论文部分内容阅读
驾驶疲劳使驾驶员生理、心理机能失调,导致驾驶员视力模糊、反应迟钝,与酒后驾车具有同样的危险性,是造成重特大交通事故的主要原因。目前,国内外有很多驾驶员疲劳监测的方法,但都有一定的局限性,脑电信号(EEG)因其能够直接、客观地反应大脑活动情况,被誉为疲劳检测的“金标准”。因此,对驾驶员疲劳状态下的脑电信号(EEG)研究具有重要的理论和现实意义。本文以实验采集到的不同疲劳状态下的脑电信号为研究对象,首先进行EEG信号预处理,得到频率范围在0.5～32Hz的干净脑电信号,滤波过程为：(1)利用巴特沃斯低通滤波器(Butterworth Low-pass Filter)滤掉高于32Hz的大部分肌电信号和工频干扰；(2)利用小波变换(Wavelet Transform,WT)滤掉混杂在0～32Hz脑电信号中的部分眼电、肌电信号以及背景噪声；(3)将上述信号进行独立成分分析(Independent Component Analysis,ICA),将属于肌电和眼电的成分置零,利用ICA反变换求得干净的脑电信号。利用上述方法对构造的含噪EEG信号处理,通过计算消噪前后信号的均方根误差和相关系数验证了上述消噪预处理的有效性。接着,分别从节律波能量和样本熵(Sample Entropy)角度对不同疲劳的EEG信号进行研究,通过比较四种节律波δ、θ、α、β能量和比值δ/α、(δ+θ)/(α+θ)、(δ+θ)/(α+β)的变化及其脑电地形图,得出随着疲劳增加快波能量降低,慢波能量增加的结论。最后,搭建了基于脑电信号的驾驶员.汽车控制系统,当驾驶员出现轻度疲劳时蜂鸣器报警,出现疲劳状况时通过GSM网络将驾驶员疲劳状况发送到交通运输指挥中心,通过实验验证上述方法的准确率达到83%。综上所述,本文提出的EEG信号预处理算法有效地去除了EEG信号中的伪迹成分,节律波能量和样本熵算法有效地提取了疲劳状态下的EEG信号特征,驾驶系统的搭建验证了上述算法的有效性并为驾驶员疲劳监测提供了新的思路。