基于GRNN的可穿戴式脑电仪EEG疲劳检测

作者：张兆瑞; 赵群飞; 张朋柱^*

来源：高技术通讯, 2019, 29(03): 266-273.

• 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

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。

• 单位
  系统控制与信息处理教育部重点实验室; 上海交通大学