基于脑电信号识别的驾驶疲劳检测方法研究

发布时间：2022-02-18 21:26

　　随着经济的发展,我国的汽车保有量日益增长,因汽车造成的交通事故也已屡见不鲜,而疲劳驾驶正是交通事故发生的主要原因之一。脑-机接口（Brain-Computer Interface,BCI）作为一种基于脑电信号（Electroencephalogram,EEG）的人机交互方式,可以在不依靠周边神经肌肉系统的情况下,通过脑部信号来实现与外界的沟通和自由行动。本文基于脑-机接口系统,通过对脑电信号的预处理、特征提取和模式分类等步骤来实现疲劳驾驶的检测。本文主要研究工作如下:（1）提出一种将经验模态分解（Empirical Mode Decomposition,EMD）方法与能量谱算法相结合的特征提取方法。预处理后的脑电信号通过EMD方法得到若干个固有模态分量（Intrinsic Mode Function,IMF）,利用互信息筛选出有用的IMF分量并进行重构,之后通过能量谱对其进行特征提取,并与主流特征提取方法进行对比验证算法的特征提取效果。（2）提出一种粒子群算法（Particle Swarm Optimization,PSO）优化的多层感知超限学习机（Hierarchical Extre... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 引言
    1.2 脑-机接口的组成和分类
        1.2.1 脑-机接口的系统组成
        1.2.2 脑-机系统的分类
        1.2.3 脑-机系统的应用领域
    1.3 国内外研究现状及存在的问题
    1.4 本文的主要内容安排
第2章 脑电信号
    2.1 脑电信号的概述
        2.1.1 大脑的结构和功能
        2.1.2 脑电信号的产生机理
        2.1.3 脑电信号的特点和分类
    2.2 脑电信号的分析方法
        2.2.1 时域分析
        2.2.2 频域分析
        2.2.3 时频分析
        2.2.4 多维统计分析
    2.3 本章小结
第3章 驾驶疲劳脑电信号的预处理
    3.1 模拟驾驶实验设计
    3.2 脑电信号的采集
    3.3 脑电信号的降频和滤波
    3.4 脑电信号的消噪
        3.4.1 小波阈值消噪
        3.4.2 硬阈值和软阈值消噪
        3.4.3 改进软阈值消噪
    3.5 实验结果与分析
    3.6 本章小结
第4章 驾驶疲劳脑电信号的特征提取
    4.1 基于频带功率谱的特征提取
    4.2 基于EMD和能量谱的特征提取方法
        4.2.1 经验模态分解
        4.2.2 能量谱原理
        4.2.3 基于EMD和能量谱的特征提取
    4.3 实验结果分析
        4.3.1 EMD和能量谱特征提取结果
        4.3.2 分类结果及分析
    4.4 本章小结
第5章 驾驶疲劳脑电信号的分类
    5.1 支持向量机
        5.1.1 线性支持向量机
        5.1.2 非线性支持向量机
    5.2 K近邻算法
    5.3 粒子群优化的多层感知超限学习机
        5.3.1 超限学习机
        5.3.2 多层感知超限学习机
        5.3.3 粒子群优化算法
        5.3.4 改进的PSO-H-ELM分类器
    5.4 实验结果分析
    5.5 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 研究展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]开创汽车文化新时代[J]. 郭霁嘉.  中国汽配市场. 2017 (01)
[2]改进粒子群算法在光伏阵列多峰值MPPT中的应用[J]. 娄贺伟,李光林,蔡鹏宇,李凯.  自动化与仪器仪表. 2015(03)
[3]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[4]数字信号处理的时频分析方法综述[J]. 张丽娜.  信息技术. 2013(06)
[5]小波阈值去噪法的深入研究[J]. 陈晓曦,王延杰,刘恋.  激光与红外. 2012(01)
[6]基于经验模态分解和支持向量机的短期风电功率组合预测模型[J]. 叶林,刘鹏.  中国电机工程学报. 2011(31)
[7]基于软阈值和小波模极大值重构的信号降噪[J]. 秦毅,王家序,毛永芳.  振动.测试与诊断. 2011(05)
[8]Powell算法在线性支持向量机中的应用[J]. 刘叶青,刘三阳,谷明涛.  计算机工程. 2011(12)
[9]一种基于脑电信号的疲劳驾驶状态判断方法[J]. 李明爱,张诚,杨金福.  北京生物医学工程. 2011 (01)
[10]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳.  电子科技大学学报. 2011(01)

硕士论文
[1]运动想象脑电信号的分析与处理算法研究[D]. 许明珍.杭州电子科技大学 2015
[2]基于小波变换和多域融合的脑电信号特征提取[D]. 王攀.浙江大学 2011



本文编号：3631580