基于脑电微分熵的警觉度估计方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

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。（剩余14965字）

试读结束

目录
monitor
客服机器人