控制理论与应用

作者：储银雪,陆智俊,裘旭益,吴奇

单位：上海交通大学,上海航天八院所,中国航空无线电电子研究所,上海交通大学

关键词：飞行员疲劳；脑电信号；深度稀疏自编码网络；Softmax分类器

基金：国家自然科学基金(61671293,61473158,51705242), 上海浦江人才计划(15PJ1404300)

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（0.5~4Hz）、theta波（5~8Hz）、alpha波（7~14Hz）、beta波（14~30Hz），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。

来源：2019年第6期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第6期