层次狄利克雷过程隐半马尔科夫模型识别飞行员脑疲劳状态
2020-07-15罗映雪裘旭益邓平煜
控制理论与应用 2020年6期
罗映雪,贾 博,裘旭益,邓平煜,吴 奇
(1.上海交通大学电子信息与电气工程学院,上海 200240;2.中国东方航空技术应用研发中心有限公司,上海 201700;3.中国航空无线电电子研究所,上海 200241)
1 引言
飞行员疲劳,也称为飞行疲劳,主要由飞行时间过长、精神状态紧张等多种不确定因素导致.飞行疲劳降低了飞行员的判断与决策能力,是飞行过程的潜在安全隐患[1-2].飞行疲劳的检测可分为主观方式与客观方式.主观方式通过飞行员填写的问卷来评估工作量负荷,进而给出对疲劳程度的判断,如美国宇航局使用任务负荷指数(task load index,TLX)作为工作量的评估指标[3];客观方式则通过记录飞行员的生理参数,如眼神追踪[4]、心率[5]等,给出疲劳状态的估计.脑电(electroencephalogram,EEG)信号作为对大脑活动的直接反映,包含了大量认知行为信息[6],是可靠的疲劳检测指标.因此,近年来,针对脑电信号进行疲劳评估已有一定研究,如动态贝叶斯网络[7]、卷积神经网络[8]、基于模糊特征的模糊分类器[9]等方法都被应用于脑电信号的检测与分类.然而这些方法都需要人为判断并标记信号的状态,标记的正确性直接影响最终识别结果的准确度.因此,建立一个分类模型,从原始EEG信号中推理飞行员脑疲劳状态,对于确保飞行安全有重要意义.
应用脑电信号来探测脑电信号疲劳状态主要包括2个步骤:1)提取节律特征并构造疲劳指标;2)依据疲劳指标对疲劳状态进行辨识.
不同的选取方式将很大程度上影响使用EEG信……
登录APP查看全文
