本文關(guān)鍵詞：基于多生理參數(shù)的駕駛?cè)藛T心理壓力狀態(tài)評(píng)估

  更多相關(guān)文章： 心理壓力評(píng)估 心電 呼吸 肌電 KPCA 改進(jìn)的HMM情感模型

【摘要】：隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和人民生活水平的不斷提高,汽車已經(jīng)逐步成為普通市民的出行工具。駕駛壓力能夠誘發(fā)厭煩、恐懼、憤怒等多種不同情感,直接影響駕駛員的認(rèn)知水平和決策能力,進(jìn)而降低駕駛員對(duì)車輛的操控力,從而導(dǎo)致交通事故的發(fā)生。因此,評(píng)估駕駛?cè)藛T的心理壓力狀態(tài),并予以干預(yù)警告,可以有效提醒駕駛員注意,進(jìn)而降低事故的發(fā)生,這對(duì)于交通系統(tǒng)的正常運(yùn)行有著重要的意義。生理信號(hào)能夠反應(yīng)駕駛?cè)藛T的心理壓力狀態(tài),對(duì)生理參數(shù)的研究可以有效的進(jìn)行壓力狀態(tài)分析以及情感識(shí)別。本文基于駕駛員駕駛過程中的多生理信號(hào),實(shí)現(xiàn)駕駛員的心理壓力狀態(tài)評(píng)估。采用小波分析進(jìn)行預(yù)處理和特征點(diǎn)識(shí)別,分別提取心電、肌電和呼吸信號(hào)的20、18、22個(gè)時(shí)域和頻域特征�；诤酥鞒煞址治龇�(Kernal Principal Component Analysis,KPCA),將特征數(shù)據(jù)集投影到一個(gè)更低維度的特征空間實(shí)現(xiàn)優(yōu)化,保留了≥90%累計(jì)貢獻(xiàn)率的5個(gè)特征值,作為分類器的輸入。在分析比較支持向量機(jī)(Support Vector Machine,SVM)和隱馬爾可夫模型(Hidden Markov Model,HMM)壓力識(shí)別結(jié)果的基礎(chǔ)上,考慮SVM分類器適于反映異類樣本間差異,而HMM分類器適于反映同類樣本相似度的特點(diǎn),提出了一種基于SVM改進(jìn)的HMM情感模型來實(shí)現(xiàn)駕駛?cè)藛T心理壓力狀態(tài)的評(píng)估。結(jié)果顯示,SVM最大識(shí)別率為91.97%,HMM最大識(shí)別率為93.00%,基于SVM改進(jìn)的HMM情感模型可以有效地識(shí)別低、中、高三個(gè)水平的壓力,最大識(shí)別率達(dá)到97.41%�；谠撃Ｐ�,可以實(shí)現(xiàn)機(jī)動(dòng)車駕駛?cè)藛T心理壓力狀態(tài)的有效評(píng)估,反饋的評(píng)估結(jié)果對(duì)駕駛員的心理與生理干預(yù)將起到指導(dǎo)作用。進(jìn)一步,駕駛員是一類高壓力人群,建立面向這類特定人群的心理壓力評(píng)估模型,對(duì)于公共交通安全及交通管理將起到一個(gè)輔助作用,也為其它領(lǐng)域的情感狀態(tài)評(píng)估提供支持。
【關(guān)鍵詞】：心理壓力評(píng)估 心電 呼吸 肌電 KPCA 改進(jìn)的HMM情感模型
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U491.254
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-16
• 1.1 課題背景10-11
• 1.2 研究意義11
• 1.3 駕駛員壓力研究的國內(nèi)外研究現(xiàn)狀11-14
• 1.3.1 國外研究現(xiàn)狀12-13
• 1.3.2 國內(nèi)研究現(xiàn)狀13-14
• 1.4 本文研究目的及主要內(nèi)容安排14-16
• 第2章 研究理論基礎(chǔ)16-26
• 2.1 心理壓力理論基礎(chǔ)16-18
• 2.1.1 心理壓力的產(chǎn)生因素與生理機(jī)制16-17
• 2.1.2 心理壓力測(cè)量17-18
• 2.2 心電理論基礎(chǔ)18-20
• 2.2.1 心電信號(hào)測(cè)量18-19
• 2.2.2 心電信號(hào)波形及特征19-20
• 2.3 呼吸理論基礎(chǔ)20-22
• 2.3.1 呼吸信號(hào)測(cè)量21
• 2.3.2 呼吸信號(hào)波形及特征21-22
• 2.4 肌電理論基礎(chǔ)22-23
• 2.4.1 肌電信號(hào)測(cè)量22
• 2.4.2 肌電信號(hào)波形及特征22-23
• 2.5 情感模型理論基礎(chǔ)23-25
• 2.5.1 情感類別模型23-24
• 2.5.2 情感維度模型24
• 2.5.3 情感評(píng)價(jià)模型24-25
• 2.6 本章小結(jié)25-26
• 第3章 駕駛員生理信號(hào)處理26-45
• 3.1 MIT駕駛員情感數(shù)據(jù)庫26-27
• 3.2 小波分析27-31
• 3.2.1 小波變換27-29
• 3.2.2 小波去噪29-31
• 3.3 功率譜估計(jì)31
• 3.4 生理信號(hào)處理31-40
• 3.4.1 心電信號(hào)預(yù)處理與特征提取32-35
• 3.4.2 呼吸信號(hào)預(yù)處理與特征提取35-37
• 3.4.3 肌電信號(hào)預(yù)處理與特征提取37-40
• 3.5 基于核主成分分析的特征優(yōu)化40-44
• 3.5.1 主成分分析原理41-42
• 3.5.2 核主成分分析原理與方法42-44
• 3.6 本章小結(jié)44-45
• 第4章 基于SVM改進(jìn)的HMM心理壓力狀態(tài)評(píng)估45-64
• 4.1 支持向量機(jī)45-46
• 4.2 隱馬爾可夫模型46-52
• 4.2.1 HMM概述46-47
• 4.2.2 HMM解決的問題47-52
• 4.3 基于SVM改進(jìn)的HMM心理壓力識(shí)別52-54
• 4.3.1 情感模型的策略與建模52-53
• 4.3.2 情感模型的訓(xùn)練與識(shí)別53-54
• 4.4 結(jié)果分析54-63
• 4.4.1 原始特征值分析54-57
• 4.4.2 優(yōu)化特征結(jié)果分析57-58
• 4.4.3 SVM心理壓力識(shí)別58-60
• 4.4.4 HMM心理壓力識(shí)別60-61
• 4.4.5 基于SVM改進(jìn)的HMM心理壓力識(shí)別61-63
• 4.5 本章小結(jié)63-64
• 結(jié)論64-65
• 參考文獻(xiàn)65-69
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果69-70
• 致謝70

