CN113616219A - 一种用于飞行员驾驶状态自适应调整的方法 - Google Patents

一种用于飞行员驾驶状态自适应调整的方法 Download PDF

Info

Publication number
CN113616219A
CN113616219A CN202110872568.2A CN202110872568A CN113616219A CN 113616219 A CN113616219 A CN 113616219A CN 202110872568 A CN202110872568 A CN 202110872568A CN 113616219 A CN113616219 A CN 113616219A
Authority
CN
China
Prior art keywords
pilot
signals
blood oxygen
oxygen saturation
evaluation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110872568.2A
Other languages
English (en)
Other versions
CN113616219B (zh
Inventor
杜义浩
常超群
张延夫
杜正
曹添福
吴晓光
谢平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanshan University
Original Assignee
Yanshan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN202110872568.2A priority Critical patent/CN113616219B/zh
Publication of CN113616219A publication Critical patent/CN113616219A/zh
Application granted granted Critical
Publication of CN113616219B publication Critical patent/CN113616219B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Optics & Photonics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种用于飞行员驾驶状态自适应调整的方法，涉及疲劳和注意力分析预警技术领域。本发明的上位机主要负责接收脑电信号、肌电信号和血氧饱和度，同时进行注意力集中度和疲劳状态的评估，并将评估结果发送给下位机；本发明的下位机可以采集脑电信号、肌电信号和血氧饱和度，同时接收上位机的评估结果，控制微电流刺激手环中的电刺激控制器产生电刺激，帮助飞行员驾驶状态自适应调整。本发明将在高空环境下飞行员的血氧饱和度与肌电信号进行信息融合，提高疲劳状态评估的科学性和准确性，并过微弱的电流刺激，调整飞行员长时间驾驶导致的疲劳状态，提高其操作飞机时的注意力集中度，进而预防和减少飞行事故的发生。

