换一批前额单通道脑电信号的疲劳特征提取及分类算法
Fatigue feature extraction and classification algorithm of forehead single-channel electroencephalography signals
摘要针对前额单通道脑电信号特征提取能力不足,导致疲劳检测精度降低的问题,本文提出一种基于有监督对比学习的疲劳特征提取及分类算法.首先,通过经典模态分解对原始信号进行滤波,提高信噪比;其次,考虑到一维信号在信息表达上的局限性,利用有重叠采样将信号转换为二维结构,同时表达信号短期内和长期间变化;由深度可分离卷积构建特征提取网络,加速模型运算;最后,通过联合有监督对比损失与均方误差损失对模型进行全局优化.实验表明,该算法对三种疲劳状态分类的平均准确度可达75.80％,相较于其它先进算法均有较大幅度提高,显著提高了单通道脑电信号进行疲劳检测的准确性与可行性.本文研究为单通道脑电信号应用提供了有力支持,也为疲劳检测研究提供了新思路.
更多相关知识
关键词
单通道脑电信号驾驶疲劳检测特征提取有监督对比学习Single-channel electroencephalography signalDriving fatigue detectionFeature extractionSupervised contrastive learning
栏目名称
DOI
10.7507/1001-5515.202312026
发布时间
2024-09-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2017YFD0600904）
- 浏览0
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
