机构名称：
¥ 1.0
王丽波 新加坡南洋理工大学电气与电子工程学院 ELPWang@ntu.edu.sg 摘要——从代表不同情境意识 (SA) 状态的脑电图 (EEG) 中提取受试者内和受试者间参数是客观情境意识识别的关键挑战。现有的大部分工作都集中在应用功率谱密度 (PSD) 特征的受试者相关分类上。在本文中，我们提出了一种用于跨受试者疲劳相关 SA 识别的新型频谱空间 (SS) 模型。SS 模型不仅考虑不同大脑区域的生物拓扑来捕捉不同 EEG 通道之间的局部和全局关系，而且还提取每个 EEG 通道的频谱特征。具体而言，我们首先通过基于 EEG 通道之间的欧几里得距离构建的邻接矩阵对 EEG 通道的拓扑结构进行建模。然后，采用图卷积运算执行邻域聚合以提取空间特征。我们在驾驶员执行任务期间收集的公共数据集上测试我们的模型。探索了模型的受试者独立性能。结果表明：（1）与最先进的脑电信号 SA 识别模型相比，我们的模型具有更优异的性能。具体而言，我们的 SS 模型实现了 70.6% 的准确率，比传统机器学习方法高 2.7%-6.8%，比深度学习方法高 10.3%-11.6%；（2）枕部脑电信号可以更好地反映 SA 的变化。
基于脑电图识别与情况相关的驾驶员状态...
主要关键词
相关文件推荐
