科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 针对精神疲劳难于定量评估的问题，本文探索一种非侵入式可穿戴检测方法获取人体生理参数，从而实现对人体精神疲劳的定量评估。方法 搭建光电容积脉搏波（photoplethysmography,PPG）采集平台，采集20名健康在校生的PPG信号，对PPG信号进行预处理和特征提取，获取时域、频域共143维特征。使用机器学习算法建立分类模型，对于Pearson相关系数法、F检验和relief-F得到的特征权值，选择最优的特征子集，使用降维后的特征子集训练模型，减少复杂度和过拟合概率。结果 与实际状态对比，基于该方法的单个体疲劳检测平均准确率为92.48%，多个体疲劳检测准确率最大值为92.2%，可以有效地识别精神疲劳。结论 光电容积脉搏波信号经过时域和频域分析构建的特征能够使用机器学习算法进行准确的精神疲劳状态分类评估。
- 出版日期2023
- 单位自动化学院; 上海大学
