上海交通大學電子信息與電氣工程學院自動化系; 上海200240; 南京航空航天大學雷達成像與微波光子技術教育部重點實驗室; 江蘇南京210016; 上海市空間智能控制技術重點實驗室; 上海201109; 中國航空無線電電子研究所; 上海200241
摘要：針對飛行員疲勞狀態識別的復雜性和準確性,提出一種基于腦電信號的深度學習模型.首先對飛行員腦電信號進行濾波分解,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)、beta波(14~30 Hz),提取基于腦電節律波的頻域特征,作為識別模型的輸入向量.其次,將一種基于深度稀疏自編碼網絡–Softmax模型用于飛行員疲勞狀態識別,并與單層的稀疏自編碼網絡–Softmax和傳統方法主成分分析(PCA)–Softmax模型識別結果進行比較.最后,實驗結果顯示,針對飛行員疲勞狀態識別問題,所建立的學習模型具有很好的分類識別效果,具有較好的工程推廣價值.
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
