隨著現(xiàn)代生活節(jié)奏的逐步加快,由于困倦引發(fā)的安全問題已越來越多。在困倦的狀態(tài)下,大腦會(huì)出現(xiàn)警戒性降低、反應(yīng)遲鈍、易出錯(cuò)等問題,這會(huì)影響我們的正常生活,甚至?xí)o我們的生命財(cái)產(chǎn)安全造成很大的危害。目前,在困倦檢測(cè)的研究中,腦電信號(hào)是最常用的生理指標(biāo)之一,因?yàn)槟X電信號(hào)的某些特征會(huì)隨著人體困倦而發(fā)生變化。國內(nèi)外研究人員針對(duì)腦電信號(hào)的分析方法進(jìn)行了深入研究,得到了相關(guān)的研究結(jié)果,為腦電信號(hào)的困倦檢測(cè)研究奠定了基礎(chǔ)。本文將MIT的Sleep EDF數(shù)據(jù)庫的20名健康受試者的腦電數(shù)據(jù)作為困倦檢測(cè)分析的研究對(duì)象,根據(jù)困倦前后腦電信號(hào)的變化特點(diǎn),進(jìn)行腦電信號(hào)的困倦檢測(cè)方法研究,對(duì)腦電信號(hào)進(jìn)行了特征提取和分類識(shí)別,提出了一種有效的困倦檢測(cè)方法,以改進(jìn)和開發(fā)用于困倦檢測(cè)的新技術(shù)。本文的主要內(nèi)容包括以下三個(gè)方面:1、用于困倦檢測(cè)的傳統(tǒng)頻帶腦電信號(hào)的功率譜分析。依據(jù)睡眠專家對(duì)Sleep EDF數(shù)據(jù)庫的腦電數(shù)據(jù)的標(biāo)記,對(duì)原始腦電信號(hào)使用haar小波包分解,提取5個(gè)傳統(tǒng)頻帶的腦電信號(hào)（δ、θ、α、β和γ）,提出了 3個(gè)基于功率譜的的新指標(biāo),分析了不同指標(biāo)進(jìn)行困倦檢測(cè)所需要的CPU時(shí)間,通過與現(xiàn)有的4個(gè)指標(biāo)的對(duì)比,結(jié)果... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１最優(yōu)超平面示意圖??在ＳＶＭ中，需要使兩類樣本之間的分類間隔盡可能達(dá)到最大，此時(shí)的分類面??

，Ｐｚ－Ｏｚ頻道可以更準(zhǔn)確地為睡眠進(jìn)行分期。Ｐｚ和Ｏｚ兩個(gè)電極分別位于??頂葉和枕葉區(qū)域的中心線。Ｐａｌ等人［７１］發(fā)現(xiàn)枕葉區(qū)域（Ｏｚ位置）與困倦狀態(tài)高度??相關(guān)。因此，本研究使用來自Ｐｚ－Ｏｚ通道的腦電數(shù)據(jù)進(jìn)行分析和實(shí)驗(yàn)。??％?＠?＠?ＡＦ＞＼??Ｈ?０．?？?＃＃?Ａ??ｈ?ｒｃｓ?ＦＣＪ?ＦＣｌ?ｒｃＪ?ＦＣ２?ＦＣ４?Ｆ？?＾??／［ｔ？?＃?＃?Ｃｌ?＠?ａ?＃?＠?Ｔｓｈ??ｃｐｉ?１ｃｐ２?ｃ＾＿?ｍ??Ｐ３?Ｐ１?ｐ２?Ｐ４?＜Ｂｍ／??ＰＯＪ?＃?＠ｙ??圖３－１腦部電極分布圖［４（）１??３．１．２小波包變換??作為最先進(jìn)的時(shí)頻分析方法之一，小波包變換憑借其靈活的時(shí)頻分辨率和捕??捉瞬時(shí)特征的能力，吸引了許多研究人員的關(guān)注。具有不同頻率特性的非平穩(wěn)數(shù)??據(jù)，如ＥＥＧ信號(hào)，可以通過應(yīng)用小波包變換進(jìn)行分析。在本研宄中，采用了離散??的Ｈａａｒ小波包變換。Ｈａａｒ小波是最簡(jiǎn)單的小波，不需要任何的邊界處理。由于??該特征，可以在每個(gè)周期的ＥＥＧ信號(hào)上應(yīng)用小波變換而不插入人為值或使信息丟??失。圖３－２給出了小波包變換的分解樹，對(duì)原始信號(hào)進(jìn)行了?７層分解，由于大部??分子帶在本研宄中并不使用，所以選擇對(duì)小波樹進(jìn)行修剪，以減少計(jì)算量。??Ｓｉｌｖｅｉｍ［１８］等人的研究采用５ｓ作為一個(gè)周期。本文根據(jù)所使用的小波樹的結(jié)構(gòu)，??選擇２．５ｓ作為一個(gè)周期。這個(gè)長(zhǎng)度比Ｒ＆Ｋ指南和美國睡眠醫(yī)學(xué)學(xué)會(huì)標(biāo)準(zhǔn)中建議??的離線睡眠分析時(shí)間２０－３０秒短得多。??２６??

