一种基于脑电微分熵的警觉度估计方法

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-04-07 合作期刊: 《计算机应用研究》

陈万 蔡艳平 李爱华 杨梅枝 姜柯

摘要： 为提高人员警觉度实时估计精度，提出了一种基于微分熵(DE)、改进滑动平均和双向二维主成分分析(TD-2DPCA)的警觉度实时估计方法。首先将总频带以某一带宽分解为多个子频带，在每个子频带提取DE；然后结合警觉度的时间动态特征对传统滑动平均方法进行了改进，利用改进滑动平均对DE进行了平滑处理；之后利用TD-2DPCA对DE进行降维，并采用最小二乘支持向量机(LS-SVM)建立特征矩阵与警觉度之间的回归模型，以实现警觉度的实时准确估计。最后利用SEED-VIG数据集进行了实验验证，结果表明，采用改进滑动平均和TD-2DPCA方法对数据进行处理可以提高警觉度估计的精度并降低估计时间；总频带在0-35HZ以内，分解带宽为1HZ或2HZ时，提取的DE进行警觉度估计能够达到最高的估计精度，Pearson相关系数约为0.91，RMSE约为0.09，优于现有的警觉度估计方法。

 点击量 303  下载量 139  评论