基于驾驶员下肢表面肌电信号的紧急制动意图识别研究
发布时间：2021-09-06 01:27
随着汽车交通的普及,由人-车-路所组成的交通系统正在不断地向巨型化和复杂化的方向发展,道路交通安全问题变得更加严峻和迫切。统计结果显示,国内外约90%以上的道路交通事故都离不开人的因素。紧急制动作为一种伴随危险交通情况的典型驾驶行为,直接关系着道路交通的安全性。因此,驾驶员的紧急制动意图研究一直是汽车主动安全领域的重要研究内容之一。以往关于驾驶员制动意图的研究主要采用车辆运行状态和驾驶操作信息作为识别参数,从驾驶意图作用链的末端来进行识别,在识别效率方面还有一定的提升空间。针对该问题,本研究将驾驶员下肢肌肉的表面肌电信号（surface Electromyography,sEMG）作为识别参数引入到驾驶员紧急制动意图识别模型中,目的是在驾驶员踩踏制动踏板前对其紧急制动意图进行识别,提高识别效率,保障驾驶安全。首先,对表面肌电信号的采集、预处理和特征提取方法进行了对比分析。针对紧急制动动作和与其特征极为相似的常规制动和加速换挡动作,从时域、频域、时频域和AR参数等多个维度选取可分性较高的特征组成特征向量,以作为紧急制动意图识别模型的输入。然后,鉴于支持向量机具有高效率和良好分类性能的优势...
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
肌电仪系统硬件组成部分
11肌电信号的能量主要蕴藏在20~500Hz的频段上，而交浦肌电仪的信号采集频率固定为1000Hz；故肌电信号的采样频率大于原始信号的两倍，能够保证经处理后原始信号的整体信息完整，满足奈奎斯特-香农采样定理。肌电仪可同时采集16个通道的表面肌电信号，每个通道需要将两块电极粘贴在受试者的某块肌肉上，即每块肌肉表面都采用差动策略进行信号采集。另外，仪器的整体噪声控制在6.4μV（峰峰值）以内，能够兼容干湿电极；实验选择采用一次性湿电极来进行信号采集，因为湿电极可以有效较低体表表层的干燥程度，减小阻抗系数，进而降低噪声干扰。同时，交浦肌电仪也提供有肌电信号检测与存储软件MyoAnalyticsV2.0，通过蓝牙配对连接实现上位机对肌电信号的读娶显示和处理。软件界面如图2-2所示。图2-2MyoAnalytics软件主界面2.2.2表面肌电信号采集过程本研究主要关注的是受试者下肢的运动状态，故选取受试者小腿部的胫骨前饥腓肠肌和比目鱼肌这三块肌肉进行表面肌电信号的数据采集。该部分主要介绍表面肌电信号采集的主要过程和注意事项。(1)电极放置与实验准备电极片作为肌电信号的采集终端，同一块肌肉上放置的两个电极片之间的
12电势差经放大和转换后所获得的数字信号即为采集的表面肌电信号。因此，肌肉表面电极片的放置直接决定肌电信号的采集质量，不合理的放置方式将增加噪声的混入，导致信号采集不准确。因此，在实验前应该做好以下准备工作：①皮肤清理。在湿电极贴放之前，使用剃刀清除待测肌肉表面的毛发，并使用医用酒精棉球擦拭消毒，尽可能去除表皮污垢和死皮，降低皮肤阻抗值。②电极贴放。待皮肤晾干后，将湿电极按待测肌肉收缩的纵行方向贴放在皮肤表面，任一通道上的两个电极间距保持在2cm左右。电极贴放时还需保证与皮肤表面接触良好，最好用医用胶带对电极进行固定。具体贴放位置及方式如图2-3所示。图2-3下肢肌肉表面电极贴放位置示意图③调节设备。连接电极连接线与贴放在肌肉表面的湿电极，并连接肌电仪系统，配对肌电仪和上位机的蓝牙连接，即可开始测量。(2)最大自主收缩（MaximumVoluntaryContraction,MVC）实验在肌电信号的采集与处理过程中，肌肉激活程度作为一个能够直接反映肌肉收缩情况的指标，需要进行计算评估。肌肉激活程度最简单的计算方式是将滤波和整流后的肌电信号除以肌肉在等长收缩条件下最大自主收缩期间肌电信号的最大值，故需要针对待测肌肉进行MVC实验。其中，受试者待测肌肉的最大MVC值很大程度上会受到受试者在测量时段的身体状态和测量姿势的影响。首先，为了保证受试者在实验时具有良好的身体状态，要求其在实验前24小时内具有良好的睡眠质量和正常的饮食习惯。而针对测量姿势，仍以本研究需要测量的下肢肌肉为例，当踝关节背屈至最大程度时，胫骨前肌达到最大MVC状态，而当踝关节跖屈达到最大限度时，腓肠肌和比目鱼肌至最大MVC状态。因此，经过多次实验修正，选择两种姿势进行
