原文传递
基于脑/肌/眼电的疲劳驾驶检测技术的研究
| 论文题名： | 基于脑/肌/眼电的疲劳驾驶检测技术的研究 |
| 关键词： | 疲劳驾驶;检测技术;神经生物学;空间特性;情绪波动 |
| 摘要： | 疲劳是一种复杂的状态，表现为缺乏警觉性和精神、生理功能的降低，往往伴随着昏昏欲睡。驾驶员的疲劳是引起交通事故的重要因素。研究表明，交通事故伤亡中20％-30％是由疲劳引起的。近年来，驾驶员疲劳驾驶问题已受到世界各国越来越多研究人员的关注，其中针对疲劳驾驶检测方法而进行的研究更具重要的现实意义。 本文通过疲劳的神经生物学基础，进行了疲劳信号的空间特性的分析。基于空间特性，进行信号的特征提取。使用脑电(EEG)、眼电(EOG)、肌电(EMG)信号进行实时分析，并采用基于小波时频图和Hilbert-Huang变换(Hilbert-Huang Transform，HHT)的时频分析方法和Shannon熵、近似熵、样本熵的复杂度分析方法对驾驶疲劳进行检测和识别。结果显示出在不同的疲劳阶段这些时程变化的明确模式。 根据这些模式，本研究将疲劳程度分为:正常，轻度疲劳，情绪波动和极度疲劳四种状态。根据特征提取的效果，采用Shannon熵对EEG信号反映出的情绪波动进行分析，采用样本熵对EEG信号的疲劳时间进行分析，采用近似熵对EMG信号疲劳时间进行分析，采用小波时频尺度图对EOG信号的疲劳时间进行分析，用复杂度计算区分出有无驾驶经验，设计出综合算法提取三种信号的特征。设计多层神经网络分类器对提取出的特征进行分类。只使用EEG计算的正确率为94-96％左右，而同时使用EEG、EOG、EMG信号的正确率大约为97-99％。 |
| 作者： | 张驰 |
| 专业： | 机械电子工程 |
| 导师： | 王宏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
