基于GRNN的可穿戴式脑电仪EEG疲劳检测

摘要：

针对单电极可穿戴式脑电仪的脑电波信号(EEG)的疲劳状态智能识别,进行了基于广义回归神经网络(GRNN)的疲劳状态检测的研究.首先,通过调查问卷调查用户主观疲劳量,结合疲劳检测手环实现EEG数据的疲劳等级标记以建立数据集;其次,采用数据清洗等方式实现数据预处理并提取数据的时域特征、频域特征;运用主元分析进行特征降维;然后,建立GRNN疲劳识别模型并计算识别准确率;同时以支持向量机(SVM)方法作为对比实验检验模型效果;最后,以建立好的GRNN模型进行疲劳检测.研究发现,GRNN模型下EEG疲劳状态识别准确率最高为88.1％,相比SVM模型更高,对于EEG的疲劳状态的检测具有更好的稳定性和区分度.

关键词：可穿戴式脑电仪(EEG)、疲劳检测、数据清洗、特征提取、广义回归神经网络、脑电波信号

所属期刊栏目：29

资助基金：国家自然科学基金91646205

在线出版日期：2019-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：266-273