一种基于EEG信号的飞行员情绪分类方法

本发明提供了一种基于EEG信号的飞行员情绪分类方法，通过采集飞行员在飞行模拟任务中的EEG信号，对EEG信号进行自适应滤波、数据标准化和分割等预处理操作，提取包括功率谱密度、微分熵、相干性和相位同步性等多种特征并融合，构建包含输入层、递归多项式层和输出层的递归多项式网络。递归多项式层中多项式单元的输出与上一时刻状态相关，通过特定公式计算输出并更新状态。模型采用交叉熵损失函数和Adam优化算法训练，依据准确率、召回率等指标评估优化，最终实现对飞行员情绪的分类。本发明能够全面准确地识别飞行员情绪状态，在飞行安全监测、任务分配和心理健康管理等方面具有重要应用价值。