疲勞駕駛是現階段導致交通事故發(fā)生的重要因素之一。本文研究分析駕駛員正常狀態(tài)和疲勞狀態(tài)下的不同前額腦電,提出了一種經驗模態(tài)分解下自適應多尺度熵的腦電特征提取算法。所提出的算法是基于前額2個導聯(lián)數據進行分析的,采集這2個導聯(lián)的腦電數據不僅能有效地降低導聯(lián)信號受毛發(fā)等因素的影響,而且基于前額導聯(lián)設計出來的采集裝置易于攜帶、實用性強。在這些數據基礎上,針對腦電熵特征提取的尺度信息難于確定以及疲勞駕駛狀態(tài)分類研究中存在分類準確率不理想問題。論文研究了在經驗模態(tài)分解下如何選擇自適應尺度重構腦電數據進行腦電分析,以便能提高分類準確率。論文主要的工作和創(chuàng)新點如下:(1)針對現有的腦電多尺度熵算法中存在尺度信息難于確定的問題。本文研究如何自適應的獲取尺度來計算多尺度熵以提高疲勞駕駛檢測的準確率,提出了一種自適應獲取尺度因子(ASF)的方法。通過數據集的測試實驗表明,使用ASF方法獲得的尺度因子重構信號后計算得到的自適應多尺度熵特征對疲勞駕駛檢測的準確率相對于單尺度下對疲勞駕駛的檢測率有顯著的提高。(2)考慮腦電信號具有非線性特征,而使用經驗模態(tài)分解技術分解信號,研究如何選擇信號分解的模態(tài)分量來計算尺度熵...

【文章頁數】：65 頁

【學位級別】：碩士

【部分圖文】：

圖2.1人腦四種頻率波段

圖2.1人腦四種頻率波段2.1.2腦電的采集電極放置位置腦電采集用到的電極帽一般是按照標準的10-20國際標準系統(tǒng)電極位置放置[49]。它主要按照測試者腦顱的比例大小放置電極，所有電極的標準位置應當覆蓋頭部所有的部位，其位置如圖2.2所示，圖2.210-20國際標....

圖2.210-20國際標準系統(tǒng)電極位置

第2章腦電信號及相關理論簡介圖2.1人腦四種頻率波段2.1.2腦電的采集電極放置位置腦電采集用到的電極帽一般是按照標準的10-20國際標準系統(tǒng)電極位置放置[49]。它主要按照測試者腦顱的比例大小放置電極，所有電極的標準位置應當覆蓋頭部所有的部位，其位置如圖2.2所....

圖3.3自適應尺度算法流程圖

圖3.3自適應尺度算法流程圖驟中，步驟(3)采用的方法是[71]改進的Lempel-Ziv算，該算法包括以下兩步：信號的二值化閾值，其中￠為節(jié)點數，為除去最平均值。即：....

圖3.4自適應多尺度排列熵算法流程圖

圖3.4自適應多尺度排列熵算法流程圖分解的自適應多尺度排列熵特征算熵及自適應多尺度排列熵的算法。自適適應尺度因子，最后重構時序信號重新適應排列熵特征抽取算法，首先需要對自適應尺度。其次，對輸入信號進行經分量集和一個剩余分量，然后使用單模自適應尺度因子重構選擇的分量信號數分量計....

本文編號：3969709