使用飞行员运动行为和EEG信息的融合检测和分析疲劳飞行特征

科学领域:

• 航空安全研究 航空安全研究
• 航空航天领域的人类因素
• 生物医学信号处理

背景情况:

• 飞行员疲劳对飞行安全构成重大风险.
• 现有的单一功能疲劳检测方法缺乏准确性和稳定性.

研究的目的:

• 为飞行员开发一种改进的疲劳分类方法.
• 通过整合生理和行为数据来增强疲劳识别.

主要方法:

• 提取了EEG能量比率 (α,β,θ,δ) 和前臂样本.
• 纳入欧勒角标准偏差和应用皮尔森相关性用于特征选择.
• 使用支持矢量机器 (SVM) 分类器进行疲劳分类.

主要成果:

• 拟议的方法实现了93.67%的测试准确性.
• 超越了现有的疲劳检测技术.
• 证明了计算成本的降低.

结论:

• 整合多个来源的生理和行为数据显著提高了疲劳检测的准确性和稳定性.
• 聚变方法改进了单一特征方法.
• 有助于更可靠的飞行员疲劳监测系统,提高飞行安全.