基于小波包变换的精神疲劳多参数脑电分析

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 144-147.

• 数据库、信号与信息处理 • 上一篇下一篇

基于小波包变换的精神疲劳多参数脑电分析

王鹏1，2，陈民铀1，2，范昭勇3，高晋4，张莉1

1.重庆大学电气工程学院，重庆 400044
2.重庆大学输配电装备及系统安全与新技术国家重点实验室，重庆 400044
3.重庆电力公司，重庆 400015
4.重庆电力科学试验研究院，重庆 401123

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

Analysis of multiparameter electroencephalogram based on wavelet packet for mental fatigue

WANG Peng1，2，CHEN Minyou1，2，FAN Zhaoyong3，GAO Jin4，ZHANG Li1

1.College of Electrical Engineering，Chongqing University，Chongqing 400044，China
2.State Key Laboratory of Power Transmission Equipment & System Security and New Technology，Chongqing 400044，China
3.Chongqing Electric Power Corporation，Chongqing 400015，China
4.Chongqing Electric Power Research Institute，Chongqing 401123，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 研究脑力劳动和运动引起的精神疲劳与脑电特征参数之间的相关性，以及这些特征参数在不同状态下的变化规律。通过对两种精神疲劳状态以及不疲劳状态下采集的脑电信号进行小波包分析，提取出脑电各节律并计算脑电对数能量熵，定性分析了各特征参数与不同状态间的关联性。实验结果表明，相较于不疲劳状态而言，前额叶区的脑电各节律相对功率和脑电对数能量熵在两种精神疲劳状态下均有显著变化。因此，前额叶区的脑电各节律相对功率与脑电对数能量熵可以作为衡量精神疲劳的生理指标。

关键词: 小波包, 脑电, 精神疲劳, 节律提取, 对数能量熵

Abstract: This study is to find the relationships between mental fatigue and parameters of electroencephalogram（EEG），using wavelet packet analysis to calculate the Log energy entropy and to extract basic rhythms from EEG in the state of mental fatigue which is caused by brainwork and sports.Compared with normal state，the EEG from frontal pole of brain presents significant distinction on basic rhythms and log energy entropy in the state of fatigue resulted by brainwork and sports.As conclusion，the relative power in basic rhythms and the log energy entropy can be regarded as valid indices for measuring mental fatigue.

Key words: wavelet packet, Electroencephalogram（EEG）, mental fatigue, rhythm extraction, Log energy entropy

王鹏1，2，陈民铀1，2，范昭勇3，高晋4，张莉1. 基于小波包变换的精神疲劳多参数脑电分析[J]. 计算机工程与应用, 2011, 47(30): 144-147.

WANG Peng1，2，CHEN Minyou1，2，FAN Zhaoyong3，GAO Jin4，ZHANG Li1. Analysis of multiparameter electroencephalogram based on wavelet packet for mental fatigue[J]. Computer Engineering and Applications, 2011, 47(30): 144-147.

[1]	蔡冬丽，钟清华，朱永升，廖金湘，韩劢之. 三维输入卷积神经网络脑电信号情感识别[J]. 计算机工程与应用, 2021, 57(5): 161-167.
[2]	王凤琴，柯亨进. 卷积神经网络及其分析在抑郁症判别中的应用[J]. 计算机工程与应用, 2021, 57(5): 245-250.
[3]	王方，张雪英，胡风云，李凤莲. 集成分类器对脑卒中患者脑电的分类[J]. 计算机工程与应用, 2021, 57(24): 276-282.
[4]	罗渠，冯静雯，赖虹宇，李涛，邓伟，刘凯，张军鹏. 精神分裂症和抑郁症患者静息态脑电分类[J]. 计算机工程与应用, 2021, 57(13): 138-146.
[5]	沈潇童，毕卉，王苏弘，李文杰，邹凌. 抑郁症患者脑电导联选择算法及分类研究[J]. 计算机工程与应用, 2020, 56(22): 154-159.
[6]	周奕隽，李冬冬，王喆，高大启. 融合倒谱特征的脑电（EEG）情感分类[J]. 计算机工程与应用, 2020, 56(21): 164-169.
[7]	杜轻，辛守庭，雷新宇，于海涛. 基于脑网络和TSK模糊系统的癫痫脑电识别[J]. 计算机工程与应用, 2020, 56(2): 133-140.
[8]	周元，于明，黄炜嘉，李效龙. 能量熵与峰值窗口结合去除眼电伪迹研究[J]. 计算机工程与应用, 2020, 56(19): 168-175.
[9]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[10]	陈景霞，郝为，张鹏伟，谢佳. RSVP与SSVEP混合脑电信号刺激与多类事件检测[J]. 计算机工程与应用, 2020, 56(15): 132-139.
[11]	王众，章学良，刘亚群，周俊宇，单东升. 基于脑电传感器的面部动作识别研究[J]. 计算机工程与应用, 2020, 56(12): 182-186.
[12]	李世丹，朱晓军. 基于递归定量分析的视听脑电应用研究[J]. 计算机工程与应用, 2019, 55(9): 107-111.
[13]	张雪英，王薇蓉，孙颖，宋春晓. 面向脑电情感识别的改进多分类RVM模型研究[J]. 计算机工程与应用, 2019, 55(9): 112-117.
[14]	姚蓉1，杨雄1，杨鹏飞1，阴桂梅1，2，李海芳1. 精分EEG脑网络同步稳定性研究[J]. 计算机工程与应用, 2019, 55(5): 60-64.
[15]	胡章芳，崔婷婷，罗元，张毅，魏博. 基于CBLSTM算法的脑电信号特征分类[J]. 计算机工程与应用, 2019, 55(24): 110-116.

基于小波包变换的精神疲劳多参数脑电分析

Analysis of multiparameter electroencephalogram based on wavelet packet for mental fatigue

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics