视觉诱发脑电信号的疲劳特征提取与识别研究

《视觉诱发脑电信号的疲劳特征提取与识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、广东工业大学硕士学位论文（工学硕士）视觉诱发脑电信号的疲劳特征提取与识别研究陈学强二○一八年五月分类号：学校代号：11845UDC：密级：学号：2111504104广东工业大学硕士学位论文（工学硕士）视觉诱发脑电信号的疲劳特征提取与识别研究陈学强指导教师姓名、职称：谢云教授专业或领域名称：控制科学与工程学生所属学院：自动化学院学院论文答辩日期：2018年5月29日ADissertationSubmittedtoGuangdongUniversityofTechnologyfortheDegreeofMasterofEngineeringScience(MasterofEngineer

2、ingScience)StudyonFeatureExtractionandRecognitionofVisualFatigueEEGSignalCandidate:XueqiangChenSupervisor:Prof.YunXieMay2018SchoolofAutomationGuangdongUniversityofTechnologyGuangzhou,Guangdong,P.R.China,510006摘要摘要在疲劳状态下工作生活会严重影响人们的健康和生命安全，并对其服务的人群也造成负面的影响。因此，客观地认识疲劳并对其监控，具有十分重要的意义。大脑是中枢神经系统的核心,

3、其电位活动的变化反映着疲劳状态的变化，因此利用脑电信号识别疲劳状态是一种有效的方法，与传统基于调查问卷和面部表情特征的疲劳识别技术相比，基于脑电信号疲劳状态识别更加可靠。脑电信号的产生包括自发和诱发，而在诱发脑电信号中，稳态视觉诱发电位以其操作简便，信息传输率高，无需训练等优点成为研究重点。本文正是基于稳态视觉诱发电位产生的视觉疲劳脑电信号进行研究，提取脑电信号在清醒阶段和疲劳阶段的特征，寻找可以有效识别视觉疲劳状态的脑电信号特征向量。文章的主要研究工作如下：1.文章设计了基于稳态视觉诱发电位的疲劳实验，分析实验中清醒和疲劳这2个阶段来研究基于SSVEP的疲劳脑电的检测。20名受试者

4、经过长时间反复的稳态视觉诱发电位刺激，产生视觉疲劳脑电信号。实验前后分别记录受试者的主观疲劳得分，作为主观统计的参考。对实验采集到的脑电信号运用独立成分分析方法进行预处理，去除眼电、肌电等伪迹。2.采用频谱分析和样本熵结合的方法，提取了视觉疲劳脑电信号的频域特征和非线性特征。频域特征方面，计算分析后发现脑电中的、节律的幅值以及/、()/的幅值在疲劳和清醒阶段呈现出显著的差异性。非线性特征方面，熵是反映时间序列信号的无序性和多频率分量的混沌水平的复杂度的一个度量，比较了近似熵和样本熵的特点，选用样本熵作为疲劳脑电的特征，同样，样本熵的值在疲劳和清醒阶段出现显著的差异，疲

5、劳阶段的样本熵值出现显著下降。3.运用支持向量机（SVM）作为疲劳脑电信号的分类器，将得到的三个导联的五组特征组合成15维的特征向量T传入到SVM中，结果表明，视觉疲劳特征参数T具有良好的可分性，分类准确率达到90%以上，可以作为判别疲劳状态的指标。关键词：脑电信号；稳态视觉诱发；视觉疲劳脑电；样本熵分析；支持向量机I广东工业大学硕士学位论文ABSTRACTWorkinginafatiguedstatecanseriouslyaffectpeople'shealthandlifesafety,alsohaveanegativeimpactonthepeopletheyserve.Th

6、erefore,itisofgreatsignificancetoobjectivelyunderstandfatigueandmonitorit.Thebrainisthecoreofthecentralnervoussystem,andchangesinitselectricalactivityreflectchangesinthestateoffatigue.Therefore,theuseofelectroencephalogram(EEG)signalstoidentifyfatigueisaneffectivemethod.Comparedwithtraditionalf

7、atigueidentificationtechniquesbasedonquestionnairesandfacialexpressions,theidentificationoffatiguesignalsbasedonEEGsignalsismorereliable.ThegenerationofEEGsignalsincludesspontaneousandevoked.Steady-statevisualevokedpotentials(SSVE