基于EEG小波包子带能量比的疲劳驾驶检测方法

驾驶员在从正常驾驶状态向疲劳驾驶状态变化的过程中,其脑电信号中的慢波逐渐增加,快波逐渐减少;针对这一特点,提出了一种基于小波包子带能量比的疲劳驾驶状态检测方法.采集和分析受试者模拟驾驶过程中的脑电信号,利用小波包分解系数计算出β波与慢波的能量比,将其作为疲劳指标F值.实验结果表明,尽管不同受试者的F值存在较大差异,但是对于同一受试者而言,F值随着驾驶时间的延长和疲劳程度的增加而逐渐降低,其相对于正常驾驶状态的衰减程度能够有效反映驾驶人的疲劳程度.     

基于EEG与EOG信号的疲劳驾驶状态综合分析

疲劳驾驶时,司机的脑电信号和眼电信号特征均发生显著变化,本文针对这两类信号进行分析研究,利用这两类数据综合分析判断司机是否处于疲劳驾驶状态.首先对采集的脑电信号进行小波包分解,提取信号中的α波,并计算其相对功率谱P;然后利用Pearson相关系数分析两路对称导联F7,F8中眨眼信号特征,去除干扰;最后利用BP神经元网络对眨眼信号进行识别,计算眨眼频率.结果表明,利用眼电信号和脑电信号特征综合分析司机眨眼动作,能准确识别出眨眼信号,并能正确检测人的驾驶疲劳状态的变化.     

基于EEG与EOG信号的疲劳驾驶状态综合分析

疲劳驾驶时,司机的脑电信号和眼电信号特征均发生显著变化,本文针对这两类信号进行分析研究,利用这两类数据综合分析判断司机是否处于疲劳驾驶状态.首先对采集的脑电信号进行小波包分解,提取信号中的α波,并计算其相对功率谱P;然后利用Pearson相关系数分析两路对称导联F7,F8中眨眼信号特征,去除干扰;最后利用BP神经元网络对眨眼信号进行识别,计算眨眼频率.结果表明,利用眼电信号和脑电信号特征综合分析司机眨眼动作,能准确识别出眨眼信号,并能正确检测人的驾驶疲劳状态的变化.     

疲劳驾驶的脑电特性探索

研究疲劳驾驶时的脑电特性.利用汽车模拟驾驶系统模拟驾驶员疲劳驾驶的情况,用脑电仪记录驾驶员的脑电情况,得到了驾驶员在正常状态和疲劳状态下驾驶时的脑电数据和波形,分别用平均功率谱方法和非线性的关联维数方法对所得数据进行分析.得到了疲劳驾驶时脑电的2个特征量R和D.可以用驾驶员驾驶时的脑电特征量来评价其疲劳程度.     

基于脑电信号的草原公路驾驶疲劳研究

草原公路单调枯燥的驾驶环境容易使驾驶员产生驾驶疲劳,严重威胁到行车安全。通过草原二级公路实驾试验,监测驾驶员的脑电信号,探索真实驾驶环境下驾驶员驾驶时的EEG特征。结果表明:β波和(α+θ)/β这两项指标对驾驶员疲劳反应最为敏感,可以把这两项指标作为表征草原公路驾驶员疲劳的脑电指标;在草原公路150 min的驾驶过程中,驾驶员出现较明显疲劳症状时间段是:20~30 min,80~90 min,90~100 min,100~110 min。其中,在90~110 min这个时间段内疲劳趋势尤为明显。结果可为草原公路驾驶疲劳预警提供部分理论支撑。     

基于无线体域网中多生理信号驾驶疲劳检测

利用生理信号的无线测量设备实现了对驾驶员在驾驶过程中的脑电信号、肌电信号和呼吸信号的采集,并对其进行分析处理,从而实现驾驶员的疲劳检测.首先分别计算三个生理信号的近似熵并将其作为疲劳检测的特征参数,然后使用主成分分析对特征参数进行降维优化处理,同时对原始特征参数和分析后的主成分分别进行统计分析,基于优化处理后的特征参数利用回归方程建立驾驶疲劳估计模型.最后通过交叉验证对本方法进行评价,并使用数据融合方法给出了综合的评价结果.评价结果表明提出的方法对驾驶员疲劳状态的检测正确率达到90%以上.     

