论文摘要
针对飞行员疲劳状态识别的复杂性和准确性,提出一种基于脑电信号的深度学习模型.首先对飞行员脑电信号进行滤波分解,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)、beta波(14~30 Hz),提取基于脑电节律波的频域特征,作为识别模型的输入向量.其次,将一种基于深度稀疏自编码网络–Softmax模型用于飞行员疲劳状态识别,并与单层的稀疏自编码网络–Softmax和传统方法主成分分析(PCA)–Softmax模型识别结果进行比较.最后,实验结果显示,针对飞行员疲劳状态识别问题,所建立的学习模型具有很好的分类识别效果,具有较好的工程推广价值.
论文目录
文章来源
类型: 期刊论文
作者: 储银雪,陆智俊,裘旭益,吴奇
关键词: 飞行员疲劳,脑电信号,深度稀疏自编码网络,分类器
来源: 控制理论与应用 2019年06期
年度: 2019
分类: 信息科技,基础科学,工程科技Ⅰ辑,工程科技Ⅱ辑
专业: 安全科学与灾害防治,航空航天科学与工程
单位: 上海交通大学电子信息与电气工程学院自动化系,南京航空航天大学雷达成像与微波光子技术教育部重点实验室,上海市空间智能控制技术重点实验室,中国航空无线电电子研究所
基金: 国家自然科学基金项目(61671293,61473158,51705242),上海浦江人才计划项目(15PJ1404300)资助~~
分类号: V328
页码: 850-857
总页数: 8
文件大小: 641K
下载量: 207
相关论文文献
- [1].国内外飞行员疲劳风险管理规章对比研究[J]. 民航学报 2019(01)
- [2].基于睡眠的飞行员疲劳测量方法对比研究[J]. 职业与健康 2014(13)
- [3].基于眼睛状态识别的军用直升机飞行员疲劳实时监测系统设计[J]. 电子测试 2019(23)
- [4].基于深度收缩自编码网络的飞行员疲劳状态识别[J]. 生物医学工程学杂志 2018(03)
- [5].基于深度收缩稀疏自编码网络的飞行员疲劳状态识别[J]. 控制与决策 2018(12)
- [6].民航飞行员疲劳生物数学模型研究与现状[J]. 职业与健康 2014(05)
- [7].基于改进TOPSIS方法的飞行员疲劳风险评价研究[J]. 中国安全生产科学技术 2012(02)
- [8].民航飞行员疲劳性亚健康的中医证候要素研究[J]. 航天医学与医学工程 2014(06)
- [9].飞行员疲劳监测中的人眼定位及状态判别研究[J]. 航空计算技术 2016(04)
- [10].厦航飞行部湖南中队正式成立[J]. 厦门航空 2017(12)
- [11].飞行员疲劳的影响因素及克服方法研究[J]. 科技资讯 2013(24)
- [12].民航飞行疲劳致因分析与对策研究[J]. 产业与科技论坛 2014(11)
- [13].高性能战斗机飞行员疲劳程度与血清铁蛋白、乳酸脱氢酶等指标的相关性[J]. 中国疗养医学 2020(05)
- [14].民航飞行员飞行疲劳体征的判别与安全对策综述[J]. 才智 2011(19)
- [15].歼击机飞行员疲劳及睡眠质量调查分析[J]. 华南国防医学杂志 2014(04)
- [16].陆海军直升机飞行员疲劳程度和心理健康水平调查与分析[J]. 人民军医 2014(05)
- [17].基于眼动仪的飞行员疲劳判定相关属性研究[J]. 计算机技术与发展 2014(06)
标签：飞行员疲劳论文; 脑电信号论文; 深度稀疏自编码网络论文; 分类器论文;