|
|
|
摘要 针对目前常用于脑电信号特征提取的方法存在不能很好地反映信号的连续性、内部动态变化,导致基于脑电信号的疲劳驾驶识别的准确性不理想的状况,一种基于函数型数据分析进行脑电信号特征提取的方法被提出。所提出的方法是通过计算人体在静息状态和疲劳状态的函数性差异来表示特征和进行特征的提取。基于所提出的脑电信号特征提取方法构建了1个疲劳驾驶状态识别模型,并通过使用5种常见分类器在采集的疲劳驾驶脑电信号数据上进行测试,结果表明所提出的基于函数型数据分析的脑电信号特征提取方法有效,所构建疲劳驾驶状态识别模型能获得好的识别效果,最好的识别准确率达到94.82%。
|
|
| 关键词 ：
函数型数据分析,
特征提取,
函数性差异,
脑电信号,
疲劳驾驶
|
|
|
| 基金资助:国家自然科学基金资助项目(61762045,61841201)； |
| [1] |
肖露欣李增祥马建陈克绪吴建华. 基于降噪自编码的电能质量扰动识别[J]. 南昌大学学报（理科版）, 2017, 41(06): 591-. |
| [2] |
仇恒志; 钟鼎苏. 一种视网膜血管的分割方法[J]. 南昌大学学报（医学版）, 2009, 51(01): 1-. |
| [3] |
李文; 王炜立. 中文文本理解技术在法律案情文本分类中的应用[J]. 南昌大学学报（工科版）, 2007, 29(01): 1-. |
| [4] |
胡瑢华; 刘国平; 余冰. 模糊指纹图像的特征提取[J]. 南昌大学学报（工科版）, 2002, 24(04): 1-. |
| [5] |
施可为; 胡文松. 一种新的神经网络分类系统[J]. 南昌大学学报（工科版）, 1997, 19(01): 1-. |
|
|
|