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 Eleanor;;心理壓力自測(cè)[J];家用汽車;2007年01期

2 李志德;特區(qū)高職院校新生心理壓力探析[J];深圳職業(yè)技術(shù)學(xué)院學(xué)報(bào);2004年01期

3 閆華;高校教師面臨改革的心理壓力與自我調(diào)適[J];沈陽航空工業(yè)學(xué)院學(xué)報(bào);2004年06期

4 段雪愛;;數(shù)學(xué)學(xué)習(xí)心理壓力的模型分析[J];徐州工程學(xué)院學(xué)報(bào);2006年05期

5 董煥芝;宋秀琴;;研究生心理壓力產(chǎn)生的主要來源及調(diào)適措施[J];中國電力教育;2011年01期

6 袁慶華;;建筑業(yè)農(nóng)民工心理壓力與應(yīng)對(duì)策略調(diào)查研究——以浙江省為例[J];前沿;2012年07期

7 何川;遠(yuǎn)洋船員心理壓力研究[J];航海技術(shù);2004年02期

8 袁淑玲;;鐵路站段中層干部的心理壓力及調(diào)適[J];理論學(xué)習(xí)與探索;2009年05期

9 劉文貴;;以人文關(guān)懷疏導(dǎo)供電企業(yè)職工心理壓力的研究與實(shí)踐[J];中國電力教育;2013年29期

10 劉曉光;;飛行人員飛行訓(xùn)練時(shí)承受的心理壓力和自我調(diào)節(jié)方法[J];航空軍醫(yī);2008年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 蔣曉銘;;低年醫(yī)學(xué)生存在的心理壓力極其對(duì)策[A];全國教育與心理統(tǒng)計(jì)測(cè)量學(xué)術(shù)年會(huì)論文摘要集[C];2006年

2 陳勃;薛永蘋;歐t，

本文編號(hào)：1021946