基于稀疏重表示的脑电信号检测方法

    公开(公告)号:CN102133100A

    公开(公告)日:2011-07-27

    申请号:CN201110051448.2

    申请日:2011-03-04

    Abstract: 一种信号检测技术领域的基于稀疏重表示的脑电信号检测方法,采用小波变换来提取与驾驶员的疲劳驾驶状态有关的脑电信号的频率特征信息,构建一个模板矩阵,对于任意外来的脑电信号序列,通过求解模板矩阵用来构建外来序列的稀疏解来实现对驾驶员处于不同驾驶状态的脑电信号进行分类的工作。本发明通过对驾驶员的不同驾驶状态的脑电信号频率能量进行分析可以有效判断出驾驶员当前是处于清醒状态、疲劳驾驶状态还是已经处于睡眠状态。

    基于连续小波变换的脑电信号警觉度检测方法

    公开(公告)号:CN102058413A

    公开(公告)日:2011-05-18

    申请号:CN201010571514.4

    申请日:2010-12-03

    Abstract: 一种信号处理技术领域的基于连续小波变换的脑电信号警觉度检测方法,采用小波函数得到脑电信号序列的小波系数的特征值作为特征集,再用随机森林法对特征集进行排序简化后使用样本训练支持向量机,并采用训练得到的支持向量机对脑电信号进行警觉度检测。本发明通过脑电信号的连续小波变换处理、基于小波系数计算和特征提取、基于随机森林的特征排序和选择以及支持向量机的训练和分类实现脑电信号的处理分析,来区分人的不同警觉度水平。

    基于连续小波变换的脑电信号警觉度检测方法

    公开(公告)号:CN102058413B

    公开(公告)日:2012-09-05

    申请号:CN201010571514.4

    申请日:2010-12-03

    Abstract: 一种信号处理技术领域的基于连续小波变换的脑电信号警觉度检测方法,采用小波函数得到脑电信号序列的小波系数的特征值作为特征集,再用随机森林法对特征集进行排序简化后使用样本训练支持向量机,并采用训练得到的支持向量机对脑电信号进行警觉度检测。本发明通过脑电信号的连续小波变换处理、基于小波系数计算和特征提取、基于随机森林的特征排序和选择以及支持向量机的训练和分类实现脑电信号的处理分析,来区分人的不同警觉度水平。

    基于分形特征的脑电信号处理及警觉度检测方法

    公开(公告)号:CN102106730A

    公开(公告)日:2011-06-29

    申请号:CN201110062821.4

    申请日:2011-03-16

    Abstract: 一种信号处理技术领域的基于分形特征的脑电信号处理及警觉度检测方法,通过在包括受试者在内的多个样本上采集多组脑电信号,然后分别为每组数据训练一个随机森林分类器;当需要进行受试者的警觉度预测时,再从受试者身上采集脑电信号后,使用与第一步相同的方法训练得到随机森林分类器,最后预测结果是所有随机森林的投票结果。本发明使用分形长度和最大分形长度进行警觉度预测比功率谱使用特征更少、准确率更高,通过多分类器投票方法进一步减少采集训练数据的时间。

    用于驾车司机警觉度测定的脑电信号识别检测方法

    公开(公告)号:CN101987017A

    公开(公告)日:2011-03-23

    申请号:CN201010548388.0

    申请日:2010-11-18

    Abstract: 一种信息处理技术领域的用于驾车司机警觉度测定的脑电信号识别检测方法,通过将脑电信号的测试段频域序列分频段计算最大相关度和特征值之间的最小冗余度后,采用基于高斯核的支持向量机方法通过对每段时间所处的警觉度状态进行分类,实现轻度瞌睡识别。本发明通过脑电信号识别人脑进入瞌睡之前的轻度瞌睡状态,来预测并防止警觉度的进一步下降。该方法有效地减少了警觉度分类阶段所处理的脑电特征数据,以较高的准确率识别出轻度瞌睡状态,并且可以在一定程度上克服信号采集阶段的干扰。

Patent Agency Ranking