论文部分内容阅读
近年来,可穿戴计算技术随着不断迅速的发展,被越来越多的应用于健康、运动、医疗、娱乐等领域,可穿戴设备将会逐渐成为人们生活中不可缺少的工具。目前国内的一些可穿戴产品价格过高,对于可穿戴技术的研究也还在初级阶段,因此对于可穿戴计算技术的研究具有十分重要的意义。由于单一的传感器采集的数据具有一定的局限性,因此在可穿戴系统中通常采用多个传感器,充分利用多个信息源,通过对它们及其提供的信息的合理使用,获得比单一来源更完整、可靠的信息,增强了系统的抗干扰能力,提高了系统的可信度。本文主要研究基于可穿戴计算的数据融合技术,本文所做的主要研究工作包括以下几个方面:(1)通过对数据融合模型和层次的研究,建立了面向可穿戴计算的数据融合模型,从数据级、特征级、决策级分别对数据融合的原理和算法进行了分析,将SVM支持向量机与DS证据理论相结合,进行特征级和决策级联合的数据融合,有效的提高了系统识别的准确率。(2)通过对多种疲劳检测技术的研究,且考虑到可穿戴技术的要求,建立了基于可穿戴计算的疲劳驾驶检测模型并进行了需求分析。采用了基于脑电信号和头部动作相结合的疲劳检测技术,将传感设备集成在了可穿戴的发带上,比传统的数据采集设备使用起来更加灵活舒适。(3)针对目前造成交通事故频发的疲劳驾驶问题,将本文提出的基于可穿戴计算的数据融合技术应用于实际,设计并实现了一款头戴式数据采集设备,该设备采用传感器数据感知技术和蓝牙无线传输技术,可以实时采集用户的脑电信号和头部动作数据。在智能手机上实现了疲劳检测与报警的应用程序,该应用可以实时监测并显示脑电信号和头部动作数据,如果检测到疲劳状态将播放音乐进行提醒。本课题对于预防交通事故的发生具有很好的实用价值,同时也体现了可穿戴计算技术在日常生活中的应用价值。