Description

一种用于飞行员驾驶状态自适应调整的方法
技术领域
本发明涉及疲劳和注意力分析预警技术领域，尤其是一种用于飞行员驾驶状态自适应调整的方法。
背景技术
随着空中出行方式的普及，其危险性也逐渐增加，飞机失事屡见不鲜。究其事故原因，其中较大比例是由于飞行员操作失误导致，而飞行员疲劳和注意力不集中是造成操作失误的主要因素。同时，一名飞行员的训练成本几乎与飞机的价值相当。飞行员在长时间的驾驶过程中，不可避免地会进入疲劳状态和注意力分散状态，而且很难通过自身意志力去调整，进而容易出现误操作导致飞机事故，因此，如何通过外界手段检测飞行员驾驶状态，及时进行调整，可以有效减少由于飞行员驾驶状态不佳而造成的飞机事故。
发明内容
本发明需要解决的技术问题是提供一种种用于飞行员驾驶状态自适应调整的方法，提高疲劳状态评估的科学性和准确性，调整飞行员长时间驾驶导致的疲劳状态，提高其操作飞机时的注意力集中度，进而预防和减少飞行事故的发生。
为解决上述技术问题，本发明所采用的技术方案是：
一种用于飞行员驾驶状态自适应调整的方法，包括以下步骤：
实时获取飞行员驾驶状态下的脑电信号、操纵驾驶杆时的手臂表面肌电信号和空中飞行时的血氧饱和度值；
对脑电信号和肌电信号进行预处理，得到上述信号的特征信号，进行脑电信号和肌电信号特征分析，获取注意力集中度和血氧饱和度，进一步信息融合后进行注意力集中度和疲劳状态评估；
将注意力集中度和疲劳状态评估的评估结果作为是否控制电刺激控制器产生电刺激的判断指令。
本发明技术方案的进一步改进在于：通过意念脑波头带获取脑电信号，通过表面肌电传感器获取肌电信号，通过脉搏式血氧传感器获取血氧饱和度，设置有飞行员驾驶状态自适应调整评估系统，通过飞行员驾驶状态自适应调整评估系统中上位机的WIFI模块接收上述三种信号，同时进行注意力集中度和疲劳状态的评估。
本发明技术方案的进一步改进在于：所述血氧饱和度值的获取过程包括：
实时获取血氧饱和度数据；计算血氧饱和度均值；测定飞行员疲劳状态下的血氧饱和度阈值，并与通过多尺度卷积神经网络得到的肌力大小和肌肉活动度特征进行信息融合，作为疲劳状态评估的输入。
本发明技术方案的进一步改进在于：还包括微电流刺激手环，所述电刺激控制器设置在微电流刺激手环中，微电流刺激手环通过WIFI模块接收飞行员驾驶状态自适应调整评估系统中上位机评估结果的指令，并启动其电刺激功能，产生一个微弱的电流刺激飞行员；脉搏血氧传感器采用腕部固定式的结构，设置在微电流刺激手环腕带的内侧，佩戴上手环后通过腕部进行血氧饱和度的数据采集。
本发明技术方案的进一步改进在于：所述意念脑波头带为魔术贴软带式，意念脑波头带采集前额单点的脑电信号；意念脑波头带实时监测脑电波并通过WIFI模块发送数据到飞行员驾驶状态自适应调整评估系统中上位机的评估系统。
本发明技术方案的进一步改进在于：所述表面肌电传感器为腕带式结构，面肌电传感器缠绕在手臂肌肉上并采集手臂肌肉表面肌电信号，并通过WIFI模块将肌电信号发送给飞行员驾驶状态自适应调整评估系统中上位机评估系统。
由于采用了上述技术方案，本发明取得的技术进步是：
本发明结合三种检测信号进行综合评估，提高疲劳状态评估的科学性和准确性，提高飞行员移动自由度，提高设备佩戴舒适程度，调整飞行员长时间驾驶导致的疲劳状态，提高其操作飞机时的注意力集中度，进而预防和减少飞行事故的发生。
本发明将脑电信号、手臂表面肌电信号和血氧饱和度值三者结合，控制电刺激手环产生电刺激，克服了单方面脑电信号注意力集中度评估和单方面肌电信号疲劳状态评估的缺点，兼顾了飞行员注意力集中度和疲劳度的问题，提高了系统的整体性能，为飞行员驾驶状态的调整提供稳定的保障。
本发明采用意念脑波头带，佩戴舒适，实时采集脑电信息，给处于驾驶状态下的飞行员最大移动自由度；本发明将血氧饱和度和肌电信号信息融合，提高疲劳状态评估的科学性和准确性；本发明使用微电流控制器刺激皮肤，通过微电流就可以起到状态调整的作用，对飞行员不会产生伤害；本发明采用手环作为下位机，内置脉搏血氧传感器和电刺激控制器，减少资源的浪费，方便飞行员的佩戴；本发明采用无线收发信号的方式，给驾驶状态下的飞行员提供较大的自由度。
