【技術實現步驟摘要】
本專利技術屬于情境意識多級判別領域，具體而言，涉及一種基于多層感知機的情境意識多級判別系統和方法。
技術介紹
1、由人因事故導致的航空事故有88%與情境意識（situation?awareness，sa）差錯相關。情境意識的多級判別與在線探測成為該領域最新的研究問題之一，該技術問題的解決可有效支撐人員狀態類觸發的分工調整策略，起到提高人與系統安全和效能的作用。
2、目前圍繞人機交互條件下操控員情境意識等級判定系統研究尚存在以下三方面不足。第一，目前的大多數研究僅涉及整個實驗條件下的標簽構建，缺乏結合情境意識全面測量技術（situational?awareness?global?assessment?technology，sagat）對其凍結片段的細化標簽；第二，目前的大多數研究將所有特征輸入判別模型，缺乏采用統計學顯著性的篩選和優化嘗試；第三，大部分情境意識分級系統僅涉及高、低兩個等級，缺乏多等級判別系統。
3、為解決上述研究缺乏，設計出一種基于多層感知機的情境意識多級判別系統和方法，以應用于典型人機交互條件下操控員多個情境意識等級的判別，從而為人員狀態類觸發的分工調整策略設計提供支撐。
技術實現思路
1、針對以上缺陷，本專利技術提供了一種基于多層感知機的情境意識多級判別系統，包括用于提供模型輸入數據準備的數據準備模塊和用于人機交互條件下對操控員多個情境意識等級判別的多級sa判別模塊；
2、數據準備模塊包括eeg數據采集子模塊和多級sa敏感的ee
3、eeg數據采集子模塊通過腦電帽用于對操控員eeg信號的采集，還用于對采集的eeg信號的電極、凍結片段切分和顯著性篩選標準進行讀取或手動設置；
4、多級sa敏感的eeg特征讀入子模塊用于對被eeg數據采集子模塊采集到的凍結片段的特征計算，得到多級sa敏感的eeg特征；
5、多級sa判別模塊包括輸入特征預處理子模塊、多級sa判別模型的參數設置子模塊和多級sa判別輸出子模塊；
6、輸入特征預處理子模塊用于對得到的多級sa敏感的eeg特征依次進行歸一化和標準化處理，并輸出為預處理后的多級sa敏感的eeg特征；
7、多級sa判別模型的參數設置子模塊用于對多級sa敏感的eeg特征分別進行激活函數、正則化參數、隱藏層結構、學習率更新策略和優化算法設置，構建出多級sa判別模型；
8、多級sa判別輸出子模塊用于根據多級sa判別模型，判別并輸出操控員所處的多級sa水平。
9、進一步地，所述多級sa敏感的eeg特征讀入子模塊對采集的操控員eeg數據采用matlab軟件的eeglab工具包進行電極點定位、重參考、帶通濾波、獨立成分分析預處理，以及后期的eeg波段劃分、數據分析處理。
10、進一步地，所述多級sa敏感的eeg特征包括19個eeg特征，具體為：
11、α_f7即f7電極點的 α波絕對功率、α_fc4即fc4電極點的 α波絕對功率、α_ft8即ft8電極點的 α波絕對功率、σ1_f7即f7電極點的 σ1波絕對功率、σ1_f3即f3電極點的 σ1波絕對功率、σ1_f4即f4電極點的 σ1波絕對功率、σ1_fc4即fc4電極點的 σ1波絕對功率、σ1_ft8即ft8電極點的 σ1波絕對功率、σ1_t4即t4電極點的 σ1波絕對功率、σ2_f3即f3電極點的 σ2波絕對功率、σ2_f4即f4電極點的 σ2波絕對功率、σ2_fcz即fcz電極點的 σ2波絕對功率、σ2_fc4即fc4電極點的 σ2波絕對功率、σ2_ft8即ft8電極點的 σ2波絕對功率、σ2_c4即c4電極點的 σ2波絕對功率、σ2_t4即t4電極點的 σ2波絕對功率、σ2_cp4即cp4電極點的 σ2波絕對功率、β1_f3即f3電極點的 β 1波絕對功率、β3_c4即c4電極點的 β3波絕對功率。
12、進一步地，所述輸入特征預處理子模塊用于對得到的多級sa敏感的eeg特征依次進行歸一化處理的計算步驟為：
