基于EEG信号特征的脑力疲劳快速检测方法研究

作者：张朋; 周前祥; 于洪强; 王川

来源：北京航空航天大学学报, 2021, 1-10.

DOI：10.13700/j.bh.1001-5965.2021.0211

• 脑力疲劳
• EEG
• 脑电特征
• 随机森林
• 检测模型

空间站飞行过程中航天员容易产生脑力疲劳，它是影响作业效率和引起失误的主要因素。为此，研究人体脑力疲劳的快速检测方法，将有利于保障在轨运行安全。脑电波（Electroencephalogram， EEG）的特征变化能够反映出大脑疲劳状态，但现有EEG方法分析脑力疲劳时需要多个导联的信号，这严重限制了它在空间站环境中的实际应用。本研究通过地基实验，采用36时睡眠剥夺的方式成功诱发出45名受试者的多种脑力疲劳状态。针对EEG信号的非平稳性，设计的8层db4小波变换结构，有效分解出了δ、θ、α和β脑节律波。首先，使用方差分析（Analysis of Variance， ANOVA）和Logistic回归筛选出了脑力疲劳敏感特征。然后，依据脑力疲劳敏感特征数量进一步筛选出了脑力疲劳敏感导联，应用6个敏感导联的特征分别构建了随机森林回归模型。最后，加权融合6个导联处的回归模型，形成脑力疲劳快速检测模型，其平均精确率高达85.25%。

• 单位
  北京航空航天大学