基于方向盘握力的疲劳驾驶检测研究

选取6位普通驾驶员参加实际道路驾驶实验,在实验中同步检测驾驶员对方向盘的握力信号和驾驶员的脑电信号。通过独立样本T检验,从时域和时频域两方面筛选出5个与疲劳驾驶密切相关的握力信号特征,将它们作为输入信息;提取脑电功率谱比值作为衡量疲劳驾驶的信号特征,将其作为输出信息;通过BP神经网络方法,以输入信息和输出信息建立基于方向盘握力的疲劳驾驶检测模型。使用部分驾驶数据对检测模型进行验证,结果显示此数学模型对疲劳驾驶的识别率达到87.0%,说明方向盘握力信号可作为检测疲劳驾驶的有效数据。     

运动疲劳后人体脑区脑电功率谱特征的反应分析

分析在运动疲劳状态下人体脑电信号的反应特征。在某体育院校中随机选择30名健康男性志愿者,在开始实验前,首先令受试者熟悉实验流程,对受试者强迫高强度运动,在对受试者脑电信号进行测试时,电极依据国际10/20系统安放,将人体两个耳垂看作参考电极,前额正中接地。正式实验包括两部分:第一部分是受试者分别以20%、60%MVC进行静态屈肘诱发屈肘肌疲劳实验;第二部分为疲劳运动后脑电波脑电功率谱百分比变化实验。不同脑区脑电功率谱能量通常集中于5~20 Hz频率区间中,每个脑区脑电信号功率谱能量曲线的峰值均为10 Hz左右。60%MVC运动疲劳实验中不同脑区脑电功率谱能量处于3~60 Hz的广泛频率区间中,功率谱能量曲线峰值均约为14 Hz;和运动前半段脑电功率谱能量比较,运动后半段左侧脑区和右侧脑区脑电功率谱能量值在一定程度呈上升趋势,中间脑区无显著变化,前、后脑区整体呈增加趋势,但在部分频率下有所降低。20%MVC与60%MVC运动疲劳实验后半段各脑区各频段能量平均值较前半段均在一定程度上有所增加。运动疲劳后γ波指数在第10 min和安静值相比显著增加,P0.05,运动疲劳后θ波指数在第10、20和30 min和安静值相比显著降低,P0.05;运动疲劳后α波指数均低于安静值,但无显著性差异,P0.05;运动疲劳后β波指数在第30 min和安静值相比显著降低,P0.05。说明运动能够提高神经系统功能,促进大脑发育。     

草原公路行车驾驶员肩部表面肌电信号分析

内蒙古草原具有线形特殊,景观单调等特点,长时间在草原公路行车时极易引起肌肉疲劳。通过检测驾驶员肩部斜方肌的表面肌电信号,使用MPF指标并结合主观问卷调查评估在草原公路驾驶过程中的驾驶员肩部肌肉疲劳。结果表明6名驾驶员的MPF随着驾驶时间延长呈现波动下降趋势,但仅有17%的驾驶员主观感觉到肩部疲劳。实验结束后驾驶员肩部肌肉疲劳累积加重。     

基于多导脑电特征的生理性精神疲劳分析

通过对4种生理性精神疲劳状态下4导脑电信号进行功率谱和小波熵特征分析，研究了脑电信号各节律相对功率以及小波熵与生理性精神疲劳程度之间的关系，并分析了它们在不同生理性精神疲劳状态下的变化规律及其相关性．实验分析结果表明，脑电信号各节律的相对功率以及小波熵平均值与生理性精神疲劳程度之间存在很强的关联性，对于不同的生理性精神疲劳状态，随着生理性精神疲劳程度的增加，其脑电信号的小波熵平均值逐渐降低，θ、α和β节律高频快波相对功率的平均值逐渐降低，而占节律高幅度慢波相对功率平均值逐渐增加．脑电信号各节律的相对功率以及小波熵平均值有望成为衡量生理性精神疲劳程度的指标．     

立体深度运动引发的立体视觉疲劳的脑电评估

3D技术的发展受到其引发的不舒适感的限制,长时间观看立体显示影像将会引起立体视觉疲劳,一种客观评价立体视觉疲劳的有效指标亟待提出.本文利用EEG(electroencephalography)三个频带θ(4~8 Hz)、α(8~13 Hz)、β(13~22 Hz)的相对能量及其能量比值E(α+θ)/β、Eα/β、E(α+θ)/(α+β)在八个不同脑区及整个脑区的54个指标作为备选,借助配对t检验、灰色关联度分析(GRA)、支持向量机(SVM),最后得出指示由立体深度运动引发的视觉疲劳的最佳脑电指标为:顶区Eα/β.并比较了三个频带相对能量在不同疲劳状态的变化:疲劳状态下,α频带明显上升(p<0.01),β频带明显下降(p<0.01),θ频带保持稳定.     

基于脑电功率谱-连续隐马尔科夫链的精神疲劳分级模型

提取多通道脑电（EEG）功率谱特征,训练连续高斯密度混合隐马尔科夫模型（CHMM）,建立了基于功率谱-CHMM的精神疲劳分级模型.分级结果表明：EEG各节律功率谱及其比值是精神疲劳的敏感指标,CHMM对于不同的精神疲劳状态具有较高的分类精度,最高分类正确率达到97.5%;在训练样本相同的情况下,CHMM比反向传输人工神经网络具有更高的分类精度.     

