原文传递
基于人体多类生理信号特征的驾驶疲劳检测研究
| 论文题名： | 基于人体多类生理信号特征的驾驶疲劳检测研究 |
| 关键词： | 驾驶疲劳检测;生理信号;特征提取;特征融合 |
| 摘要： | 随着中国经济的不断提升，国民生活水平得到极大改善，驾车出行逐渐替代了原有的出行方式，因此，中国汽车保有量呈现出逐年递增的趋势。汽车数量的增加也给中国的道路交通带来了众多问题。研究表明，中国每年都会发生数万起交通事故，其中，驾驶疲劳是引发众多交通事故的主要原因之一，因此，有效检测驾驶疲劳对改善道路交通安全具有重要意义。本文利用人体多类生理信号特征综合检测驾驶员的驾驶疲劳，主要研究内容如下： （1）脑电信号特征提取。脑电信号被广泛应用于驾驶疲劳，能够直接反映驾驶员大脑活跃程度的变化。本文利用脑电特征检测驾驶员疲劳状态，首先，利用变分模态分解（Variational Mode Decomposition,VMD）算法将脑电信号自适应分解为多个本征模态函数（Intrinsic Mode Functions,IMF）分量，其次，根据各分量中疲劳成分的不同选取出最佳的IMF分量。然后利用最小二乘法确定提取疲劳特征最佳的尺度因子，根据所确定的尺度因子计算选择的最佳的本征模态函数分量的改进多尺度熵（Modified Multi-Scale Entropy,MMSE）。最后，将所提取的MMSE特征用以检测驾驶员的疲劳变化。 （2）心电信号与眼电信号特征提取。由于人体心率中嵌入了大量与人体精神状态相关的信息，因此，本文通过提取心电特征检测驾驶员的疲劳状态。首先，利用小波降噪方法对心电信号进行降噪处理，然后利用Panamp;Tompkins算法检测心电信号的R波位置，并计算心电信号的R-R间期。最后，利用近似熵算法计算心电信号R-R间期近似熵，并通过R-R间期近似熵特征检测驾驶员的精神状态。此外，由于人在执行眨眼动作时，信号波形的变化非常明显，因此，本文利用反向传播（back propagation,BP）神经网络提取驾驶员的眨眼次数，并根据眨眼频率变化判断驾驶员的疲劳状态。 （3）驾驶疲劳特征融合。由于单一特征中所包含的疲劳信息不足，驾驶疲劳检测准确性可靠性较低，融合特征通过不同特征之间的相互印证与补充，不仅提高了检测的准确性，同时检测的可靠性也得到有效保证。因此，本文在所提取的单一特征的基础上，利用因子分析方法将脑电信号特征、心电信号特征与眼电信号特征进行融合形成融合特征，最后，利用融合特征检测驾驶员的疲劳状态。此外，本文分别计算了脑电信号特征、心电信号特征、眼电信号特征与融合特征的离散度，并对各特征的离散度进行了对比分析，结果表明，融合特征的离散度小于单一特征的离散度，表明融合特征的数据分布更加集中，受个体差异及外界随机影响因素的影响较小。 |
| 作者： | 路斌 |
| 专业： | 机械工程 |
| 导师： | 王福旺 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北电力大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
