驾驶员脑电特征与手臂操纵驾驶行为研究
【图文】:
26岁、27岁,无精神类疾病)成员作为受试对象,每名成员具有2年左右的驾驶经验。实验前,每位实验者应保证充足睡眠,应具有良好的精神状态,无疲劳现象,心情放松、愉悦;实验时间选择上午,天气晴好,减少实验者受外界环境干扰。佩戴电极帽前,头发清洗干净,避免影响采集效果;穿戴配有惯性传感器模块的运动紧身衣,保证每个模块的位置安放在右手臂关节处,能准确测量手部、肘部关节、肩关节的运动状态。这样,就可以通过脑电采集设备与惯性运动捕捉设备,同时获得驾驶员脑电信号与手臂驾驶行为的运动参数。实验设置如图1所示。图1模拟驾驶实验场景Fig.1Drivingsimulationexperimentscene为了保证左右手臂不离开方向盘,不使用换挡机构和离合踏板,选择自动挡驾驶模式;在道路选择中,下载高速路驾驶模式,弯道较少,避免过多急加速与制动和大角度转向。根据道路的情况,,控制方向盘左右转向,合理控制车速,安全谨慎驾驶车辆。2.1驾驶过程脑电信号采集采用实验室现有的真实驾驶训练模拟器,机械操作功能良好,驾驶效果良好,选择高速晴朗的驾驶模式。实验过程中,每位受试者佩戴Neuroscan公司的32位导联电极帽,该电极帽的采样频率1000Hz。SynAmps无线放大器使用了足够高的数据采样率,适用于脑电图和大多数的事件相关电位记录,其中包含两导眼电信号。当人眼接收驾驶器屏幕的路面信息后,双手操作方向盘左右转向,右脚踩踏油门踏板,控制车速,安全驾驶车辆,电极帽传感器就可以实时记录在实际驾驶过程中大脑皮层的电位变化[5]。表1所示为5名受试者上午实验内容。表1实验过程安排Table1Theexperimentschedule实验时间性别实验次数驾驶时间/min训练场景天气08∶30-08∶45男115高速路晴朗09∶00-09∶15男115高
2052仪器仪表学报第36卷关性分析,如图2所示,建立系统框架。图2驾驶实验系统框图Fig.2Blockdiagramofthedrivingexperimentsystem3脑电信号特征提取与分类研究脑电信号的前提是要提取脑电信号的特征。脑电信号是指大脑内神经元递质信息通过电荷的运动进行传递,在大脑皮层上产生节律性的电位变化,通过脑电采集设备,获得多导联电位信号。针对频谱特性,脑电信号可分为α波、δ波、θ波、β波、γ波。大脑在活动过程中会产生功能区域性脑波律动,例如:α波的频率为8~13HZ,安静或清醒状态时候,该节律最为显著;θ波的频率为4~7Hz,受到挫折和抑郁以及精神病患者,此波极为显著。β波频率为14~30Hz,主要出现在中央区和额叶,呈现出不规则的节律性,处于紧张活动或思考时候此波极为显著。相关左右运动想象的文章提出[10]:C3、C4导联的ERD/ERS与左右手的运动有关。通过操作方向盘左右转向的实际运动行为,来获取脑电信号,并提取相关导联的脑电特征。人的左右手和大脑是交叉管理的,也就是肢体运动的交叉控制。大脑在控制左右手运动时,在两侧半球产生α波和μ节律的ERD/ERS信号,为了证明在实际驾驶情况下,左右转向与脑电信号中特定频率信号的关系,将脑电信号进行特征提取与分类,获得相关导联的信号特征。3.1公共空间模型(CSP)滤波算法公共空间模式CSP滤波算法应用于多导联数据特征提取任务。该方法是对两个协方差实对称矩阵对角化,通过方差的大小来反应节律信号的强弱[11]。CSP在脑电信号处理过程中,经常计算空间滤波来检测事件相关去同步现象(ERD),设多导联EEG信号为N×T维矩阵,其中N为导联数,T为每导联的采样点数。R=XXTtrace(XXT)(1)式中:trace(XXT)表示矩阵XXT的迹。结合
【参考文献】
相关期刊论文 前10条
1 单庆晓;章明沛;陈权伟;;基于惯性的人体行走能量收集与供电技术研究[J];电子测量与仪器学报;2009年12期
2 孙伟;初婧;丁伟;李瑞豹;;基于IMU旋转的MEMS器件误差调制技术研究[J];电子测量与仪器学报;2015年02期
3 段立飞;高振海;王德平;;驾驶员对汽车方向的自适应控制行为建模[J];机械工程学报;2011年08期
4 王炳浩,魏建勤,吴永红;汽车驾驶员瞌睡状态脑电波特征的初步探索[J];汽车工程;2004年01期
5 张希波;成波;冯睿嘉;;基于方向盘操作的驾驶人疲劳状态实时检测方法[J];清华大学学报(自然科学版);2010年07期
6 徐宝国;宋爱国;;基于小波包变换和聚类分析的脑电信号识别方法[J];仪器仪表学报;2009年01期
7 陈勇;黄琦;刘霞;张昌华;;一种全天候驾驶员疲劳检测方法研究[J];仪器仪表学报;2009年03期
8 杨帮华;陆文宇;何美燕;刘丽;;脑机接口中基于WPD和CSP的特征提取[J];仪器仪表学报;2012年11期
9 王福旺;王宏;;长途客车驾驶员疲劳状态脑电特征分析[J];仪器仪表学报;2013年05期
10 王斐;王少楠;王惜慧;彭莹;杨乙丁;;基于脑电图识别结合操纵特征的驾驶疲劳检测[J];仪器仪表学报;2014年02期
【共引文献】
相关期刊论文 前10条
1 陈炎;胡江碧;荣建;刘小明;;脑电技术在驾驶行为分析中的应用[J];道路交通与安全;2006年09期
2 薄华;王蕾;;基于人眼识别的驾驶员疲劳检测[J];电脑知识与技术;2011年25期
3 赵丽;马彦臻;李卫东;孙永;高新;;脑-机接口及其应用研究[J];电子测量技术;2011年07期
4 吴少智;吴跃;徐鹏;;一种改进的时间序列分段趋势预测法[J];电子测量与仪器学报;2010年10期
5 吴从中;贺伟;汤润森;刘扬;;光照自适应的疲劳驾驶检测系统[J];电子测量与仪器学报;2012年01期
6 房瑞雪;赵晓华;荣建;毛科俊;;基于脑电信号的驾驶疲劳研究[J];公路交通科技;2009年S1期
7 孙钦蕾;杨海涛;周海林;;基于瞬时相位法的电磁导波信号处理研究[J];国外电子测量技术;2011年11期
8 李君羡;潘晓东;;基于脑电分析的连续驾驶疲劳高发时间判断[J];交通科学与工程;2012年04期
9 薄纯娟;徐国凯;宋鹏;李忠楠;;疲劳驾驶检测方法研究综述[J];大连民族学院学报;2013年03期
10 沈\
本文编号:2620245
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/2620245.html