基于小波变换与多项指标的疲劳驾驶检测应用

为了对疲劳驾驶的脑电进行研究,本文收集数据并利用小波变换在实验数据中提取α波、β波、θ波和δ波这4种频段的均幅值和(α+β)/β、α/β、(δ+α)/(α+β)、(α+β)/θ共8项合成指标集成为脑电特征参数。通过KPCA提取贡献率90%以上的主元特征信息形成特征集合,并将特征信息输入最小二乘支持向量机(LSSVM),建立KPCA-LSSVM预测模型并对比其他4种模型试验,最终求得该模型平均正确率达到89. 47%,通过实验表明了该实验的有效性及在数据处理速度上的优势。