疲勞駕駛是現(xiàn)階段導(dǎo)致交通事故發(fā)生的重要因素之一。本文研究分析駕駛員正常狀態(tài)和疲勞狀態(tài)下的不同前額腦電,提出了一種經(jīng)驗(yàn)?zāi)B(tài)分解下自適應(yīng)多尺度熵的腦電特征提取算法。所提出的算法是基于前額2個(gè)導(dǎo)聯(lián)數(shù)據(jù)進(jìn)行分析的,采集這2個(gè)導(dǎo)聯(lián)的腦電數(shù)據(jù)不僅能有效地降低導(dǎo)聯(lián)信號(hào)受毛發(fā)等因素的影響,而且基于前額導(dǎo)聯(lián)設(shè)計(jì)出來的采集裝置易于攜帶、實(shí)用性強(qiáng)。在這些數(shù)據(jù)基礎(chǔ)上,針對(duì)腦電熵特征提取的尺度信息難于確定以及疲勞駕駛狀態(tài)分類研究中存在分類準(zhǔn)確率不理想問題。論文研究了在經(jīng)驗(yàn)?zāi)B(tài)分解下如何選擇自適應(yīng)尺度重構(gòu)腦電數(shù)據(jù)進(jìn)行腦電分析,以便能提高分類準(zhǔn)確率。論文主要的工作和創(chuàng)新點(diǎn)如下:(1)針對(duì)現(xiàn)有的腦電多尺度熵算法中存在尺度信息難于確定的問題。本文研究如何自適應(yīng)的獲取尺度來計(jì)算多尺度熵以提高疲勞駕駛檢測(cè)的準(zhǔn)確率,提出了一種自適應(yīng)獲取尺度因子(ASF)的方法。通過數(shù)據(jù)集的測(cè)試實(shí)驗(yàn)表明,使用ASF方法獲得的尺度因子重構(gòu)信號(hào)后計(jì)算得到的自適應(yīng)多尺度熵特征對(duì)疲勞駕駛檢測(cè)的準(zhǔn)確率相對(duì)于單尺度下對(duì)疲勞駕駛的檢測(cè)率有顯著的提高。(2)考慮腦電信號(hào)具有非線性特征,而使用經(jīng)驗(yàn)?zāi)B(tài)分解技術(shù)分解信號(hào),研究如何選擇信號(hào)分解的模態(tài)分量來計(jì)算尺度熵...

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1人腦四種頻率波段

圖2.1人腦四種頻率波段2.1.2腦電的采集電極放置位置腦電采集用到的電極帽一般是按照標(biāo)準(zhǔn)的10-20國際標(biāo)準(zhǔn)系統(tǒng)電極位置放置[49]。它主要按照測(cè)試者腦顱的比例大小放置電極，所有電極的標(biāo)準(zhǔn)位置應(yīng)當(dāng)覆蓋頭部所有的部位，其位置如圖2.2所示，圖2.210-20國際標(biāo)....

圖2.210-20國際標(biāo)準(zhǔn)系統(tǒng)電極位置

第2章腦電信號(hào)及相關(guān)理論簡介圖2.1人腦四種頻率波段2.1.2腦電的采集電極放置位置腦電采集用到的電極帽一般是按照標(biāo)準(zhǔn)的10-20國際標(biāo)準(zhǔn)系統(tǒng)電極位置放置[49]。它主要按照測(cè)試者腦顱的比例大小放置電極，所有電極的標(biāo)準(zhǔn)位置應(yīng)當(dāng)覆蓋頭部所有的部位，其位置如圖2.2所....

圖3.3自適應(yīng)尺度算法流程圖

圖3.3自適應(yīng)尺度算法流程圖驟中，步驟(3)采用的方法是[71]改進(jìn)的Lempel-Ziv算，該算法包括以下兩步：信號(hào)的二值化閾值，其中￠為節(jié)點(diǎn)數(shù)，為除去最平均值。即：....

圖3.4自適應(yīng)多尺度排列熵算法流程圖

圖3.4自適應(yīng)多尺度排列熵算法流程圖分解的自適應(yīng)多尺度排列熵特征算熵及自適應(yīng)多尺度排列熵的算法。自適適應(yīng)尺度因子，最后重構(gòu)時(shí)序信號(hào)重新適應(yīng)排列熵特征抽取算法，首先需要對(duì)自適應(yīng)尺度。其次，對(duì)輸入信號(hào)進(jìn)行經(jīng)分量集和一個(gè)剩余分量，然后使用單模自適應(yīng)尺度因子重構(gòu)選擇的分量信號(hào)數(shù)分量計(jì)....

本文編號(hào)：3969709