基于多生理信号的飞行警戒疲劳检测

扫码查看

原文链接

万方数据
维普

中文摘要：为预防事故发生,保障飞行安全,提出一种基于多生理信号和支持向量机(SVM)的飞行警戒疲劳检测方法,识别飞行员飞行警戒中的疲劳状态.首先,研究疲劳评价与检测方法,并基于自主开发的飞行警戒测试系统与多导生物反馈仪和眼动仪搭建试验平台;然后,采集飞行警戒作业中的心电、眼动、呼吸等多生理信号和主观疲劳自评值;再次,通过配对样本的非参数检验,提取敏感生理指标,并以此作为特征向量,通过机器学习训练,构建基于多生理信号和SVM的疲劳检测模型;最后,依据受试者工作特征(ROC)曲线和模型准确率,对比分析各疲劳检测模型的效果.结果表明:在飞行警戒疲劳状态下,作业者的多项生理指标均有显著变化;心电、眼动和呼吸等多生理信号融合较单一信号的疲劳检测效果好,其ROC曲线下面积为0.802.基于高斯径向基核函数(RBF)构建的疲劳检测模型训练及预测准确率可达93％和87.50％.基于多生理信号和SVM方法可以实现对飞行警戒疲劳状态的检测.

外文标题：Flight alert fatigue detection based on multi-physiological signals

作者：

李丽、曹玉宽、陈瑶、赵营、齐金浩

展开 >

作者单位：

中国民航大学安全科学与工程学院,天津300300

关键词：

多生理信号飞行警戒疲劳眼动指标支持向量机(SVM) 受试者工作特征(ROC)曲线

基金：

中央高校基本科研业务费项目

项目编号：

3122018F009

出版年：

2023

DOI：

10.16265/j.cnki.issn1003-3033.2023.02.0305

中国安全科学学报

中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心

影响因子：1.548

ISSN：1003-3033

年,卷(期)：2023.33(2)

参考文献量5