本发明实时获取血氧饱和度数据，计算血氧饱和度均值，测定飞行员疲劳状态下的血氧饱和度阈值，并与通过多尺度卷积神经网络得到的肌力大小和肌肉活动度特征进行信息融合，作为疲劳状态评估的输入，提高疲劳状态评估的科学性和准确性。
所述意念脑波头带协助用户在记录β脑电波时保持自然和自发的行为，提供最大的移动自由度，无需干预或密切关注，保证飞行员的正常驾驶操作。
附图说明
图1是本发明脑电采集设备结构示意图；
图2是本发明脑电采集设备的佩戴示意图；
图3是本发明肌电采集设备结构示意图
图4是本发明肌电采集设备的佩戴示意图；
图5是本发明微电流刺激手环结构示意图；
图6是本发明系统原理图；
图7是本发明多尺度卷积神经网络结构图；
其中，1、意念脑波头带，2、前额采集点，3、腕带式表面肌电传感器，4、桡侧腕屈肌，5、肱桡肌，6、尺侧腕屈肌，7、掌长肌，8、电刺激控制器，9、脉搏式血氧传感器。
具体实施方式
下面结合实施例对本发明做进一步详细说明：
如图1至图7所示，本发明阐述了一种用于飞行员驾驶状态自适应调整系统及其方法，系统原理图如图6所示，包括实时获取飞行员驾驶状态下的脑电信号、操纵驾驶杆时的手臂小臂表面肌电信号和血氧饱和度；其中对脑电信号进行ICA预处理，CCA分类后进行注意力集中度评估；对肌电信号进行预处理、多尺度卷积神经网络和特征提取，得到肌力大小和肌肉活动度，结合血氧饱和度进行疲劳状态评估；并根据评估结果作为电刺激控制器8的指令，控制产生电刺激。
本发明实施例中，如图7所示，所述多尺度卷积神经网络包含3组卷积层、3组池化层和一组全连接层，卷积层后使用P-Relu激活函数增强神经网络的表达能力。
本发明实施例中，如图1、图2所示，脑电信号的获取采用意念脑波头带1，肌电信号的获取采用表面肌电传感器，血氧饱和度的获取采用脉搏式血氧传感器9，通过飞行员驾驶状态自适应调整评估系统中上位机的WIFI模块接收上述三种信号，同时进行注意力集中度和疲劳状态的评估。
本发明实施例中，如6所示，计算血氧饱和度均值，测定飞行员疲劳状态下的血氧饱和度阈值，并与通过多尺度卷积神经网络得到的肌力大小和肌肉活动度特征进行信息融合，作为疲劳状态评估的输入，提高疲劳状态评估的科学性和准确性。
本发明实施例中，如图5所示，电刺激控制器8置于微电流刺激手环中，手环可以通过WIFI模块接收上位机评估结果的指令，并启动其电刺激功能，产生一个微弱的电流刺激飞行员。
本发明实施例中，如图5所示，所述脉搏血氧传感器9，采用腕部固定式的结构，放置在微电流刺激手环腕带的内侧，一旦佩戴上手环就可以通过腕部进行血氧饱和度的数据采集。
本发明实施例中，如图1、图2所示，所述意念脑波头带1采用魔术贴软带式设计，采集前额单点的脑电信号，让使用者感觉佩戴舒适；实时监测脑电波并通过WIFI模块发送数据到上位机评估系统，帮助用户在记录β脑电波时保持自然和自发的行为；提供最大的移动自由度，而无需干预或密切关注，保证飞行员的正常操作。
本发明实施例中，如图2、图3所示，所述肌电采集设备采用腕带式的结构，缠绕在手臂肌肉上，采集小臂的桡侧腕屈肌4，肱桡肌5，尺侧腕屈肌6，掌长肌7的手臂肌肉表面肌电信号，并通过WIFI模块将肌电信号发送给上位机评估系统。
本发明实施例中，所述系统包括以下步骤：
步骤1：意念脑波头带1采集相应的脑电信号，腕带式表面肌电传感器3同步采集相应的肌电信号，脉搏血氧传感器采集血氧饱和度数据，通过WIFI模块将采集数据发送至上位机评估系统。
步骤2：上位机评估系统对脑电信号ICA预处理和CCA分类，得到稳定的β波脑电信号，同时对肌电信号进行预处理，将处理后的肌电信号分别进行多尺度卷积神经网络和特征提取得到肌力大小和肌肉活动度。
步骤3：上位机评估系统得到β波脑电信号后进行注意力集中度评估；将肌力大小，肌肉活动度与血氧饱和度信息融合后进行疲劳状态评估，并将判断结果所生成的指令通过WIFI模块发送给微电流刺激手环。
步骤4：微电流刺激手环接收指令后，电刺激控制器8启动其电刺激功能，产生一个微弱的电流刺激。
本发明实施例中，结合图1，1为意念脑波头带1，2为前额采集点2，结合图2，3为腕带式表面肌电传感器3，采集飞行员前臂的肌肉，4为桡侧腕屈肌4，5为肱桡肌5，6为尺侧腕屈肌6，7为掌长肌7，结合图3，8为电刺激控制器8，9为脉搏式血氧传感器9，两者均置于微电流刺激手环内。
