基于無線腦-機(jī)接口的精神疲勞檢測(cè)系統(tǒng)研究.pdf

1、精神疲勞是由于長(zhǎng)時(shí)間的腦力勞動(dòng)或體力勞動(dòng)、精神壓力而逐漸積累形成的，其主要表現(xiàn)有睡眠質(zhì)量變差，記憶力下降，執(zhí)行能力降低，對(duì)工作產(chǎn)生厭倦感等。精神疲勞是一種常見的生理現(xiàn)象，是人體的一種保護(hù)性反應(yīng)，但若長(zhǎng)時(shí)間和反復(fù)性的出現(xiàn)精神疲勞，就會(huì)嚴(yán)重影響人們的健康，甚至?xí)l(fā)相關(guān)的安全事故，因此為了使這類悲劇不再發(fā)生，預(yù)防或緩解疲勞的問題迫在眉睫。然而，目前尚缺少有效檢測(cè)精神疲勞狀態(tài)的便攜式、可穿戴式精神疲勞檢測(cè)系統(tǒng)。本文針對(duì)這一問題展開了對(duì)基于無線

2、腦-機(jī)接口的精神疲勞檢測(cè)系統(tǒng)的研究。研究?jī)?nèi)容主要包括以下幾個(gè)方面：
　　1)精神疲勞腦電(EEG)特征提取方法的研究以及有效特征的選取。采用基于能量譜分析的算法提取了6種不同的EEG信號(hào)特征。通過對(duì)三種精神疲勞狀態(tài)下的這6種特征分別進(jìn)行三分類和三種二分類實(shí)驗(yàn)，比較了它們作為精神疲勞特征的有效性。實(shí)驗(yàn)結(jié)果表明了無論是在三分類實(shí)驗(yàn)還是二分類實(shí)驗(yàn)中，以(θ+α)/β作為特征能夠獲得最高分類正確率。
　　2)精神疲勞分類方法的研究。

3、引入了半監(jiān)督分類算法用于精神疲勞的分類識(shí)別，半監(jiān)督學(xué)習(xí)方法只需采用少量標(biāo)記的EEG信號(hào)訓(xùn)練初始分類器，并利用大量未標(biāo)記的EEG信號(hào)更新分類器，從而縮短受試者的訓(xùn)練時(shí)間，提高分類器性能和泛化能力。本文在傳統(tǒng)的自訓(xùn)練算法基礎(chǔ)上提出了改進(jìn)的自訓(xùn)練算法，通過增加分類器和篩選步驟來選擇未標(biāo)記樣本，擴(kuò)大訓(xùn)練集。并將改進(jìn)的自訓(xùn)練算法與傳統(tǒng)的自訓(xùn)練算法，以及Fisher判別分析(FDA)這種監(jiān)督算法用于精神疲勞分類的效果進(jìn)行了比較。分類結(jié)果表明改進(jìn)的自

4、訓(xùn)練算法比傳統(tǒng)的自訓(xùn)練算法的分類效果顯著提高，與 FDA相比，雖然分類正確率沒有顯著提高，但是極大地減少了使用的有標(biāo)記樣本數(shù)量。
　　3)基于無線腦-機(jī)接口技術(shù)的精神疲勞檢測(cè)系統(tǒng)的設(shè)計(jì)。本文設(shè)計(jì)的檢測(cè)系統(tǒng)是由無線EEG信號(hào)采集前端和精神疲勞在線檢測(cè)軟件組成。無線EEG信號(hào)采集前端能夠有效地實(shí)現(xiàn)多通道EEG信號(hào)的實(shí)時(shí)采集和無線傳輸；精神疲勞在線檢測(cè)軟件能夠有效地實(shí)現(xiàn)對(duì)實(shí)時(shí)采集的EEG信號(hào)的預(yù)處理，信號(hào)的存儲(chǔ)及波形展示，特征的提取及波

5、形展示，精神疲勞的在線評(píng)估及結(jié)果的展示等功能。與現(xiàn)有的檢測(cè)系統(tǒng)相比，本系統(tǒng)具有低功耗、低噪聲、良好的便攜性和實(shí)時(shí)性等優(yōu)點(diǎn)，符合當(dāng)前智能設(shè)備的發(fā)展趨勢(shì)。
　　4)精神疲勞在線檢測(cè)系統(tǒng)實(shí)驗(yàn)研究。在前面的算法研究以及精神疲勞檢測(cè)系統(tǒng)研究的基礎(chǔ)上，設(shè)計(jì)并實(shí)施了精神疲勞在線檢測(cè)實(shí)驗(yàn)。本文分別對(duì)2名受試者進(jìn)行了連續(xù)5天的精神疲勞在線檢測(cè)實(shí)驗(yàn)。該系統(tǒng)僅需1分鐘就能給出精神疲勞檢測(cè)結(jié)果，并且實(shí)驗(yàn)結(jié)果顯示系統(tǒng)對(duì)兩種精神疲勞狀態(tài)進(jìn)行在線檢測(cè)的準(zhǔn)確率可