發(fā)布時間：2021-10-06 17:12

　　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,大腦會出現(xiàn)警戒性降低、反應(yīng)遲鈍、易出錯等問題,這會影響我們的正常生活,甚至?xí)o我們的生命財產(chǎn)安全造成很大的危害。目前,在困倦檢測的研究中,腦電信號是最常用的生理指標(biāo)之一,因為腦電信號的某些特征會隨著人體困倦而發(fā)生變化。國內(nèi)外研究人員針對腦電信號的分析方法進(jìn)行了深入研究,得到了相關(guān)的研究結(jié)果,為腦電信號的困倦檢測研究奠定了基礎(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)作為困倦檢測分析的研究對象,根據(jù)困倦前后腦電信號的變化特點,進(jìn)行腦電信號的困倦檢測方法研究,對腦電信號進(jìn)行了特征提取和分類識別,提出了一種有效的困倦檢測方法,以改進(jìn)和開發(fā)用于困倦檢測的新技術(shù)。本文的主要內(nèi)容包括以下三個方面:1、用于困倦檢測的傳統(tǒng)頻帶腦電信號的功率譜分析。依據(jù)睡眠專家對Sleep EDF數(shù)據(jù)庫的腦電數(shù)據(jù)的標(biāo)記,對原始腦電信號使用haar小波包分解,提取5個傳統(tǒng)頻帶的腦電信號（δ、θ、α、β和γ）,提出了 3個基于功率譜的的新指標(biāo),分析了不同指標(biāo)進(jìn)行困倦檢測所需要的CPU時間,通過與現(xiàn)有的4個指標(biāo)的對比,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)行分析和實驗。??％?＠?＠?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)的時頻分析方法之一，小波包變換憑借其靈活的時頻分辨率和捕??捉瞬時特征的能力，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，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小波是最簡單的小波，不需要任何的邊界處理。由于??該特征，可以在每個周期的ＥＥＧ信號上應(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，對原始信號進(jìn)行了?７層分解，由于大部??分子帶在本研宄中并不使用，所以選擇對小波樹進(jìn)行修剪，以減少計算量。??Ｓｉｌｖｅｉｍ［１８］等人的研究采用５ｓ作為一個周期。本文根據(jù)所使用的小波樹的結(jié)構(gòu)，??選擇２．５ｓ作為一個周期。這個長度比Ｒ＆Ｋ指南和美國睡眠醫(yī)學(xué)學(xué)會標(biāo)準(zhǔn)中建議??的離線睡眠分析時間２０－３０秒短得多。??２６??

?第３章基于傳統(tǒng)頻帶腦電信號功率譜的困倦檢測研宄???值。為了使結(jié)果更加便于觀察，根據(jù)各個頻帶的腦電信號的變化規(guī)律，提出了３??個新的指標(biāo)（Ｉ?）?ａｘ／？，（?ＩＩ?）?和（ＩＩＩ）?ｃｔｘｒａｗ／（５。??通過對數(shù)據(jù)庫的２０個受試者進(jìn)行實驗，驗證本研宄提出的３個指標(biāo)的效果。??同時還研宄了應(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為一個周期，分析了睡眠前后的共１２ｍｉｎ時間的腦電信??號的能量分布規(guī)律。??本文使用２．５ｓ為一個周期，分別計算了睡眠前后共４ｍｉｎ時間的時間里，本??文提出的３個指標(biāo)和Ｓｉｌｖｅｉｒａ［１８］，等人提出的共４個指標(biāo)在每個周期的能量，??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受試者各個傳統(tǒng)頻帶在清醒到睡眠的轉(zhuǎn)折點前后的能量變化??２９??

【參考文獻(xiàn)】：
期刊論文
[1]基于單通道腦電信號的疲勞檢測系統(tǒng)[J]. 王博石,吳修誠,胡馨藝,張莉.  計算機科學(xué). 2020(05)
[2]基于眼部信息融合的疲勞駕駛檢測的研究[J]. 田璐萍,嵇啟春.  國外電子測量技術(shù). 2019(10)
[3]基于腦電信號深度遷移學(xué)習(xí)的駕駛疲勞檢測[J]. 王斐,吳仕超,劉少林,張亞徽,魏穎.  電子與信息學(xué)報. 2019(09)
[4]基于小波變換與多項指標(biāo)的疲勞駕駛檢測應(yīng)用[J]. 王海玉,王映龍,閔建亮,胡劍鋒.  計算機與現(xiàn)代化. 2018(10)
[5]利用時頻分析研究非相位鎖定腦電活動[J]. 武俠,鐘楚鵬,丁玉瓏,曲折.  心理科學(xué)進(jìn)展. 2018(08)
[6]腦電信號處理方法的研究綜述[J]. 王海玉,胡劍鋒,王映龍.  計算機時代. 2018(01)
[7]生理疲勞和心理疲勞對車輛駕駛的影響對比[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的運動想象腦電信號消噪方法[J]. 蔡慧,馬玉良,佘青山,高云園,孟明.  傳感技術(shù)學(xué)報. 2016(05)
[9]聯(lián)合收割機駕駛疲勞的心電信號分析[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. 2016(01)
[10]基于腦電的實時疲勞監(jiān)測算法的研究[J]. 金純,曾偉.  科學(xué)技術(shù)與工程. 2015(34)

博士論文
[1]運動想象腦電模式識別算法研究[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]基于腦電信號的情感識別研究[D]. 湯明宏.南京郵電大學(xué) 2018
[3]腦電信號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)的腦電信號識別技術(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)計與實現(xiàn)[D]. 陳芳軍.廣東工業(yè)大學(xué) 2018
[7]基于腦機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]基于腦電信號的運動性疲勞研究[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)算法研究與實現(xiàn)[D]. 田東.上海交通大學(xué) 2017



本文編號：3420421