本文關鍵詞：考慮駕駛員生物電信號的疲勞駕駛檢測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：交通安全一直是現(xiàn)代社會最嚴峻的問題之一，而駕駛員疲勞駕駛是導致重大交通事故的重要原因之一，尤其是高速公路上長時間駕駛的情況。因此，研究疲勞駕駛形成機理以及駕駛員生理、心理和行為特征，進而檢測駕駛疲勞狀態(tài)，對于提高道路交通安全、減少因疲勞駕駛導致的道路交通事故，具有非常重要的意義。 目前，疲勞駕駛檢測方法主要有主觀檢測和客觀檢測兩類。根據(jù)所使用的客觀指標不同，客觀方法可以分為以下三種：基于車輛信息的方法、基于駕駛員行為的方法和基于駕駛員生理信號的方法。其中，利用人體各種生物電信號中的腦電信號判斷駕駛疲勞是公認的最準確、最客觀的檢測方法。 梳理國內(nèi)外疲勞駕駛檢測方法的研究現(xiàn)狀以及應用現(xiàn)狀，結合疲勞駕駛的概念、成因與其造成的影響，本文將腦電分析應用于疲勞檢測方法的研究中，分析駕駛員疲勞狀態(tài)下，腦電信號的變化規(guī)律，研究考慮腦電信號特征的駕駛員疲勞狀態(tài)評定標準和檢測方法。 在汽車智能化與人性化研究室駕駛員行為與生物電信號方面研究進展的基礎上，本文利用駕駛員在環(huán)實驗臺和BIOPAC多導生理記錄儀設計并實施了嵌入真實駕駛員的疲勞駕駛實驗，被試駕駛員在單調(diào)路況下進行長時間駕駛任務，經(jīng)歷從清醒狀態(tài)到疲勞狀態(tài)的變化過程，，結合主觀評價方法，獲取駕駛員腦電信號和疲勞主觀評分。 腦電信號本身的特點決定了采集到的腦電數(shù)據(jù)不可以直接使用，在特征提取前對采集到的原始腦電信號進行了降頻重采樣、偽跡處理和帶通濾波等處理。本文通過小波包的分解和重構，提取出腦電四種典型節(jié)律（、θ、、β）的時域信號，再經(jīng)過求解功率譜，獲得腦電節(jié)律波在時間窗T=1min的平均功率及其比值，選取節(jié)律波的平均功率比值F1(α+θ)/β和F2θ/β作為評價疲勞駕駛等級的特征指標。 綜合主觀評測和腦電信號特征值的變化規(guī)律，本文將駕駛員狀態(tài)分成清醒、輕度疲勞、中度疲勞和重度疲勞四個等級，并利用支持向量機解決多分類問題的方法對疲勞狀態(tài)特征進行分類。構造疲勞狀態(tài)特征指標F1和F2組成的二維特征向量，對疲勞駕駛狀態(tài)的四個等級進行分類識別。將實驗數(shù)據(jù)樣本分成兩組，一組作為訓練集，另一組作為測試集，結合主觀評分對測試結果進行統(tǒng)計分析，最終結果驗證了本文所提取的疲勞狀態(tài)特征和支持向量機分類方法的有效性，說明考慮駕駛員腦電信號的研究方法能夠有效地識別不同程度的疲勞駕駛狀態(tài)。
【關鍵詞】：疲勞駕駛 腦電信號 小波變換 特征提取 支持向量機
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：U463.6;TN911.7
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 緒論11-29
• 1.1 課題研究的背景與意義11-13
• 1.2 疲勞駕駛的概念和成因13-15
• 1.2.1 疲勞駕駛的概念13-14
• 1.2.2 疲勞駕駛的成因14-15
• 1.2.3 疲勞駕駛的影響15
• 1.3 國內(nèi)外研究現(xiàn)狀15-25
• 1.3.1 國外研究現(xiàn)狀17-20
• 1.3.2 國內(nèi)研究現(xiàn)狀20-21
• 1.3.3 疲勞駕駛檢測和預警的相關產(chǎn)品21-25
• 1.4 本文主要研究內(nèi)容25-29
• 第2章 疲勞駕駛實驗29-45
• 2.1 疲勞駕駛實驗的模擬環(huán)境29-32
• 2.1.1 駕駛員在環(huán)實驗臺29-31
• 2.1.2 疲勞駕駛模擬環(huán)境31-32
• 2.2 疲勞駕駛實驗的設計32-39
• 2.2.1 被試人員32
• 2.2.2 實驗環(huán)境32
• 2.2.3 實驗設備32-33
• 2.2.4 電極布置33-36
• 2.2.5 主觀評價36-38
• 2.2.6 實驗流程38-39
• 2.3 實驗過程與結果39-43
• 2.3.1 預約實驗39
• 2.3.2 實驗準備39-40
• 2.3.3 實驗過程40-41
• 2.3.4 實驗結果41-43
• 2.4 本章小結43-45
• 第3章 腦電信號處理和分析45-63
• 3.1 腦電信號理論基礎45-48
• 3.1.1 腦電的產(chǎn)生機制45-46
• 3.1.2 腦電的基本特征46-47
• 3.1.3 疲勞腦電信號的研究依據(jù)47-48
• 3.2 腦電信號的預處理48-51
• 3.2.1 信號重采樣48-49
• 3.2.2 偽跡分析和處理49-50
• 3.2.3 帶通濾波50-51
• 3.3 腦電信號特征提取51-62
• 3.3.1 小波變換理論51-56
• 3.3.2 腦電信號的小波包分解56-58
• 3.3.3 疲勞駕駛的腦電信號特征提取58-62
• 3.4 本章小結62-63
• 第4章 基于支持向量機的疲勞駕駛分級評價63-73
• 4.1 支持向量機63-68
• 4.1.1 最優(yōu)分類面63-66
• 4.1.2 核函數(shù)66-67
• 4.1.3 多分類問題67-68
• 4.2 疲勞駕駛分級評價68-72
• 4.2.1 支持向量機的疲勞駕駛特征分級68-71
• 4.2.2 結果與討論71-72
• 4.3 本章小結72-73
• 第5章 全文總結與展望73-75
• 參考文獻75-81
• 附錄81-83
• 作者簡介83-84
• 致謝84-85