13、對19個多級sa敏感的eeg特征 x進行minmax歸一化處理，得到歸一化后的多級sa敏感的eeg特征 y；
14、對多級sa敏感的eeg特征 y進行zscore標準化，計算公式為：
15、；
16、上述公式中， z為標準化后的多級sa敏感的eeg特征，為 y中所有值的平均值， s為所有值的標準差。
17、進一步地，所述多級sa判別模型的參數設置子模塊中的網絡訓練的損失計算公式為：
18、；
19、上述公式中， i為類別的索引，為真實標簽，為預測概率，為模型的權重。
20、進一步地，本專利技術還公開了一種基于多層感知機的情境意識多級判別方法，包括上述的基于多層感知機的情境意識多級判別系統，還包括以下步驟：
21、s1、人機交互條件下的eeg信號的讀取或設置；
22、s1-1、通過eeg數據采集子模塊由腦電帽完成對操縱員腦電信號的采集并進行儲存；
23、s1-2、通過多級sa敏感的eeg特征讀入子模塊，用于對步驟s1中儲存的eeg信號進行eeg電極點位置、凍結片段切分和顯著性篩選標準的讀取或在顯示界面處進行手動設置；
24、s2、對于步驟s1-2中讀取出的腦電信號或手動設置后的腦電信號，通過多級sa敏感的eeg特征讀入子模塊進行eeg數據的計算，得到19個多級sa敏感的eeg特征的計算值，并顯示于顯示界面進行提交；
25、s3、將步驟s2計算出的計算值輸入至多級sa判別模塊后，得出操控員所處的多級sa等級；
26、s3-1、輸入特征預處理；
27、s3-1-1、通過輸入特征預處理子模塊對步驟s2得到的19個多級sa敏感的eeg特征的計算值依次進行minmax歸一化，得到19個歸一化后的多級sa敏感的eeg特征的計算值；...
【技術保護點】
1.一種基于多層感知機的情境意識多級判別系統，其特征在于：包括用于提供模型輸入數據準備的數據準備模塊和用于人機交互條件下對操控員多個情境意識等級判別的多級SA判別模塊；
2.如權利要求1所述的一種基于多層感知機的情境意識多級判別系統，其特征在于：所述多級SA敏感的EEG特征讀入子模塊對采集的操控員EEG數據采用MATLAB軟件的eeglab工具包進行電極點定位、重參考、帶通濾波、獨立成分分析預處理，以及后期的EEG波段劃分、數據分析處理。
3.如權利要求1所述的一種基于多層感知機的情境意識多級判別系統，其特征在于：所述多級SA敏感的EEG特征包括19個EEG特征，具體為：
4.如權利要求3所述的一種基于多層感知機的情境意識多級判別系統，其特征在于：所述輸入特征預處理子模塊用于對得到的多級SA敏感的EEG特征依次進行歸一化處理的計算步驟為：
5.如權利要求1所述的一種基于多層感知機的情境意識多級判別系統，其特征在于：所述多級SA判別模型的參數設置子模塊中的網絡訓練的損失計算公式為：
6.一種基于多層感知機的情境意識多級判別
...【技術特征摘要】
1.一種基于多層感知機的情境意識多級判別系統，其特征在于：包括用于提供模型輸入數據準備的數據準備模塊和用于人機交互條件下對操控員多個情境意識等級判別的多級sa判別模塊；
2.如權利要求1所述的一種基于多層感知機的情境意識多級判別系統，其特征在于：所述多級sa敏感的eeg特征讀入子模塊對采集的操控員eeg數據采用matlab軟件的eeglab工具包進行電極點定位、重參考、帶通濾波、獨立成分分析預處理，以及后期的eeg波段劃分、數據分析處理。
3.如權利要求1所述的一種基于多層感知機的情境意識多級判別系統，其特征在于：所...
【專利技術屬性】
技術研發人員：馮傳宴，汪雯，丁夢龍，周堯明，別大衛，李道春，
申請(專利權)人：天目山實驗室，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。