基于EEG的疲劳检测技术的研究与应用
发布时间:2021-04-01 04:57
脑力疲劳是经过长时间的专注或者其他脑力活动活动,而引起的主观上的不适。脑力疲劳会影响学习、工作的效率,严重的甚至可能导致事故的发生,导致人员财产的损失。脑电信号(EEG)记录大脑脑电活动的变化,作为大脑皮层或头皮表面大脑神经细胞的电生理活动的一般反映。当大脑处于疲劳状态时,通常可以利用脑电信号判断大脑是否疲劳。EEG信号是非稳态且非线性的生物信号,这使得该信号处理更加困难。近年来,基于脑电信号的脑力疲劳状态监测逐渐引起广大脑电领域的学者的注意,脑力疲劳状态的脑电信号的研究已经成为脑电信号领域领域的热门话题。目前,已有大量关于疲劳状态脑电研究成果,本文在总结前人研究的基础上,主要完成以下工作:(1)设计并且完成诱发脑力疲劳状态下的脑电信号的实验,区别于以往单一参考查维度的脑力疲劳脑电诱发实验,本文采用心理学实验stroop实验来设计两种不同难度的诱发人脑的疲劳状态实验过程,采集到不同脑力疲劳程度下的脑电信号。(2)通过基于集成经验模态分解的小波阈值函数去噪法对原始的脑电信号进行预处理;本文采用对传统的小波阈值函数的优化来克服软阈值和硬阈值的缺陷;本文采用的集成经验模态分解是对传统经验模态...
【文章来源】:南京邮电大学江苏省
【文章页数】:58 页
【学位级别】:硕士
【部分图文】:
大脑的组成
图 2.2 脑区的分布理[18],大约存在一千亿左右的神经细胞在我们大细胞分布在大脑皮层上,数量如此巨大的神经经细胞在生物学上被叫做神经元细胞,一个神些基本结构,组成了具有强大认知功能的神经多个突触末梢,从细胞体向外辐射出来,形成神,突触小体的形状如同一个杯子,两个神经元的,用来传递神经冲动的神经介质通过其传递,有微弱电荷的特定化学物质[19]。
图 2.2 脑区的分布8],大约存在一千亿左右的神经细胞在我们胞分布在大脑皮层上,数量如此巨大的神经细胞在生物学上被叫做神经元细胞,一个基本结构,组成了具有强大认知功能的神个突触末梢,从细胞体向外辐射出来,形成突触小体的形状如同一个杯子,两个神经用来传递神经冲动的神经介质通过其传微弱电荷的特定化学物质[19]。
【参考文献】:
期刊论文
[1]一种基于新型阈值函数小波去噪方法[J]. 姚家扬,罗志增. 杭州电子科技大学学报(自然科学版). 2015(04)
[2]小波能量熵在疲劳驾驶检测中的应用[J]. 岳李圣飒,吴志周,孙阳. 交通信息与安全. 2014(05)
[3]基于EEG与EOG信号的疲劳驾驶状态综合分析[J]. 王福旺,王宏,罗旭. 东北大学学报(自然科学版). 2014(02)
[4]长途客车驾驶员疲劳状态脑电特征分析[J]. 王福旺,王宏. 仪器仪表学报. 2013(05)
[5]两种去除脑电信号中眼动伪迹的方法比较及其在脑力疲劳测量中的应用[J]. 韦明,杨辉,孙晓,牟锴钰,郭万鑫. 航天医学与医学工程. 2012(01)
[6]基于小波包变换的精神疲劳多参数脑电分析[J]. 王鹏,陈民铀,范昭勇,高晋,张莉. 计算机工程与应用. 2011(30)
[7]基于EEG的警觉度分析与估计研究综述[J]. 傅佳伟,石立臣,吕宝粮. 中国生物医学工程学报. 2009(04)
[8]基于多导脑电复杂性测度的脑疲劳分析[J]. 刘建平,张崇,郑崇勋,于晓琳. 西安交通大学学报. 2008(12)
[9]疲劳驾驶的脑电特性探索[J]. 彭军强,吴平东,殷罡. 北京理工大学学报. 2007(07)
[10]驾驶疲劳/瞌睡检测方法的研究进展[J]. 王磊,吴晓娟,俞梦孙. 生物医学工程学杂志. 2007(01)
博士论文
[1]基于磁共振成像的脑连接方法学及应用研究[D]. 廖伟.电子科技大学 2011
硕士论文
[1]基于左右手运动想象脑电特征提取与识别研究[D]. 郭晓梅.太原理工大学 2018
本文编号:3112707
【文章来源】:南京邮电大学江苏省
【文章页数】:58 页
【学位级别】:硕士
【部分图文】:
大脑的组成
图 2.2 脑区的分布理[18],大约存在一千亿左右的神经细胞在我们大细胞分布在大脑皮层上,数量如此巨大的神经经细胞在生物学上被叫做神经元细胞,一个神些基本结构,组成了具有强大认知功能的神经多个突触末梢,从细胞体向外辐射出来,形成神,突触小体的形状如同一个杯子,两个神经元的,用来传递神经冲动的神经介质通过其传递,有微弱电荷的特定化学物质[19]。
图 2.2 脑区的分布8],大约存在一千亿左右的神经细胞在我们胞分布在大脑皮层上,数量如此巨大的神经细胞在生物学上被叫做神经元细胞,一个基本结构,组成了具有强大认知功能的神个突触末梢,从细胞体向外辐射出来,形成突触小体的形状如同一个杯子,两个神经用来传递神经冲动的神经介质通过其传微弱电荷的特定化学物质[19]。
【参考文献】:
期刊论文
[1]一种基于新型阈值函数小波去噪方法[J]. 姚家扬,罗志增. 杭州电子科技大学学报(自然科学版). 2015(04)
[2]小波能量熵在疲劳驾驶检测中的应用[J]. 岳李圣飒,吴志周,孙阳. 交通信息与安全. 2014(05)
[3]基于EEG与EOG信号的疲劳驾驶状态综合分析[J]. 王福旺,王宏,罗旭. 东北大学学报(自然科学版). 2014(02)
[4]长途客车驾驶员疲劳状态脑电特征分析[J]. 王福旺,王宏. 仪器仪表学报. 2013(05)
[5]两种去除脑电信号中眼动伪迹的方法比较及其在脑力疲劳测量中的应用[J]. 韦明,杨辉,孙晓,牟锴钰,郭万鑫. 航天医学与医学工程. 2012(01)
[6]基于小波包变换的精神疲劳多参数脑电分析[J]. 王鹏,陈民铀,范昭勇,高晋,张莉. 计算机工程与应用. 2011(30)
[7]基于EEG的警觉度分析与估计研究综述[J]. 傅佳伟,石立臣,吕宝粮. 中国生物医学工程学报. 2009(04)
[8]基于多导脑电复杂性测度的脑疲劳分析[J]. 刘建平,张崇,郑崇勋,于晓琳. 西安交通大学学报. 2008(12)
[9]疲劳驾驶的脑电特性探索[J]. 彭军强,吴平东,殷罡. 北京理工大学学报. 2007(07)
[10]驾驶疲劳/瞌睡检测方法的研究进展[J]. 王磊,吴晓娟,俞梦孙. 生物医学工程学杂志. 2007(01)
博士论文
[1]基于磁共振成像的脑连接方法学及应用研究[D]. 廖伟.电子科技大学 2011
硕士论文
[1]基于左右手运动想象脑电特征提取与识别研究[D]. 郭晓梅.太原理工大学 2018
本文编号:3112707
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3112707.html