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 毛科俊;劉小明;趙曉華;榮建;;基于腦電信號的駕駛疲勞預報關鍵參數(shù)選取[J];北京工業(yè)大學學報;2010年07期

2 王首勇,朱光喜,唐遠炎;應用最優(yōu)小波包變換的特征提取方法[J];電子學報;2003年07期

3 鄭勇濤,劉玉樹;支持向量機解決多分類問題研究[J];計算機工程與應用;2005年23期

4 廖傳錦,秦小虎,黃席樾;以人為中心的汽車主動安全技術綜述[J];計算機仿真;2004年09期

5 張學工;關于統(tǒng)計學習理論與支持向量機[J];自動化學報;2000年01期

6 鄭培,宋正河,周一鳴;機動車駕駛員駕駛疲勞測評方法的研究狀況及發(fā)展趨勢[J];中國農(nóng)業(yè)大學學報;2001年06期

7 王炳浩,魏建勤,吳永紅;汽車駕駛員瞌睡狀態(tài)腦電波特征的初步探索[J];汽車工程;2004年01期

8 趙雪竹;王秀;朱學峰;;基于Adaboost算法的人眼檢測中樣本選擇研究[J];計算機技術與發(fā)展;2010年02期

9 張靜遠,張冰,蔣興舟;基于小波變換的特征提取方法分析[J];信號處理;2000年02期

10 楊星星;張松;蘆楊;楊琳;王薇薇;顧冠雄;;基于生理信號的疲勞駕駛風險檢測方法的研究進展[J];中國醫(yī)學裝備;2013年07期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 李志春;駕駛員疲勞狀態(tài)檢測技術研究與工程實現(xiàn)[D];江蘇大學;2009年

2 毛U

本文編號：289624