来源：期刊VIP网 时间：
作者：张光远;李莎;朱泊霖;王敬儒;秦诗雨;
单位：西南交通大学交通运输与物流学院;西南交通大学综合交通运输智能化国家地方联合工程实验室;西南交通大学综合交通大数据应用技术国家工程实验室;
摘要：为准确识别高铁调度员的工作状态，保障高铁安全运行，研究提出一种基于脑电-眼动多模态融合的高铁调度员疲劳状态识别方法。通过开展高铁调度模拟试验以采集数据，并利用脑电源定位技术提取5个脑叶的体素电流密度为脑电特征，分析不同工作状态下3个频段的脑电信号活动规律和变化规律。结合多模态融合方法，将脑电特征和眼动特征作为输入端，通过全连接层将其融合生成多模态特征。全连接层作为创建胶囊的替代解决方案，构建改进CapsNet疲劳状态识别模型。结果显示：大脑皮层神经电信号较为活跃的位置集中在额叶、顶叶和枕叶，且θ波的神经电活动强度最高、变化最明显；改进胶囊网络(Capsule Network, CapsNet)模型的最佳迭代次数为3,此时多模态融合特征疲劳状态识别准确率为92.75%,高于单一的脑电或眼动特征。
关键词：安全人体学;;疲劳状态识别;;脑电源定位;;多模态融合;;改进CapsNet模型;;高铁调度员
基金资助：国家自然科学基金面上项目(52472332);; 四川省自然科学基金面上项目(2024NSFSC0178);; 四川省高等教育人才培养质量和教学改革项目(JG2024-0291);; 西南交通大学本科教改项目(JG2024031)