【参考文献】：
期刊论文
[1]HEV制动意图识别的研究[J]. 王庆年,孙磊,唐先智,王俊. 汽车工程. 2013(09)
[2]GA-BP神经网络在下肢运动步态识别中的应用研究[J]. 马玉良,马云鹏,张启忠,罗志增,杨家强. 传感技术学报. 2013(09)
[3]混合动力车辆中的加速与制动意图识别[J]. 王庆年,王俊,陈慧勇,曾小华,唐先智. 吉林大学学报(工学版). 2014(02)
[4]面向安全预警的机动车驾驶意图研究现状与展望[J]. 张良力,吴超仲,黄珍,王斌. 交通信息与安全. 2012(03)
[5]基于双层隐式马尔科夫模型的驾驶意图辨识[J]. 宗长富,王畅,何磊,郑宏宇,张泽星. 汽车工程. 2011(08)
[6]多类支持向量机分类器对比研究[J]. 薛宁静. 计算机工程与设计. 2011(05)
[7]表面肌电信号的分析和特征提取[J]. 吴冬梅,孙欣,张志成,杜志江. 中国组织工程研究与临床康复. 2010(43)
[8]基于模糊逻辑的制动意图离线识别方法研究[J]. 孙逸神. 北京汽车. 2009(06)
[9]商用车电子控制制动技术[J]. 罗文发,陈晓磊. 汽车与配件. 2008(08)
[10]肌电信号特征提取方法综述[J]. 加玉涛,罗志增. 电子器件. 2007(01)
博士论文
[1]基于表面肌电信号的人手动作模式识别关键技术研究[D]. 都明宇.浙江工业大学 2017
[2]基于表面肌电信号的人体动作识别与交互[D]. 张旭.中国科学技术大学 2010
[3]基于肌电信号的人机接口技术的研究[D]. 何乐生.东南大学 2006
硕士论文
[1]表面肌电模式识别的新控制策略研究[D]. 张神权.中国科学技术大学 2017
[2]基于在线学习的表面肌电信号分类方法研究[D]. 张跃.浙江工业大学 2017
[3]表面肌电信号分析及运动模式分类研究[D]. 苏芳茵.华侨大学 2016
[4]人体手部动作肌电信号的处理与识别研究[D]. 洪洁.安徽工业大学 2016
[5]基于支持向量机的手臂动作表面肌电信号模式分类方法研究[D]. 郑世钰.吉林大学 2014
[6]基于模糊逻辑的驾驶员制动意图辨识方法研究[D]. 弓馨.吉林大学 2014
[7]基于MAs算法的支持向量机参数优化研究[D]. 胡忠义.华中科技大学 2011
[8]基于隐形马尔科夫模型的驾驶员意图辨识方法研究[D]. 王畅.吉林大学 2011
[9]表面肌电信号的特征提取与模式分类研究[D]. 邱青菊.上海交通大学 2009
本文编号：3386459
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
肌电仪系统硬件组成部分
11肌电信号的能量主要蕴藏在20~500Hz的频段上，而交浦肌电仪的信号采集频率固定为1000Hz；故肌电信号的采样频率大于原始信号的两倍，能够保证经处理后原始信号的整体信息完整，满足奈奎斯特-香农采样定理。肌电仪可同时采集16个通道的表面肌电信号，每个通道需要将两块电极粘贴在受试者的某块肌肉上，即每块肌肉表面都采用差动策略进行信号采集。另外，仪器的整体噪声控制在6.4μV（峰峰值）以内，能够兼容干湿电极；实验选择采用一次性湿电极来进行信号采集，因为湿电极可以有效较低体表表层的干燥程度，减小阻抗系数，进而降低噪声干扰。同时，交浦肌电仪也提供有肌电信号检测与存储软件MyoAnalyticsV2.0，通过蓝牙配对连接实现上位机对肌电信号的读娶显示和处理。软件界面如图2-2所示。图2-2MyoAnalytics软件主界面2.2.2表面肌电信号采集过程本研究主要关注的是受试者下肢的运动状态，故选取受试者小腿部的胫骨前饥腓肠肌和比目鱼肌这三块肌肉进行表面肌电信号的数据采集。该部分主要介绍表面肌电信号采集的主要过程和注意事项。(1)电极放置与实验准备电极片作为肌电信号的采集终端，同一块肌肉上放置的两个电极片之间的
