基于生物電信號(hào)的疲勞駕駛檢測(cè).pdf

1、近年來(lái),隨著交通運(yùn)輸業(yè)的發(fā)展,交通事故已成為當(dāng)前各國(guó)所面臨的嚴(yán)重問(wèn)題。其中,疲勞駕駛是導(dǎo)致交通事故的一個(gè)重要因素。因此,對(duì)于駕駛疲勞檢測(cè)方法的研究已經(jīng)成為一個(gè)重要課題。
　　首先本文引入視聽(tīng)覺(jué)刺激任務(wù),通過(guò)設(shè)計(jì)模擬駕駛實(shí)驗(yàn)的8個(gè)階段來(lái)研究基于生物電信號(hào)的駕駛疲勞檢測(cè)。實(shí)驗(yàn)過(guò)程中,19位被試者被要求進(jìn)行將近2個(gè)小時(shí)左右的模擬疲勞駕駛,同時(shí)采集被試者的腦電信號(hào)和心電信號(hào)。在每個(gè)階段結(jié)束之后,被試者要作困睡度量表和NASA-TLX量表作

2、為信號(hào)分析結(jié)果有效性的參考。然后本文從以下四個(gè)方面對(duì)疲勞駕駛的生物電信號(hào)進(jìn)行了研究:
　　1)針對(duì)腦電信號(hào)采集過(guò)程中的眨眼偽跡,本文研究并提出了一種基于相關(guān)性分析和功率空間分布特征來(lái)自動(dòng)識(shí)別和去除眨眼偽跡的算法。該算法不需要預(yù)先設(shè)定模板或閾值,此外獨(dú)立成分與觀測(cè)信號(hào)的相關(guān)性能夠直接從獨(dú)立成分分析的混合矩陣中得到,這簡(jiǎn)化了運(yùn)算,也為在線去除偽跡奠定了基礎(chǔ)。實(shí)驗(yàn)結(jié)果表明該算法識(shí)別準(zhǔn)確率高,相對(duì)于傳統(tǒng)的人工識(shí)別有較大改進(jìn)。
　　2

3、)研究了腦電信號(hào)各頻段的功率譜與駕駛疲勞之間的對(duì)應(yīng)關(guān)系。通過(guò)對(duì)駕駛前后兩個(gè)階段的19位被試者的生理指標(biāo)作統(tǒng)計(jì)顯著性檢驗(yàn),實(shí)驗(yàn)研究表明腦電頻譜指標(biāo)可以有效的對(duì)駕駛的疲勞和清醒狀態(tài)進(jìn)行檢測(cè)。
　　3)研究了在疲勞駕駛中基于相位同步的腦電變化特征。采用平均相位相干性(mean phase coherence,MPC)作為相位同步的衡量指標(biāo),從空間-頻段的角度來(lái)分析疲勞的相位同步特征。研究的主要發(fā)現(xiàn)是delta和alpha頻段的相位同步在

4、額葉和頂葉顯著性增強(qiáng)。統(tǒng)計(jì)分析結(jié)果表明MPC能夠顯著區(qū)分不同的精神狀態(tài),如警覺(jué)和疲勞。此外,delta頻段在單個(gè)電極對(duì)(如Pz-Fz)的相位同步在駕駛前后變化顯著,這有助于未來(lái)便攜式檢測(cè)設(shè)備的開(kāi)發(fā)。
　　4)在心電數(shù)據(jù)分析方面,對(duì)心率變異率(Heart rate variability,HRV)的時(shí)域和頻域指標(biāo)進(jìn)行了研究與探討。具體為利用差分閾值法對(duì)心電信號(hào)進(jìn)行 R波檢測(cè)得到RR間期序列,然后研究HRV的各項(xiàng)時(shí)、頻域指標(biāo)。發(fā)現(xiàn)隨著