基于心電信號的疲勞駕駛研究.pdf

1、隨著全球經(jīng)濟(jì)的不斷發(fā)展，各國汽車保有量的持續(xù)增加，道路交通事故發(fā)生率一直居高不下。研究表明疲勞駕駛是造成交通事故的重要原因之一，嚴(yán)重威脅著駕駛員的生命和財產(chǎn)安全。因此，實(shí)時檢測駕駛員的疲勞程度并提前預(yù)警，對避免交通事故的發(fā)生，保護(hù)駕駛員的生命安全以及提高駕駛員的工作效率具有非常重要的意義。
　　本文針對傳統(tǒng)基于心電信號的疲勞駕駛判別方法中心電信號采集時間過長，響應(yīng)速度無法滿足實(shí)際應(yīng)用要求的問題，提出了基于短時心電信號分析駕駛員疲勞

2、狀態(tài)的方法，解決了短時心電信號中HRV(Heart Rate Variability)頻域指標(biāo)的提取問題，建立了基于支持向量機(jī)的疲勞判別模型，達(dá)到了利用短時心電信號快速并較準(zhǔn)確地判別駕駛員疲勞狀態(tài)的目標(biāo)。具體研究內(nèi)容如下：
　　本文首先研究了短時心電信號的采集，設(shè)計了每隔5秒循環(huán)采集心電信號的心電采集裝置，并通過開展駕駛模擬實(shí)驗(yàn)，采集得到駕駛員的心電數(shù)據(jù)樣本。
　　隨后對采集到的心電數(shù)據(jù)樣本進(jìn)行小波去噪預(yù)處理，利用自適應(yīng)差分

3、閾值法進(jìn)行R波檢測，并采用CZT(線性調(diào)頻Z變換)頻譜細(xì)化算法對其進(jìn)行頻域分析。計算得到表征疲勞駕駛的HRV時頻域特征指標(biāo)：(1)時域指標(biāo)：SDNN(RR間期標(biāo)準(zhǔn)差)；(2)頻域指標(biāo)：LFnorm(標(biāo)準(zhǔn)化低頻功率)、HFnorm(標(biāo)準(zhǔn)化高頻功率)、LF/HF(低頻功率與高頻功率之比)。
　　最后，本文構(gòu)建了基于支持向量機(jī)的疲勞駕駛識別模型。將心電數(shù)據(jù)樣本作為識別模型的訓(xùn)練集和測試集，每組樣本向量均包含 SDNN、LFnorm、HF

4、norm、LF/HF這4種特征參數(shù)。通過交叉驗(yàn)證選取SVM(支持向量機(jī))最優(yōu)參數(shù)c=4和g=16后進(jìn)行分類測試，經(jīng)測試，正常和疲勞兩個等級的識別率分別為86.5％和82.5%，依據(jù)分類器的良好性能，較高的分類準(zhǔn)確率可知，從短時心電信號中提取的表征疲勞駕駛的HRV時頻域特征指標(biāo)能夠有效地識別出疲勞駕駛狀態(tài)。
　　本文的研究從縮短心電信號采集長度的角度，改善了基于心電信號的疲勞駕駛檢測方法的實(shí)時性問題，為駕駛員疲勞狀態(tài)實(shí)時檢測提供了有