具体过程如下：
对飞行员进行空中环境模拟训练，通过血氧传感器采集其在训练过程中的血氧饱和度数据，计算血氧饱和度均值，得到疲劳状态下的血氧饱和度阈值。
飞行员佩戴意念脑波头带1采集前额的脑电信号，固定腕带式表面肌电传感器3同步采集小臂的桡侧腕屈肌4，肱桡肌5，尺侧腕屈肌6，掌长肌7的手臂肌肉表面肌电信号，脉搏血氧传感器实时获取血氧饱和度数据，通过WIFI模块将采集数据发送至上位机评估系统。
在上位机评估系统中，对脑电信号ICA预处理，自适应滤波去基线，50Hz陷波去工频干扰，高通滤波去直流分量，ICA为盲源分析方法，根据脑电信号的独立性和非高斯性，将伪影作为独立成分从脑电信号中分离出来。对于ICA估计算法采用FastICA算法：
根据零均值信号源S(t)的转化公式：
X(t)＝A*S(t) (1)
式(1)中，A是一个未知非奇异矩阵。可以观测到混合信号X。
对数据进行白化处理，得到白化数据Z。
设置合适的迭代次数，选择一个随机的初始列向量Ui。
计算迭代过程U*＝E{Zg(U'Z)}-E{g'(U'Z)}U，为保证各分量间互不相关，每次迭代后进行正交处理，
Figure BDA0003189738560000071
Ui＝Ui/||Ui||，若Ui不收敛，返回上一步。
重复迭代步骤，直到所有权值向量计算完毕。
其中，每次迭代计算出的Ui相当于权值列向量矩阵U的一列，即每次迭代过程结束后相当于分离出了一个独立信号源Yi。FastICA算法的收敛过程与样本容量有着紧密关系，若收敛效果较差，可以适当增加样本的数量。
得到ICA预处理后的脑电信号后对其进行CCA分类，CCA分类的实质就是对两组随机向量分别进行线性组合，得到各自的综合指标，从而简化变量的相关性分析过程。CCA的计算与线性相关系数密切相关：
已知两个样本向量x＝[x1,...,xn]T和y＝[y1,...,yn]T，二者的线性相关系数为：
Figure BDA0003189738560000072
式(2)中，Ex,Ey分别代表x，y的期望，若样本经过了均值化处理，则上式可以进一步描述为：
Figure BDA0003189738560000073
线性相关系数反映了两组变量x和y之间的线性相关程度。
CCA算法的目的就是将两组多维的数据投影到低维空间，从而找到具有最大相关性的若干组投影向量，通过向量的相关运算比较两组信号矩阵的相互关系通过对脑电信号的CCA计算，得到最大相关系数r，然后找出所有相关系数的最大值对应的分类，得到β波脑电信号。
在得到稳定的β波脑电信号后，对β波能量值分析，进行注意力集中度评估。评估等级至少包括注意力集中，注意力一般，注意力分散。
对肌电信号进行预处理，高通滤波去直流偏移和低频噪声，整流和归一化匹配数量级，低通滤波获取包络线。经预处理后的肌电信号分别利用多尺度卷积神经网络计算肌力大小，以及进行特征提取后获取肌肉活动度。
多尺度卷积神经网络包含3组卷积层(Conv)、3组池化层(Pool)和一组全连接层，卷积层后使用P-Relu激活函数增强神经网络的表达能力。P-Relu在Relu的基础上，引入学习参数γ，促使激活函数对训练数据更加敏感，提升神经元的学习精度，同时，对卷积层均进行补零操作为，提升了多尺度卷积神经网络对边缘数据的拟合能力。
选用最大池化来进行肌电信号降采样，得到肌力大小。
特征提取后，根据肌肉活动度公式：
Figure BDA0003189738560000081
式(4)中，up(t)表示第p块肌肉在t时刻经预处理，整流和归一化后的肌电信号，Ap为肌电信号和肌肉活动度之间的非线性参数，通常在-3到0之间。
在得到肌力大小和肌肉活动度后采用CCA进行分类并与血氧饱和度数值信息融合后进行疲劳状态评估。评估等级至少包括：重度疲劳、中度疲劳、轻度疲劳。
评估完成后，生成控制指令，电刺激控制器8产生相应的微电流，通过微电流刺激对飞行员的驾驶状态进行调整。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (6)

