基于多生理参数的驾驶人员心理压力状态评估

发布时间：2017-10-13 01:08

  本文关键词：基于多生理参数的驾驶人员心理压力状态评估

  更多相关文章： 心理压力评估 心电 呼吸 肌电 KPCA 改进的HMM情感模型

【摘要】：随着社会经济的快速发展和人民生活水平的不断提高,汽车已经逐步成为普通市民的出行工具。驾驶压力能够诱发厌烦、恐惧、愤怒等多种不同情感,直接影响驾驶员的认知水平和决策能力,进而降低驾驶员对车辆的操控力,从而导致交通事故的发生。因此,评估驾驶人员的心理压力状态,并予以干预警告,可以有效提醒驾驶员注意,进而降低事故的发生,这对于交通系统的正常运行有着重要的意义。生理信号能够反应驾驶人员的心理压力状态,对生理参数的研究可以有效的进行压力状态分析以及情感识别。本文基于驾驶员驾驶过程中的多生理信号,实现驾驶员的心理压力状态评估。采用小波分析进行预处理和特征点识别,分别提取心电、肌电和呼吸信号的20、18、22个时域和频域特征。基于核主成分分析法(Kernal Principal Component Analysis,KPCA),将特征数据集投影到一个更低维度的特征空间实现优化,保留了≥90%累计贡献率的5个特征值,作为分类器的输入。在分析比较支持向量机(Support Vector Machine,SVM)和隐马尔可夫模型(Hidden Markov Model,HMM)压力识别结果的基础上,考虑SVM分类器适于反映异类样本间差异,而HMM分类器适于反映同类样本相似度的特点,提出了一种基于SVM改进的HMM情感模型来实现驾驶人员心理压力状态的评估。结果显示,SVM最大识别率为91.97%,HMM最大识别率为93.00%,基于SVM改进的HMM情感模型可以有效地识别低、中、高三个水平的压力,最大识别率达到97.41%。基于该模型,可以实现机动车驾驶人员心理压力状态的有效评估,反馈的评估结果对驾驶员的心理与生理干预将起到指导作用。进一步,驾驶员是一类高压力人群,建立面向这类特定人群的心理压力评估模型,对于公共交通安全及交通管理将起到一个辅助作用,也为其它领域的情感状态评估提供支持。
【关键词】：心理压力评估 心电 呼吸 肌电 KPCA 改进的HMM情感模型
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.254
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 课题背景10-11
• 1.2 研究意义11
• 1.3 驾驶员压力研究的国内外研究现状11-14
• 1.3.1 国外研究现状12-13
• 1.3.2 国内研究现状13-14
• 1.4 本文研究目的及主要内容安排14-16
• 第2章 研究理论基础16-26
• 2.1 心理压力理论基础16-18
• 2.1.1 心理压力的产生因素与生理机制16-17
• 2.1.2 心理压力测量17-18
• 2.2 心电理论基础18-20
• 2.2.1 心电信号测量18-19
• 2.2.2 心电信号波形及特征19-20
• 2.3 呼吸理论基础20-22
• 2.3.1 呼吸信号测量21
• 2.3.2 呼吸信号波形及特征21-22
• 2.4 肌电理论基础22-23
• 2.4.1 肌电信号测量22
• 2.4.2 肌电信号波形及特征22-23
• 2.5 情感模型理论基础23-25
• 2.5.1 情感类别模型23-24
• 2.5.2 情感维度模型24
• 2.5.3 情感评价模型24-25
• 2.6 本章小结25-26
• 第3章 驾驶员生理信号处理26-45
• 3.1 MIT驾驶员情感数据库26-27
• 3.2 小波分析27-31
• 3.2.1 小波变换27-29
• 3.2.2 小波去噪29-31
• 3.3 功率谱估计31
• 3.4 生理信号处理31-40
• 3.4.1 心电信号预处理与特征提取32-35
• 3.4.2 呼吸信号预处理与特征提取35-37
• 3.4.3 肌电信号预处理与特征提取37-40
• 3.5 基于核主成分分析的特征优化40-44
• 3.5.1 主成分分析原理41-42
• 3.5.2 核主成分分析原理与方法42-44
• 3.6 本章小结44-45
• 第4章 基于SVM改进的HMM心理压力状态评估45-64
• 4.1 支持向量机45-46
• 4.2 隐马尔可夫模型46-52
• 4.2.1 HMM概述46-47
• 4.2.2 HMM解决的问题47-52
• 4.3 基于SVM改进的HMM心理压力识别52-54
• 4.3.1 情感模型的策略与建模52-53
• 4.3.2 情感模型的训练与识别53-54
• 4.4 结果分析54-63
• 4.4.1 原始特征值分析54-57
• 4.4.2 优化特征结果分析57-58
• 4.4.3 SVM心理压力识别58-60
• 4.4.4 HMM心理压力识别60-61
• 4.4.5 基于SVM改进的HMM心理压力识别61-63
• 4.5 本章小结63-64
• 结论64-65
• 参考文献65-69
• 攻读硕士学位期间承担的科研任务与主要成果69-70
• 致谢70

【相似文献】

中国期刊全文数据库 前10条

1 Eleanor;;心理压力自测[J];家用汽车;2007年01期

2 李志德;特区高职院校新生心理压力探析[J];深圳职业技术学院学报;2004年01期

3 闫华;高校教师面临改革的心理压力与自我调适[J];沈阳航空工业学院学报;2004年06期

4 段雪爱;;数学学习心理压力的模型分析[J];徐州工程学院学报;2006年05期

5 董焕芝;宋秀琴;;研究生心理压力产生的主要来源及调适措施[J];中国电力教育;2011年01期

6 袁庆华;;建筑业农民工心理压力与应对策略调查研究——以浙江省为例[J];前沿;2012年07期

7 何川;远洋船员心理压力研究[J];航海技术;2004年02期

8 袁淑玲;;铁路站段中层干部的心理压力及调适[J];理论学习与探索;2009年05期

9 刘文贵;;以人文关怀疏导供电企业职工心理压力的研究与实践[J];中国电力教育;2013年29期

10 刘晓光;;飞行人员飞行训练时承受的心理压力和自我调节方法[J];航空军医;2008年02期

中国重要会议论文全文数据库 前10条

1 蒋晓铭;;低年医学生存在的心理压力极其对策[A];全国教育与心理统计测量学术年会论文摘要集[C];2006年

2 陈勃;薛永苹;欧t，

本文编号：1021946