草原公路长时程行车时驾驶人的脑电特征分析

草原公路具有景观单调,行车视距大,平、纵曲线设置不合理,交通流量小等特征,易引起驾驶疲劳,诱发交通事故。选取草原公路进行模拟驾驶,应用MP150多通道生理信号采集仪,采集12名司机4 h模拟驾驶过程中的脑电(EEG)数据,探寻模拟驾驶条件下驾驶过程中EEG相关指标的特征。结果表明:β波及(α+θ)/β这两项指标能较好地反应司机脑电的变化过程;当行驶到20 min时,驾驶疲劳第一次出现;当行驶到60 min时疲劳第二次出现;当行驶到90 min时疲劳第三次出现,当行驶到120 min时疲劳第四次出现;男司机行驶到170 min时和女司机行驶到160 min时驾驶疲劳增加明显,此时,司机应停止驾驶任务,进行调整休息;男、女司机的驾驶疲劳具有累计效应,且驾驶疲劳的累计变化量与驾驶时间具有较强的相关性。     

Experimental study of fatigue degree quantification for multi-feature fusion identification

A comprehensive quantification method of fatigue degree is proposed concerning subjective and objective quantifications. Using the fatigue degree test software, fatigue degree is objectively quanti- fied by analyzing the reaction and operation abilities of drivers about traffic signals. By comparison experiment with that EEG signal based, multivariate statistical analysis and fusion identification based on BP neural network （ BPNN） results show that the experimental procedure is simple and practical, and the proposed method can reveal the correlation between fatigue feature parameters and fatigue degree in theory, and also can achieve accurate and reliable quantification of fatigue degree, especially under the associated action of multiple fatigue feature parameters.     

Evaluation of mental fatigue based on multipsychophysiological parameters and kernel learning algorithms

Mental fatigue is an extremely sophisticated phenomenon, which is influenced by the environment, the state of health, vitality and the capability of recovery. A single parameter cannot fully describe it. In this paper, the effects of long time sustained low-workload visual display terminal （VDT） task on psychology are investigated by subjective self-reporting measures. Then power spectral indices of HRV, the P300 components based on visual oddball and wavelet packet parameters of EEG are combined to analyze the impacts of prolonged visual display terminal （VDT） activity on autonomic nervous system and central nervous system. Finally, wavelet packet parameters of EEG are extracted as the features of brain activity in different mental fatigue states. Kernel principal component analysis （KPCA） and support vector machine （SVM） are jointly applied to differentiate two states. The statistic results show that the level of both subjective sleepiness and fatigue increase significantly from pre-task to post-task, which indicate that the long time VDT task induces the mental fatigue to the subjects. The predominant activity of autonomic nervous system of subjects turns to the sympathetic activity from parasympathetic activity after the task. The P300 components and wavelet packet parameters of EEG are strongly related with mental fatigue. Moreover, the joint KPCA-SVM method is able to effectively reduce the dimensionality of the feature vectors, speed up the convergence in the training of SVM and achieve a high recognition accuracy （87%） of mental fatigue state. Multipsychophysiological measures and KPCA-SVM method could be a promising tool for the evaluation of mental fatigue.     

基于脑电的实时疲劳监测算法的研究

疲劳驾驶是造成交通事故的一个重要因素。基于脑电波传感器采集到的脑电(EEG)信号,提出了一种基于特征节律波样本空间距离的实时驾驶疲劳监测算法。该算法通过提取脑电特征信号并建立相应的特征样本空间,然后通过将实时采集的脑电信号与样本空间之间的距离来判别驾驶员是否处于疲劳状态;并结合多次实验结果,使用ROC曲线分析方法获得确定疲劳判别的阈值,由此实现对驾驶者疲劳状态的实时监测。实验结果显示,该算法能有效地、实时地对疲劳进行监测,且具有较好的鲁棒性和准确性。     

脑疲劳状态下脑功能网络研究与分析

旨在研究连续长时间脑力活动引发的脑疲劳对大脑连接性的影响,探索大脑疲劳评价的客观指标.通过持续认知任务实验诱发脑疲劳,选用互相关方法对采集到的脑电信号进行了不同导联间时域关联特性分析,构建并比较分析了正常态和脑疲劳态的脑功能网络.最后基于复杂网络理论对脑功能网络的特征参数进行了统计分析.结果表明,持续认知任务后,主观感觉疲劳程度显著增加,脑功能网络的平均度、平均聚类系数和网络密度与正常态相比均显著降低,而平均路径长度显著增大.脑功能网络参数可以很好地反映脑疲劳后大脑的连接性变化情况.