1.一种用于飞行员驾驶状态自适应调整的方法，其特征在于：包括以下步骤：
实时获取飞行员驾驶状态下的脑电信号、操纵驾驶杆时的手臂表面肌电信号和空中飞行时的血氧饱和度值；
对脑电信号和肌电信号进行预处理，得到上述信号的特征信号，进行脑电信号和肌电信号特征分析，获取注意力集中度和血氧饱和度，进一步信息融合后进行注意力集中度和疲劳状态评估；
将注意力集中度和疲劳状态评估的评估结果作为是否控制电刺激控制器产生电刺激的判断指令。
2.根据权利要求1所述的一种用于飞行员驾驶状态自适应调整的方法，其特征在于：通过意念脑波头带获取脑电信号，通过表面肌电传感器获取肌电信号，通过脉搏式血氧传感器获取血氧饱和度，设置有飞行员驾驶状态自适应调整评估系统，通过飞行员驾驶状态自适应调整评估系统中上位机的WIFI模块接收上述三种信号，同时进行注意力集中度和疲劳状态的评估。
3.根据权利要求1所述的一种用于飞行员驾驶状态自适应调整的方法，其特征在于：所述血氧饱和度值的获取过程包括：
实时获取血氧饱和度数据；计算血氧饱和度均值；测定飞行员疲劳状态下的血氧饱和度阈值，并与通过多尺度卷积神经网络得到的肌力大小和肌肉活动度特征进行信息融合，作为疲劳状态评估的输入。
4.根据权利要求2所述的一种用于飞行员驾驶状态自适应调整的方法，其特征在于：还包括微电流刺激手环，所述电刺激控制器设置在微电流刺激手环中，微电流刺激手环通过WIFI模块接收飞行员驾驶状态自适应调整评估系统中上位机评估结果的指令，并启动其电刺激功能，产生一个微弱的电流刺激飞行员；脉搏血氧传感器采用腕部固定式的结构，设置在微电流刺激手环腕带的内侧，佩戴上手环后通过腕部进行血氧饱和度的数据采集。
5.根据权利要求2所述的一种用于飞行员驾驶状态自适应调整的方法，其特征在于：所述意念脑波头带为魔术贴软带式，意念脑波头带采集前额单点的脑电信号；意念脑波头带实时监测脑电波并通过WIFI模块发送数据到飞行员驾驶状态自适应调整评估系统中上位机的评估系统。
6.根据权利要求2所述的的一种用于飞行员驾驶状态自适应调整的方法，其特征在于：所述表面肌电传感器为腕带式结构，面肌电传感器缠绕在手臂肌肉上并采集手臂肌肉表面肌电信号，并通过WIFI模块将肌电信号发送给飞行员驾驶状态自适应调整评估系统中上位机评估系统。
CN202110872568.2A 2021-07-30 2021-07-30 一种用于飞行员驾驶状态自适应调整的方法 Active CN113616219B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110872568.2A CN113616219B (zh) 2021-07-30 2021-07-30 一种用于飞行员驾驶状态自适应调整的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110872568.2A CN113616219B (zh) 2021-07-30 2021-07-30 一种用于飞行员驾驶状态自适应调整的方法

