%0 Journal Article %A 罗映雪 %A 贾博 %A 裘旭益 %A 邓平煜 %A 任和 %A 吴奇 %T 基于Gamma深度信念网络的飞行员脑疲劳状态识别 %D 2020 %R 10.3969/j.issn.0372-2112.2020.06.003 %J 电子学报 %P 1062-1070 %V 48 %N 6 %X 飞行员疲劳状态识别面临两个重要问题,如何提取表征疲劳的特征以及如何对疲劳特征建模学习.首先提取脑电信号节律波,计算基于仿射伪平滑Wigner-Ville分布的瞬时频域信息,构建疲劳状态指标.其次,基于脑电信号各通道的周期性变化提出Gamma深度信念网络的疲劳状态分类算法,与采用卷积与池化运算的学习网络不同,Gamma深度信念网络没有将图像或信号按尺度分割,但在底部的隐藏层已经可以有效地学习特定区域的特征,且当层数增加时,可有效提取特征的区域增多,学习到的特征更为一般化.然后改进用于训练深度信念网络的Gibbs采样算法,提出向上向下Gibbs采样以推断网络参数.最后,实验结果显示,本文的Gamma深度信念网络在识别准确率、稳定性、迭代用时等方面均达到了令人满意的效果. %U https://www.ejournal.org.cn/CN/10.3969/j.issn.0372-2112.2020.06.003