公开(公告)号：CN108937921A

公开(公告)日：2018-12-07

申请号：CN201810320573.0

申请日：2018-04-11

Applicant: 杭州电子科技大学

Inventor： 马玉良 ,  张淞杰 ,  武薇 ,  孟明 ,  罗志增

IPC: A61B5/0476 ,  A61B5/18

CPC classification number: A61B5/0476 ,  A61B5/18 ,  A61B5/7264

Abstract: 本发明公开了一种结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法。本发明包含以下步骤：1、使用脑电采集设备采集驾驶脑电信号；2、对采集到的脑电信号进行预处理，包括降频、降噪；3、对预处理后的信号通过结合经验模态分解和能量谱密度的特征提取方法提取特征；4、对提取的特征使用分类器进行分类学习、识别。本发明使用结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法对驾驶疲劳特征进行提取，可有效的提高后续的分类检测准确率。

公开(公告)号：CN107451651A

公开(公告)日：2017-12-08

申请号：CN201710632344.8

申请日：2017-07-28

Applicant: 杭州电子科技大学

Inventor： 马玉良 ,  张淞杰 ,  刘卫星 ,  佘青山

IPC: G06N3/00 ,  G06N99/00 ,  G06K9/62 ,  G06K9/00

CPC classification number: G06N3/006 ,  G06K9/00503 ,  G06K9/00523 ,  G06K9/00845 ,  G06K9/6267 ,  G06N99/005

Abstract: 本发明公开了一种基于粒子群优化的H-ELM的驾驶疲劳检测方法；具体为使用脑电采集设备采集驾驶脑电信号；对采集到的脑电信号进行预处理；对预处理后的数据加窗进行离散傅里叶变换；根据离散傅里叶变换后的数据求功率谱密度，并根据脑电信号的频带进行频带划分，以各频带的功率作为特征；对提取的特征使用多层学习超限学习机进行分类学习、识别；通过粒子群算法对超限学习机的分类、识别效果进行优化。本发明使用PSO优化后的H-HELM分类器对驾驶疲劳进行检测，可有效的提高分类检测准确率。