12电势差经放大和转换后所获得的数字信号即为采集的表面肌电信号。因此，肌肉表面电极片的放置直接决定肌电信号的采集质量，不合理的放置方式将增加噪声的混入，导致信号采集不准确。因此，在实验前应该做好以下准备工作：①皮肤清理。在湿电极贴放之前，使用剃刀清除待测肌肉表面的毛发，并使用医用酒精棉球擦拭消毒，尽可能去除表皮污垢和死皮，降低皮肤阻抗值。②电极贴放。待皮肤晾干后，将湿电极按待测肌肉收缩的纵行方向贴放在皮肤表面，任一通道上的两个电极间距保持在2cm左右。电极贴放时还需保证与皮肤表面接触良好，最好用医用胶带对电极进行固定。具体贴放位置及方式如图2-3所示。图2-3下肢肌肉表面电极贴放位置示意图③调节设备。连接电极连接线与贴放在肌肉表面的湿电极，并连接肌电仪系统，配对肌电仪和上位机的蓝牙连接，即可开始测量。(2)最大自主收缩（MaximumVoluntaryContraction,MVC）实验在肌电信号的采集与处理过程中，肌肉激活程度作为一个能够直接反映肌肉收缩情况的指标，需要进行计算评估。肌肉激活程度最简单的计算方式是将滤波和整流后的肌电信号除以肌肉在等长收缩条件下最大自主收缩期间肌电信号的最大值，故需要针对待测肌肉进行MVC实验。其中，受试者待测肌肉的最大MVC值很大程度上会受到受试者在测量时段的身体状态和测量姿势的影响。首先，为了保证受试者在实验时具有良好的身体状态，要求其在实验前24小时内具有良好的睡眠质量和正常的饮食习惯。而针对测量姿势，仍以本研究需要测量的下肢肌肉为例，当踝关节背屈至最大程度时，胫骨前肌达到最大MVC状态，而当踝关节跖屈达到最大限度时，腓肠肌和比目鱼肌至最大MVC状态。因此，经过多次实验修正，选择两种姿势进行
【参考文献】：
期刊论文
[1]HEV制动意图识别的研究[J]. 王庆年,孙磊,唐先智,王俊. 汽车工程. 2013(09)
[2]GA-BP神经网络在下肢运动步态识别中的应用研究[J]. 马玉良,马云鹏,张启忠,罗志增,杨家强. 传感技术学报. 2013(09)
[3]混合动力车辆中的加速与制动意图识别[J]. 王庆年,王俊,陈慧勇,曾小华,唐先智. 吉林大学学报(工学版). 2014(02)
[4]面向安全预警的机动车驾驶意图研究现状与展望[J]. 张良力,吴超仲,黄珍,王斌. 交通信息与安全. 2012(03)
[5]基于双层隐式马尔科夫模型的驾驶意图辨识[J]. 宗长富,王畅,何磊,郑宏宇,张泽星. 汽车工程. 2011(08)
[6]多类支持向量机分类器对比研究[J]. 薛宁静. 计算机工程与设计. 2011(05)
[7]表面肌电信号的分析和特征提取[J]. 吴冬梅,孙欣,张志成,杜志江. 中国组织工程研究与临床康复. 2010(43)
[8]基于模糊逻辑的制动意图离线识别方法研究[J]. 孙逸神. 北京汽车. 2009(06)
[9]商用车电子控制制动技术[J]. 罗文发,陈晓磊. 汽车与配件. 2008(08)
[10]肌电信号特征提取方法综述[J]. 加玉涛,罗志增. 电子器件. 2007(01)
博士论文
[1]基于表面肌电信号的人手动作模式识别关键技术研究[D]. 都明宇.浙江工业大学 2017
[2]基于表面肌电信号的人体动作识别与交互[D]. 张旭.中国科学技术大学 2010
[3]基于肌电信号的人机接口技术的研究[D]. 何乐生.东南大学 2006
硕士论文
[1]表面肌电模式识别的新控制策略研究[D]. 张神权.中国科学技术大学 2017
[2]基于在线学习的表面肌电信号分类方法研究[D]. 张跃.浙江工业大学 2017
[3]表面肌电信号分析及运动模式分类研究[D]. 苏芳茵.华侨大学 2016
[4]人体手部动作肌电信号的处理与识别研究[D]. 洪洁.安徽工业大学 2016
[5]基于支持向量机的手臂动作表面肌电信号模式分类方法研究[D]. 郑世钰.吉林大学 2014
[6]基于模糊逻辑的驾驶员制动意图辨识方法研究[D]. 弓馨.吉林大学 2014
[7]基于MAs算法的支持向量机参数优化研究[D]. 胡忠义.华中科技大学 2011
[8]基于隐形马尔科夫模型的驾驶员意图辨识方法研究[D]. 王畅.吉林大学 2011
[9]表面肌电信号的特征提取与模式分类研究[D]. 邱青菊.上海交通大学 2009
本文编号：3386459
本文链接：https://www.wllwen.com/kejilunwen/qiche/3386459.html
