The invention discloses a pilot fatigue detection method based on EEG signals, including wavelet packet preprocessing based on brain wave signals, based on four rhythmic fatigue characteristics evaluation indexes of brain waves, and based on the depth contraction self encoding network to identify the pilot state and display the identified pilot's fatigue state. A wavelet packet is used to preprocess the collected EEG signals, and four kinds of rhythmic waves are extracted from the brain wave signal, and the reconstructed band signals are used as pure EEG signals to calculate the fatigue characteristics based on the power spectrum area of the four kinds of rhythmic waves. To identify pilots' status and identify the fatigue status of pilots identified. The invention is used to identify the fatigue state of pilots in airworthiness examination or high altitude flight, to monitor the fatigue state of pilots in real time, to ensure the pilot's safe flight, to design the pilot's load and to perfect the standard of airworthiness examination and approval.
【技术实现步骤摘要】
一种基于脑电信号的飞行员疲劳检测方法
本专利技术涉及飞行员脑电波信号脑区的选取及基于脑电波信号的飞行员疲劳状态识别
,尤其涉及到一种基于脑电信号的飞行员疲劳检测方法。
技术介绍
随着科技的进步以及飞行器自动化水平不断提高,因飞机发动机、操作平台等设备故障导致飞行事故的比例从上世纪中页的85%降到了如今的12%~21%,而因为操作者所导致的飞行事故占全部飞行事故的比例现已高达70%。据国际民航组织(InternationalCivilAviationOrganization,ICAO)的统计,人为因素在现代航空事故中所占的比例高达76%,其中飞行人员原因造成的事故占60%以上,与飞行员疲劳有关的事故占21%。因此,减少因飞行员疲劳造成的飞行事故,对航空安全具有重大意义。对于飞行员疲劳状态的识别,目前众多识别并未取得较好的实时性效果。申请号为CN201610846881.8、专利技术名称为一种基于脑电信号的驾驶疲劳的检测方法的专利申请,对脑电信号的分析只在频域分析,并且只提取了脑电的频域特征,而脑电信号是非平稳的信号,具有时频域的特征,该专利技术用小波包变换的方法对脑电信号进行处理,可以很好的保留脑电信号的时频域特征;该专利技术提取的脑电特征只有样本熵和不同节律平均功率的比值两种特征指标,不能很好的表征复杂的脑电信号。本专利技术使用深度学习的方法--稀疏自编码网络,对脑电信号进行无监督的特征提取,能最大程度的保留脑电信号的抽象特征,并且这些特征都是不相关的。申请号为CN201510808562.3、专利技术名称为基于人脸检测和人眼状态识别的疲劳检测方法的 ...
【技术保护点】
1.一种基于脑电信号的飞行员疲劳检测方法,其特征在于,包括如下步骤:步骤S1:对模拟飞行实验中飞行员的脑电信号进行采集,得到飞行员的脑电数据;步骤S2:使用小波包变换对采集到的脑电信号进行去噪处理,获得滤波去噪后的脑电信号;步骤S3:采用小波变换获得四个节律δ波、θ波、α波和β波,分别计算四个节律波的功率谱(Power Spectrum,PS)和功率谱面积如下:
【技术特征摘要】
2017.08.07 CN 20171066798231.一种基于脑电信号的飞行员疲劳检测方法,其特征在于,包括如下步骤:步骤S1:对模拟飞行实验中飞行员的脑电信号进行采集,得到飞行员的脑电数据;步骤S2:使用小波包变换对采集到的脑电信号进行去噪处理,获得滤波去噪后的脑电信号;步骤S3:采用小波变换获得四个节律δ波、θ波、α波和β波,分别计算四个节律波的功率谱(PowerSpectrum,PS)和功率谱面积如下:其中,PS(f)为功率谱函数,Σ求和表示功率谱曲线的面积,这样获得脑电疲劳评价的四个指标:(α+θ)/β,α/β,(α+θ)/(α+β)和θ/β;步骤S4:运用深度收缩自编码网络对脑电疲劳特征进行抽象特征提取,得到疲劳脑电的抽象特征;步骤S5:对飞行员疲劳状态进行分类识别,得到飞行员所处的疲劳状态。2.根据权利要求1所述的一种基于脑电信号的飞行员疲劳检测方法,其特征在于,步骤S1具体包括如下步骤:步骤S101:使用64个参考电极的BCI-2000系统,对飞行员的脑电信号进行采集,采集64通道的脑电信号;步骤S102:挑选出与疲劳相关的工作区域,选取的电极位置为Fp1的脑电数据,得到训练的样本集{(x(1),y(1)),…,(x(m),y(m))},其中,样本集表示经过处理的疲劳状态数据集,X表示疲劳特征向量,Y表示疲劳状态标签。3.根据权利要求2所述的一种基于脑电信号的飞行员疲劳检测方法,其特征在于,步骤S2具体包括如下步骤:步骤S201:确定小波和需要多少层进行分解,然后信号分解,提取频率低于32Hz的4种节律波段;步骤S202:小波包基最优化,根据一定的熵的规范,得出最优树;步骤S203:根据每个小波包的分解系数,选择合适的阈值,以便量化系数;步骤S204:按照最低层的小波包分解系数,和已经经过量化处理的系数,做小波包重构。4.根据权利要求3所述的一种基于脑电信号的飞行员疲劳检测方法,其特征在于,步骤S3具体包括如下步骤:步骤S301:分别计算θ波、α波和β波的功率谱;步骤S302:根据式(1),(2)和(3),分别计算四个疲劳评价指标:(α+θ)/β,α/β,(α+θ)/(α+β)和θ/β。5.根据权利要求3所述的一种基于脑电信号的飞行员疲劳检测方法,其特征在于,...
【专利技术属性】
技术研发人员:吴奇,韩霜,陈明健,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。