Publications (2)

Publication Number Publication Date
CN113616219A true CN113616219A (zh) 2021-11-09
CN113616219B CN113616219B (zh) 2022-08-16

Family

ID=78381846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110872568.2A Active CN113616219B (zh) 2021-07-30 2021-07-30 一种用于飞行员驾驶状态自适应调整的方法

Country Status (1)

Country Link
CN (1) CN113616219B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115137941A (zh) * 2022-06-21 2022-10-04 北京中科心研科技有限公司 一种基于疲劳识别模型和电刺激的应急唤醒方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103111020A (zh) * 2013-02-04 2013-05-22 东北大学 一种基于穴位电刺激的驾驶疲劳的检测缓解系统及方法
CN106314437A (zh) * 2016-08-30 2017-01-11 宇龙计算机通信科技(深圳)有限公司 一种预防疲劳驾驶装置及其方法、智能手环
CN106650636A (zh) * 2016-11-30 2017-05-10 同济大学 一种基于脑机接口的驾驶警觉度实时监测装置及方法
CN107714036A (zh) * 2017-09-28 2018-02-23 清华大学深圳研究生院 一种具有脑电信号采集系统的头带结构
CN108785997A (zh) * 2018-05-30 2018-11-13 燕山大学 一种基于变导纳的下肢康复机器人柔顺控制方法
CN109222969A (zh) * 2018-10-31 2019-01-18 郑州大学 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统
CN109850158A (zh) * 2019-03-29 2019-06-07 中国人民解放军第四军医大学 一种飞行员疲劳预警座椅
US10376198B1 (en) * 2017-11-10 2019-08-13 Rockwell Collins, Inc. Pilot fatigue and attention tunneling using biometric monitoring
CN112245756A (zh) * 2020-10-16 2021-01-22 郑州大学 一种基于单通道脑电的注意力训练方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103111020A (zh) * 2013-02-04 2013-05-22 东北大学 一种基于穴位电刺激的驾驶疲劳的检测缓解系统及方法
CN106314437A (zh) * 2016-08-30 2017-01-11 宇龙计算机通信科技(深圳)有限公司 一种预防疲劳驾驶装置及其方法、智能手环
CN106650636A (zh) * 2016-11-30 2017-05-10 同济大学 一种基于脑机接口的驾驶警觉度实时监测装置及方法
CN107714036A (zh) * 2017-09-28 2018-02-23 清华大学深圳研究生院 一种具有脑电信号采集系统的头带结构
US10376198B1 (en) * 2017-11-10 2019-08-13 Rockwell Collins, Inc. Pilot fatigue and attention tunneling using biometric monitoring
CN108785997A (zh) * 2018-05-30 2018-11-13 燕山大学 一种基于变导纳的下肢康复机器人柔顺控制方法
CN109222969A (zh) * 2018-10-31 2019-01-18 郑州大学 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统
CN109850158A (zh) * 2019-03-29 2019-06-07 中国人民解放军第四军医大学 一种飞行员疲劳预警座椅
CN112245756A (zh) * 2020-10-16 2021-01-22 郑州大学 一种基于单通道脑电的注意力训练方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115137941A (zh) * 2022-06-21 2022-10-04 北京中科心研科技有限公司 一种基于疲劳识别模型和电刺激的应急唤醒方法及系统
CN115137941B (zh) * 2022-06-21 2024-05-03 北京中科心研科技有限公司 一种基于疲劳识别模型和电刺激的应急唤醒方法及系统

Also Published As

Publication number Publication date
CN113616219B (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
CN104173124B (zh) 一种基于生物信号的上肢康复系统
Pancholi et al. Improved classification scheme using fused wavelet packet transform based features for intelligent myoelectric prostheses
US9211078B2 (en) Process and device for brain computer interface
KR102096565B1 (ko) 움직임 상상 뇌신호 인식을 위한 웨이블릿 변환 기반의 컨볼루션 신경망 분석 방법
KR101238780B1 (ko) 준비전위기반 뇌-컴퓨터 인터페이스 장치 및 방법
US20070179396A1 (en) Method and System for Detecting and Classifying Facial Muscle Movements
CN114748080B (zh) 一种感觉运动功能的检测量化方法和系统
CN111544256A (zh) 基于图卷积和迁移学习的脑控智能全肢体康复方法
CN107822629A (zh) 四肢表面肌电轴的检测方法
CN113871028A (zh) 一种基于肌电智能穿戴的交互式康复系统
CN113616219B (zh) 一种用于飞行员驾驶状态自适应调整的方法
CN115568866A (zh) 一种神经损伤的评价系统及其方法
CN114557708A (zh) 基于脑电双特征融合的体感刺激意识检测装置和方法
CN113064493A (zh) 一种基于脑电信号的无人机紧急状况检测方法与系统
CN106264570B (zh) 实时监测戒毒者心瘾状态的方法、装置及系统
Liu et al. Detection of lower-limb movement intention from EEG signals
CN117332259A (zh) 基于信息融合的运动想象脑机接口时频组合优化方法
CN115670481B (zh) 意识关联康复机器臂运动意愿提取及协同控制方法
CN112998711A (zh) 一种基于可穿戴装置的情绪识别系统及方法
Ji et al. Stationary wavelet-based two-directional two-dimensional principal component analysis for EMG signal classification
CN110705656A (zh) 一种基于eeg传感器的面部动作识别方法
Planelles et al. First steps in the development of an EEG-based system to detect intention of gait initiation
CN114903445A (zh) 一种心脑血管疾病智能监测预警系统
Sburlea et al. Predicting EMG envelopes of grasping movements from EEG recordings using unscented kalman filtering
CN112656430A (zh) 基于站立位失衡诱发脑电的卒中平衡康复评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant