智能可穿戴疲劳监测及预警系统

为实现精神疲劳状态的客观量化连续监测,本研究基于心率变异性的特征信息,研究了不同疲劳状态的量化识别方法。设计实验采集了不同疲劳状态下的心电信号,采用小波变换去除噪声干扰,提取了心率变异性的时域、频域等特征参数,并对所提取的特征参数对比分析以构建支持向量机等多种分类模型,最终利用支持向量机算法实现了正常、疲劳、嗜睡三种不同程度的精神状态分类。结果表明,本方法对于疲劳状态识别具有较高准确性,通过优化支持向量机的参数,对于不同疲劳状态的识别精度可超过80%。将此技术运用到日常生活中,可对人的主观疲劳状态进行客观化评价,在交通、教育、医学监护等方面具有重要的研究意义和应用前景。