近年來,疲勞駕駛是導(dǎo)致交通事故的一個(gè)主要原因。目前,專家們已經(jīng)提出了很多生理指標(biāo)用于評(píng)估駕駛員疲勞等級(jí),腦電信號(hào)（Electrocephalogram,EEG）已被證明是檢測(cè)疲勞等級(jí)的最可靠的指標(biāo)之一。本文提出一種基于三維卷積神經(jīng)網(wǎng)絡(luò)（Three-Dimensional Convolutional Neural Network,3D CNN）的分類模型來預(yù)測(cè)司機(jī)的三種疲勞等級(jí),并設(shè)計(jì)了一款無線可穿戴式疲勞駕駛預(yù)警系統(tǒng),用于實(shí)時(shí)檢測(cè)駕駛員的疲勞狀態(tài)。該系統(tǒng)由三個(gè)部分組成:（1）無線可穿戴式腦電采集設(shè)備;（2）腦電分析系統(tǒng);（3）預(yù)警裝置。第一部分通過無線可穿戴式腦電采集設(shè)備便捷地采集司機(jī)的腦電信號(hào),并通過無線傳輸設(shè)備發(fā)送至腦電分析系統(tǒng)。第二部分首先采用線性濾波器、小波變換和獨(dú)立成分分析結(jié)合的方式對(duì)采集到的腦電信號(hào)進(jìn)行預(yù)處理;其次通過Welch法計(jì)算功率譜密度（Power Spectral Density,PSD）,將每個(gè)通道的EEG信號(hào)轉(zhuǎn)換為特征矩陣;最后將特征矩陣組合成包含空間導(dǎo)聯(lián)信息的3D特征數(shù)據(jù)并作為預(yù)測(cè)模型的輸入,由3D CNN算法得出三種疲勞等級(jí)。第三部分是預(yù)警裝置,由智能手環(huán)... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

四種常見激勵(lì)函數(shù)的圖像

并運(yùn)用 3D CNN 分類算法對(duì)其進(jìn)行分類識(shí)別，得到分類結(jié)果 L L L 。圖 3.1 腦電分析系統(tǒng)流程圖3.1 腦電數(shù)據(jù)的預(yù)處理如圖 3.2 所示，發(fā)現(xiàn)原始腦電信號(hào)中存在較為嚴(yán)重的噪聲干擾，因此需要對(duì)信號(hào)進(jìn)行預(yù)處理。首先使用一個(gè)帶寬為 4-31Hz 的 IIR 帶通濾波器，一方面可以去除 50Hz 的工頻干擾，另一方面可以去除部分肌電與眼電噪聲。另外，為了提高幅頻特性曲線的光滑程度，將阻帶衰減的最小強(qiáng)度設(shè)為 10db。

21圖 3.2 帶通濾波器效果圖圖3.2將FP1導(dǎo)聯(lián)的原始EEG信號(hào)與經(jīng)過帶通濾波處理的時(shí)域波形和頻域波形進(jìn)行對(duì)比，可以明顯發(fā)現(xiàn)帶通濾波器可以較好地濾除原始 EEG 信號(hào)的高頻成分。但是傳統(tǒng)的數(shù)字濾波器降噪方法無法很好的濾除腦電信號(hào)低頻噪聲以及與腦電信號(hào)頻率重疊的噪聲。為了解決這一問題，需要通過小波閾值去噪和獨(dú)立成分分析做進(jìn)一步的腦電信號(hào)預(yù)處理。如圖 3.3 所示，本文的小波閾值去噪可以分為以下三個(gè)步驟：（1）：小波分解過程：使用db4 小波對(duì)信號(hào) ( )進(jìn)行 6 層小波分解，得到不同頻率成分的小波系數(shù)；（2）閾值處理過程：對(duì)各層經(jīng)小波分解得到的小波系數(shù)，通過 penalty 閾值策略設(shè)定一個(gè)閾值，并對(duì)細(xì)節(jié)系數(shù)做軟閾值處理；（3）小波重構(gòu)過程：閾值處理后的小波系數(shù)，經(jīng)過小波重構(gòu)得到降噪后的信號(hào) ( )。圖 3.3 小波閾值去噪過程圖通過 6 層小波分解

【參考文獻(xiàn)】：
期刊論文
[1]離散小波變換結(jié)合二階盲辨識(shí)的眼電偽跡自動(dòng)去除方法[J]. 姚悅,丁永紅,裴東興.  科學(xué)技術(shù)與工程. 2018(22)
[2]基于視覺的駕駛員疲勞特征提取方法[J]. 靳冰凌,張震,張子耀.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(11)
[3]地鐵駕駛員駕駛疲勞狀態(tài)監(jiān)測(cè)[J]. 姜興宇,徐海峰,吳善春,趙地.  中國安全科學(xué)學(xué)報(bào). 2018(06)
[4]基于心率變異性的腦力疲勞檢測(cè)[J]. 趙小靜,路海月,王夢(mèng)悅,耿新玲,張寬,李霞.  中國醫(yī)學(xué)物理學(xué)雜志. 2018(05)
[5]駕駛員疲勞狀態(tài)檢測(cè)方法研究[J]. 張?chǎng)╊Z,康冰.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(03)
[6]基于腦電信號(hào)分析的不同年齡駕駛?cè)似谔匦訹J]. 裴玉龍,金英群,陳賀飛.  中國公路學(xué)報(bào). 2018(04)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的模糊車牌自動(dòng)識(shí)別[J]. 湯雪峰,周平.  包裝學(xué)報(bào). 2017(05)
[8]基于一維卷積神經(jīng)網(wǎng)絡(luò)的車載語音識(shí)別研究[J]. 朱錫祥,劉鳳山,張超,呂釗,吳小培.  微電子學(xué)與計(jì)算機(jī). 2017(11)
[9]無線電信號(hào)功率譜的分析與仿真[J]. 肖軍,王文靜,劉洲洲.  信息技術(shù). 2017(09)
[10]基于改進(jìn)激活函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)研究[J]. 曲之琳,胡曉飛.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(12)

碩士論文
[1]余弦基神經(jīng)網(wǎng)絡(luò)在FIR數(shù)字濾波器優(yōu)化設(shè)計(jì)中的應(yīng)用研究[D]. 杜長(zhǎng)操.江西師范大學(xué) 2016
[2]考慮駕駛員生物電信號(hào)的疲勞駕駛檢測(cè)方法研究[D]. 薛雷.吉林大學(xué) 2015
[3]基于EEG信號(hào)的腦力疲勞檢測(cè)方法的研究[D]. 潘屏萍.廣西大學(xué) 2014



本文編號(hào)：3490872