?第３章基于傳統(tǒng)頻帶腦電信號(hào)功率譜的困倦檢測(cè)研宄???值。為了使結(jié)果更加便于觀察，根據(jù)各個(gè)頻帶的腦電信號(hào)的變化規(guī)律，提出了３??個(gè)新的指標(biāo)（Ｉ?）?ａｘ／？，（?ＩＩ?）?和（ＩＩＩ）?ｃｔｘｒａｗ／（５。??通過對(duì)數(shù)據(jù)庫的２０個(gè)受試者進(jìn)行實(shí)驗(yàn)，驗(yàn)證本研宄提出的３個(gè)指標(biāo)的效果。??同時(shí)還研宄了應(yīng)用Ｓｉｌｖｅｉｍ［１８］和Ｊａｐ［４１］等人所提出的指標(biāo)的效果，其中，仏？［４１］等人??所提出的指標(biāo)是基于多通道的腦電信號(hào)提出的，Ｓｉｌｖｅｉｒａ［Ｗ所提出的指標(biāo)是基于單??通道提出的，其研究以５ｓ為一個(gè)周期，分析了睡眠前后的共１２ｍｉｎ時(shí)間的腦電信??號(hào)的能量分布規(guī)律。??本文使用２．５ｓ為一個(gè)周期，分別計(jì)算了睡眠前后共４ｍｉｎ時(shí)間的時(shí)間里，本??文提出的３個(gè)指標(biāo)和Ｓｉｌｖｅｉｒａ［１８］，等人提出的共４個(gè)指標(biāo)在每個(gè)周期的能量，??并分析了其變化規(guī)律。??ｘ１０６??２１???■?????■?：?????ｅ?１?－?ｎ??Ｑ???ｒ＾Ｊ?－＿ｒＪｌｎ＾＾－ｒ＾Ｌ?＊??ＩｇＰ??ｘ１０５??２ｐｌ－，－?．￣￣■＾＾??ｙ：??＾?ｌ１２?＾２４?＾?ｌ４８?＾?＾２?Ｗ?＾??周期ｔ／ｓ??圖３－２?ＳＣ４１２１受試者各個(gè)傳統(tǒng)頻帶在清醒到睡眠的轉(zhuǎn)折點(diǎn)前后的能量變化??２９??

【參考文獻(xiàn)】：
期刊論文
[1]基于單通道腦電信號(hào)的疲勞檢測(cè)系統(tǒng)[J]. 王博石,吳修誠,胡馨藝,張莉.  計(jì)算機(jī)科學(xué). 2020(05)
[2]基于眼部信息融合的疲勞駕駛檢測(cè)的研究[J]. 田璐萍,嵇啟春.  國外電子測(cè)量技術(shù). 2019(10)
[3]基于腦電信號(hào)深度遷移學(xué)習(xí)的駕駛疲勞檢測(cè)[J]. 王斐,吳仕超,劉少林,張亞徽,魏穎.  電子與信息學(xué)報(bào). 2019(09)
[4]基于小波變換與多項(xiàng)指標(biāo)的疲勞駕駛檢測(cè)應(yīng)用[J]. 王海玉,王映龍,閔建亮,胡劍鋒.  計(jì)算機(jī)與現(xiàn)代化. 2018(10)
[5]利用時(shí)頻分析研究非相位鎖定腦電活動(dòng)[J]. 武俠,鐘楚鵬,丁玉瓏,曲折.  心理科學(xué)進(jìn)展. 2018(08)
[6]腦電信號(hào)處理方法的研究綜述[J]. 王海玉,胡劍鋒,王映龍.  計(jì)算機(jī)時(shí)代. 2018(01)
[7]生理疲勞和心理疲勞對(duì)車輛駕駛的影響對(duì)比[J]. 鐘銘恩,黃杰鴻,喬允浩,洪漢池.  中國安全生產(chǎn)科學(xué)技術(shù). 2017(01)
[8]基于EEMD和WT的運(yùn)動(dòng)想象腦電信號(hào)消噪方法[J]. 蔡慧,馬玉良,佘青山,高云園,孟明.  傳感技術(shù)學(xué)報(bào). 2016(05)
[9]聯(lián)合收割機(jī)駕駛疲勞的心電信號(hào)分析[J]. 祝榮欣,王金武,唐漢,周文琪,潘振偉,王奇,多天宇.  安徽農(nóng)業(yè)大學(xué)學(xué)報(bào). 2016(01)
[10]基于腦電的實(shí)時(shí)疲勞監(jiān)測(cè)算法的研究[J]. 金純,曾偉.  科學(xué)技術(shù)與工程. 2015(34)

博士論文
[1]運(yùn)動(dòng)想象腦電模式識(shí)別算法研究[D]. 苗敏敏.東南大學(xué) 2018
[2]基于EEG的腦力疲勞狀態(tài)下腦功能網(wǎng)絡(luò)特性研究[D]. 楊柳.軍事科學(xué)院 2018

碩士論文
[1]基于心電信號(hào)的疲勞駕駛診斷[D]. 施翔勻.北方工業(yè)大學(xué) 2019
[2]基于腦電信號(hào)的情感識(shí)別研究[D]. 湯明宏.南京郵電大學(xué) 2018
[3]腦電信號(hào)的多尺度互模式熵和相位斜率指數(shù)分析[D]. 季寧.南京郵電大學(xué) 2018
[4]基于深度學(xué)習(xí)的腦電信號(hào)識(shí)別技術(shù)研究[D]. 張韓.山東師范大學(xué) 2018
[5]基于信息融合的駕駛員疲勞狀態(tài)檢測(cè)方法研究[D]. 方毅.哈爾濱工業(yè)大學(xué) 2018
[6]基于腦電疲勞駕駛預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 陳芳軍.廣東工業(yè)大學(xué) 2018
[7]基于腦機(jī)接口的睡眠分期算法及應(yīng)用[D]. 陳濤.華南理工大學(xué) 2018
[8]基于腦電信號(hào)的運(yùn)動(dòng)性疲勞研究[D]. 祝瑜瑛.杭州電子科技大學(xué) 2018
[9]基于心電信號(hào)的疲勞駕駛研究[D]. 金禮.重慶大學(xué) 2017
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法研究與實(shí)現(xiàn)[D]. 田東.上海交通大學(xué) 2017



本文編號(hào)：3420421