基于脑波能量和样本熵的疲劳检测特征提取与分析

文/梅彦玲 重庆邮电大学 信息无障碍工程研发中心

摘要：针对现有的采用单一基于脑波能量或样本熵的特征提取算法对疲劳检测识别率不高的问题，提出一种结合能量和样本熵的特征提取方法。通过小波包分解系数动态的提取出疲劳状态及正常状态的能量特征和样本熵特征并将其组成6维特征向量，输入SVM分类器对两种状态进行分类，实验结果表明，结合能量和样本熵的特征提取方法明显优于仅采用能量或样本熵的特征提取方法，此项研究对基于脑波信号的疲劳检测提供了一种新的方法。

疲劳，虽然在主观上是一种疲乏无力的不适感觉。但是客观上会在同等条件下影响其完成原来所从事的工作或正常活动的能力[1-2]。人们进入疲劳状态往往意味着警觉性降低、注意力不集中、身体反应能力下降等[3-4]。脑电是大脑组织电活动的结果，可以综合反映大脑功能的状态。依据脑电信号作为疲劳程度的检测方法由于具有很好的客观性并且检验结果精确有效，被称为疲劳检测中的“黄金标准”[5

查看全文