【摘要】：隨著私家車數(shù)量的日益增長,由之而來的駕駛安全問題日益突出。根據(jù)資料顯示,在發(fā)生交通事故的案例中有將近四分之一是由疲勞駕駛導(dǎo)致的,因此疲勞駕駛安全問題引起了人們的廣泛關(guān)注。針對疲勞駕駛問題,設(shè)計和開發(fā)一款便攜、高效的預(yù)警系統(tǒng)成為了大眾的廣泛訴求。而在對人體狀態(tài)判別的眾多特征中,腦電信號作為判別人體狀態(tài)的金標準,其具有客觀性、準確性等優(yōu)點。而目前市場上還沒有出現(xiàn)一款高效、便攜的腦電疲勞駕駛預(yù)警系統(tǒng)。所以基于腦電信號設(shè)計和開發(fā)一款高效、便攜的疲勞駕駛預(yù)警系統(tǒng)具有重大的社會意義和市場價值。本文首先針對傳統(tǒng)腦電采集系統(tǒng)具有的操作復(fù)雜且便攜性差等缺點設(shè)計和實現(xiàn)了基于TGAM芯片的單導(dǎo)干電極便攜式腦電采集系統(tǒng)。其包括:單導(dǎo)干電極傳感器、TGAM芯片以及BCM417藍牙模塊。通過對TGAM模塊及藍牙模塊進行參數(shù)初始化設(shè)置以及對模塊間的通信協(xié)議進行解析,成功搭建了便攜式腦電采集系統(tǒng)。其次,本文對腦電信號進行分析研究,提取了與人體疲勞有關(guān)的特征參數(shù):專注度、放松度、以及眨眼頻率。通過對專注度和放松度建立AHP模型,運用層次分析法推導(dǎo)得出專注度和放松度的計算公式。同時通過分析得出α波功率譜密度百分比與眨眼的關(guān)系,經(jīng)過實驗分析得出其判別閾值。分別采用kNN、C4.5和樸素貝葉斯算法對專注度與放松度的相關(guān)系數(shù)以及眨眼頻率進行分類判別。通過對比得出kNN算法的判別效果最佳。同時根據(jù)不同疲勞狀態(tài)下的專注度和放松度的關(guān)系,計算出駕駛員的疲勞程度對其進行分級預(yù)警。最后針對所設(shè)計的便攜式腦電采集系統(tǒng)開發(fā)了與之配套的客戶端軟件系統(tǒng),與之一起構(gòu)成一個完整的腦電疲勞預(yù)警系統(tǒng)。軟件系統(tǒng)通過對駕駛員的狀態(tài)進行實時監(jiān)測,當其為疲勞狀態(tài)時,計算其疲勞程度,根據(jù)疲勞的程度對其進行分級預(yù)警提示。通過功能模塊的測試,驗證了系統(tǒng)的可行性。本文基于腦電信號設(shè)計和實現(xiàn)了便攜式疲勞駕駛預(yù)警系統(tǒng),系統(tǒng)具有便攜性強、準確性高的特點。對于疲勞安全駕駛領(lǐng)域具有重要意義。
【圖文】：

圖 2- 1 腦電信號的產(chǎn)生原理以及信號示意圖Fig.2-1 The generation principle of EEG and signal schematic diagra產(chǎn)生的腦電信號通常表現(xiàn)為人的思維狀態(tài)，這種思維狀態(tài)動，這些活動會形成不同特征頻率的腦電信號。具體表現(xiàn)

圖 2-2 腦電信號功率譜 圖 2-3 腦地形圖Fig.2-2 Power spectrum of EEG. Fig.2-3 Brain topograph.1.2 腦電信號的分類在對腦電信號的研究過程中，，現(xiàn)代科學(xué)根據(jù)實驗采集的結(jié)果以及其在頻譜
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U463.6

【參考文獻】

相關(guān)期刊論文 前10條

1 金純;曾偉;;基于腦電的實時疲勞監(jiān)測算法的研究[J];科學(xué)技術(shù)與工程;2015年34期

2 周金治;唐肖芳;;基于相關(guān)系數(shù)分析的腦電信號特征選擇[J];生物醫(yī)學(xué)工程學(xué)雜志;2015年04期

3 劉瓏;李勝;王軼卿;;基于小波包變換的腦電波信號降噪及特征提取[J];計算機工程與科學(xué);2015年04期

4 雷汝海;郝震;;基于小波變換Mallat算法的電網(wǎng)諧波檢測方法[J];工礦自動化;2014年12期

5 胡局新;張功杰;;基于K折交叉驗證的選擇性集成分類算法[J];科技通報;2013年12期

6 謝秋華;;C4.5數(shù)據(jù)挖掘算法的改進[J];三明學(xué)院學(xué)報;2013年02期

7 程如中;趙勇;戴勇;陳偉;隋博;王浪;王新安;;基于Adaboost方法的車載嵌入式疲勞駕駛預(yù)警系統(tǒng)[J];北京大學(xué)學(xué)報(自然科學(xué)版);2012年05期

8 廖紅強;邱勇;楊俠;王星剛;葛任偉;;對應(yīng)用層次分析法確定權(quán)重系數(shù)的探討[J];機械工程師;2012年06期

9 鐘麗輝;魏貫軍;;基于Mallat算法的小波分解重構(gòu)的心電信號處理[J];電子設(shè)計工程;2012年02期

10 王小巍;蔣玉明;;決策樹ID3算法的分析與改進[J];計算機工程與設(shè)計;2011年09期

相關(guān)碩士學(xué)位論文 前4條

1 黃鵬;便攜式肌疲勞分析系統(tǒng)研制[D];中國科學(xué)技術(shù)大學(xué);2015年

2 李楊;基于MindWave的腦電信號分析方法研究及其應(yīng)用[D];北京工業(yè)大學(xué);2014年

3 石磊;基于Android智能移動終端的汽車疲勞駕駛預(yù)警系統(tǒng)的研究與實現(xiàn)[D];南京郵電大學(xué);2013年

4 郭元兆;基于腦電的疲勞駕駛檢測技術(shù)的研究[D];東北大學(xué);2011年

本文編號：2681128