Hilbert-Huang变换结合近似熵在疲劳驾驶时脑电分析中的应用

研究疲劳驾驶状态下驾驶员脑电信号的特征。结合Hilbert-Huang Transform(HHT)方法和近似熵方法,提出了一种新的脑电信号处理方法:HHT近似熵方法,首先用HHT方法把脑电信号分解为多个内在的模式分量,然后求取各个模式分量的近似熵值,探讨疲劳驾驶时脑电信号的非线性特征。在汽车模拟驾驶仪上进行疲劳驾驶,同时用脑电测量仪器测量驾驶员脑电,用HHT近似熵方法对正常静坐、正常驾驶、疲劳静坐、疲劳驾驶4种脑电信号进行具体的分析处理,结果表明d_2、d_4近似熵比值可以区分4种脑电信号,可以作为疲劳驾驶时的脑电特征。为疲劳驾驶的预警系统研究提供了理论上的一些依据和参考。     

小波能量熵在疲劳驾驶检测中的应用

用转向盘转向小波能量熵的分布来衡量转向操作的不平稳性,不涉及转向具体角度,受道路线形影响小,因此理论上采用转向熵的驾驶疲劳检测方法比采用具体转向值具有更高的精度.在此之前需确定转向熵与驾驶疲劳之间的关系.模拟驾驶实验表明,转向小波能量熵与疲劳程度之间存在正相关关系.首先去除转向盘转向信号中道路线形影响,然后利用Daubechies小波对其进行分解,以200 s为信号采样长度计算转向信号沿第5尺度的小波能量熵分布,并利用平滑修正窗修正偶然因素对能量熵分布的影响,发现随着疲劳的加深,转向能量熵呈上升趋势.对实验样本分析表明,驾驶员在疲劳发展过程中能量熵变化范围为0.05～0.24:最大值在0.16～0.24之间,最小值在0.05～0.11之间.驾驶人进入深度疲劳时转向小波能量熵比刚刚出现疲劳迹象时要增长50％～60％.     

基于前额脑电多尺度小波对数能量熵的驾驶疲劳检测分析

为研究脑机接口（BCI）在交通运输中的应用，减少因疲劳驾驶导致的交通安全事故，提出基于前额脑电（EEG）信号多尺度小波对数能量熵的驾驶疲劳检测方法。首先，设计驾驶仿真模拟试验，利用脑电帽采集26名被试清醒驾驶和疲劳驾驶的前额EEG信号，试验过程中，使用主观检测方法每隔20 min对被试进行问询；其次，应用MATLAB对采集到的EEG数据进行预处理，基于2种驾驶状态形成被试初始样本数据集；进而，在该数据集基础上，利用多尺度熵的概念，提取EEG信号小波对数能量熵（WLE）特征，同时提取经典模糊熵（FE）特征进行比较分析；然后，运用极限学习机（ELM）对提取的特征数据集进行快速有效的精准分类，并使用留一交叉验证法进行验证评估；最后，对比经典FE分类表现，并结合多种性能指标对驾驶疲劳检测结果进行综合比较。研究结果表明：在本文试验条件下，基于多尺度WLE（MWLE）的前额EEG疲劳识别率显著高于基于多尺度FE（MFE）的识别率，其理论平均正确率达91.8%；基于多尺度熵的EEG信号特征提取方法能有效提高驾驶疲劳识别效果和算法效率；多种性能指标表明前额EEG的WLE可以作为衡量驾驶疲劳的有效生理指标；结果验证了采用基于ELM对MWLE的前额EEG信号进行驾驶疲劳检测方法的有效性和实用性，有助于促进可穿戴BCI在疲劳驾驶预警中的应用。     

基于脑电信号的疲劳驾驶状态研究EI北大核心CSCD

为准确快速检测驾驶员的疲劳状态,本文中提出了一种基于脑网络特征的疲劳检测方法。首先选取真实驾驶实验环境,实时采集驾驶员的脑电信号,对其进行小波包分解与重构,提取各个节律信号。接着通过计算各导联间的相位迟滞指数,构建连接矩阵,并提取各个节律的脑网络特征。最后通过对驾驶员主观疲劳度与所提取特征的人工神经网络回归分析,得到二者间的复杂关系,相关性系数R为90.27%。结果验证了基于功能连接的精神疲劳评估方法的可行性,为不同精神状态下建立脑动态模型开辟了新的途径。本文中提出的方法利用较少电极可穿戴EEG设备检测疲劳简便、经济,对驾驶员疲劳检测系统的开发具有重要意义。     

基于脑电信号的疲劳驾驶状态研究

为准确快速检测驾驶员的疲劳状态,本文中提出了一种基于脑网络特征的疲劳检测方法。首先选取真实驾驶实验环境,实时采集驾驶员的脑电信号,对其进行小波包分解与重构,提取各个节律信号。接着通过计算各导联间的相位迟滞指数,构建连接矩阵,并提取各个节律的脑网络特征。最后通过对驾驶员主观疲劳度与所提取特征的人工神经网络回归分析,得到二者间的复杂关系,相关性系数R为90.27%。结果验证了基于功能连接的精神疲劳评估方法的可行性,为不同精神状态下建立脑动态模型开辟了新的途径。本文中提出的方法利用较少电极可穿戴EEG设备检测疲劳简便、经济,对驾驶员疲劳检测系统的开发具有重要意义。     

基于驾驶行为的疲劳驾驶判别算法研究

为了有效判别驾驶员的疲劳驾驶状态,本文利用模拟驾驶器开展驾驶实验,采集了20名驾驶员在疲劳状态和正常状态的实验数据;为了提取能表征驾驶员疲劳和正常驾驶状态时的行为特征,本文对获取的速度、方向盘转角和车辆横向位置的样本熵进行了分析,最终提取了该三类参数的样本熵作为疲劳驾驶的有效特征组;构建了基于BP神经网络的驾驶员疲劳驾驶判别算法,并采用测试集样本对构建的算法进行验证.实验结果表明:该算法对于驾驶员疲劳驾驶检测的准确率较好、运行时间较短、具有较好的鲁棒性和实用性.     

一种基于驾驶员生理信号的非接触式驾驶疲劳检测技术

本文中基于驾驶员的生理信号提出一种非接触便携式的驾驶疲劳检测技术。首先通过传感器采集到汽车行驶过程中驾驶员的股二头肌的生理信号,经快速独立成分分析分离出肌电信号和心电信号,并采用经验模态分解进行去噪。接着在此基础上,提取出肌电信号复杂度、心电信号复杂度和心电信号样本熵3个特征参数。综合这3个特征参数能明显区分驾驶员的正常和疲劳两种状态。最后采用主成分分析法将特征参数进行降维,获得了2个能有效表征疲劳状态的主成分,以此为自变量建立了判定驾驶疲劳的数学模型。经验证,该模型能较准确地判别驾驶员在驾驶过程中的正常和疲劳状态,准确率达90%以上。     

基于多分辨率近似熵的发动机声信号特征提取

介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。     

基于样本熵特征的驾驶人换道过程特征分析

在行车环境中,驾驶人的精神负荷是否能合理分配直接影响行驶安全,因而驾驶人的驾驶熟练程度与驾驶人驾驶过程中的精神负荷分配之间关系值得研究,其中脑电是客观评价驾驶人精神负荷的重要指标.通过实验采集了10组城市道路环境下驾驶人驾驶过程中的脑电信号,并记录了车辆行驶过程中的车辆数据,然后使用样本熵的方法来定量计算脑电数据,从而评价驾驶人在换道过程中的精神负荷问题.样本熵计算结果显示:换道过程中驾驶人的脑电特征要明显比非换道过程中驾驶人的脑电特征复杂;换道过程中驾驶人的脑电特征样本熵明显大于非换道状态下的驾驶人脑电特征样本熵,熟练驾驶人的脑电数据样本熵明显小于非熟练驾驶人的样本熵值,熟练驾驶人在换道过程中车速高于非熟练驾驶人;相较于跟驰驾驶行为,换道驾驶行为过程占用更多的精神负荷,熟练驾驶人比非熟练驾驶人分配更少的精神负荷在换道过程中.     

基于小波降噪的地下连续墙弯矩估算方法研究

基坑地下连续墙侧向位移监测过程中不可避免地存在误差,以往利用侧向位移估算地下连续墙弯矩时忽略了对监测数据误差的处理。为解决监测数据误差带来的问题,引入小波降噪方法对侧向位移监测数据进行降噪处理,基于降噪后数据实现地下连续墙弯矩估算。以福州地铁2号线上街站基坑工程地下连续墙典型测点的侧向位移监测数据为研究对象,选择db3小波基函数、硬阈值函数、heursure 阈值对其进行5层小波降噪处理,采用6次多项式对降噪后的监测数据进行拟合并确定拟合曲线曲率半径（挠度）,结合材料力学受弯构件相关理论实现地下连续墙弯矩估算。结果显示： 1)小波降噪可以有效去除侧向位移监测数据误差,监测数据误差主要分布在-0.6~0.6 mm; 2)利用降噪后的监测数据进行多项式拟合可以有效提高拟合精度; 3)地下连续墙最大估算弯矩为635.1 kN·m,约为设计值的40%,施工过程中地下连续墙安全状况良好。     

基于改进小波分解的机载位置数据降噪处理

机载经度、纬度、高度数据的精度,对保证飞机定位的精确性和飞行安全性有着重要意义.结合小波分解和经验模态分解(EMD)2种方法的优点,在小波分解的基础上,提出1种基于 EMD 的小波分解降噪方法.利用 EMD 对机载位置数据进行分解,并对高频分量用小波分解方法进行降噪处理,降噪后高频分量再结合低频分量进行重构得到降噪后的数据.以西安到长春某航班巡航阶段的机载高度数据序列为例,进行了仿真验证.结果表明,改进小波分解降噪方法与传统的小波分解降噪方法相比,信噪比提高了0.649,均方根误差减小了0.6969,消噪效果更加明显.改进的小波分解方法在处理机载位置数据方面有着较明显的优点,可获得更精确的飞机三维数据.      

基于生物力学和颈腰部EMG判别驾驶员疲劳状态

本文中通过采用颈腰部生物力学和表面肌电信号相结合的方式,对驾驶员在驾驶过程中的疲劳状态进行了研究。首先,通过生物力学的计算与分析,合理地选择了能有效反映驾驶疲劳状态的生理信号采集位置,即颈6左右两侧上斜方肌和腰4左右两侧竖脊肌。然后,在利用经验模态分解算法对测得的肌电信号进行去噪的基础上,找出能表征驾驶员疲劳状态的颈腰部肌电特性参数,并对提取的特征参数(颈部复杂度、腰部复杂度和腰部近似熵)进行主成分分析,获得了两个主成分,有效保留有用信息,去除冗余信息,实现了特征参数的降维。最后,以此为自变量建立疲劳驾驶评价模型,有效提高了模型的正确率,加快了模型的运算速度。结果表明,该方法在对驾驶员正常与疲劳状态的区分上具有良好的识别效果,正确率可达90%以上。     

基于生物电信号的驾驶疲劳检测方法

驾驶疲劳检测技术是当前安全辅助驾驶技术的一个研究热点,其中基于生物电信号的检测方法最直接。本文主要介绍驾驶疲劳的生成机理、检测方法的分类和基于脑电、心电、眼电和肌电等主要生物电信号检测方法的研究现状。最后,针对当前研究领域的不足给出了建议,以供研究者参考。     

应用移动质量法的结构损伤小波识别方法

为提高结构损伤识别的精度,充分发挥小波识别在特征提取、信号奇异性检测、信号降噪等方面的独特优势,提出采用移动质量多次检测法的结构损伤小波识别方法。该方法采用移动质量块在不同位置对桥梁进行多次测量,利用各次测量的频率值的变量来确定桥梁结构的其他模态参数,从而确定桥梁的局部单一和多处损伤情况。采用数值算例对该方法进行验证,结果显示,对简支梁的单一和多处损伤识别效果明显。     

基于可穿戴传感器的驾驶疲劳肌心电信号分析EI北大核心CSCD

本文通过对驾驶员的肌电信号与心电信号的研究,检测驾驶员驾车过程中的疲劳状态。对8名被试者进行2h的驾驶模拟实验。利用可穿戴式传感器采集被试者股二头肌部位的生理信号,采用快速独立成分分析和经验模态分解算法对测得的信号进行分离和去噪处理,得到肌电、心电信号,并找出能表征驾驶员疲劳的肌电和心电特性参数,运用统计分析SPSS软件进行Kolmogorov-Smirnov Z检验,最终选取肌电信号峰值因数和肌心电信号互相关峰值(P<0.001)作为组合特征,并采用马氏距离作为判别疲劳的准则。结果表明,该方法在对驾驶员正常状态与疲劳状态的区分上有良好的识别效果。     

基于小波阈值法的汽车车轮垂向力降噪

研究了小波阈值降噪技术的原理与方法,分析降噪效果的评价指标.分别采用4种阈值法则,对某轿车在襄樊试验场铺设路面上测得的车轮垂向力信号进行降噪处理;并设定新的降噪效果评价指标,结合降噪后信号的时域和频域特点,对不同阈值法则降噪处理后的信号进行对比,结果发现采用极小极大准则阈值法则对车轮垂向力信号的降噪处理结果更为准确可靠...     

基于小波变换理论的车辆实测载荷谱优化处理方法研究

鉴于工程中采集到的车辆道路载荷谱易受外部环境干扰而存在噪声和异常的尖峰信号,而传统的傅里叶变换滤波方法容易将真实信号随噪声信号同时滤除,本文中研究了基于小波变换理论的车辆实测道路载荷谱降噪方法。选用Daubechies小波函数,结合多种小波阈值降噪准则对某试验车辆实测道路载荷谱进行降噪处理,系统性地研究了不同小波阈值降噪准则和小波消失矩对实测含噪随机载荷信号的降噪性能。结果表明,基于小波变换的降噪方法能有效剔除干扰噪声信号,其中Heuristic SURE准则对原载荷谱各项载荷特征的保留效果最好。此外,研究了基于小波变换理论的实测载荷谱中异常尖峰信号自动检测方法,为车辆实测道路载荷谱的优化处理提供了一定的参考。     

小波分析在边坡深部水平位移监测数据降噪中的应用

边坡深部位移监测曲线中的波动现象既反映了自然活动和人工活动使边坡内部位移产生的突变;也反映了噪声对其造成的影响。为了提高边坡稳定性评价的准确性,有必要监测信号进行降噪处理。小波分析作为一种新兴的数学工具,具有多分辨分析的特性,在信号的噪声消除方面,已有了广泛应用。将小波分析应用在边坡水平位移监测曲线的降噪中,选用小波阈值法对西攀高速公路k132高边坡和318国道k2791高边坡监测数据进行降噪,结果证实,小波分析方法能有效处理边坡深部位移监测数据。     

基于脑电信号分析的不同年龄驾驶人疲劳特性

为研究不同年龄驾驶人驾驶过程中疲劳情况及疲劳累积速度,对比其疲劳产生与变化的差异性,获取不同年龄驾驶人的最优驾驶时间,设计自然驾驶试验,利用Physio生理多导仪采集脑电数据,并采用主观检测方法对驾驶人进行问询。应用MATLAB对采集到的脑电数据进行降噪处理,通过积分获取各时段α波、β波和θ波的平均功率谱密度,进而求得脑电指标R_（α/β）,R_（θ/β）,R_{（α+θ）/β}。利用SPSS将其与驾驶时间进行单因素方差分析,并通过敏感性判断,选取R_{（α+θ）/β}作为驾驶疲劳表征指标。对各年龄段驾驶人的R_{（α+θ）/β}进行均值化处理,并将其与驾驶时间进行线性拟合,分析驾驶人年龄对驾驶疲劳累积速度的影响。对驾驶过程中各时段的R_{（α+θ）/β}进行配对样本t检验,并结合主观问询结果确定不同年龄驾驶人的最优驾驶时间。研究结果表明：青年和中年驾驶人在0~1.5 h内疲劳累积速度相对缓慢,老年驾驶人较快;在1.5~3 h内,青年驾驶人疲劳累积速度最快,中年驾驶人最慢;老、中、青年驾驶人的最优驾驶时间分别为60~75,120~135,105~120 min;不同年龄驾驶人其驾驶经验、体力和精力及外界环境干扰是影响疲劳累积速度的重要因素;试验结果验证了采用R_{（α+θ）/β}作为驾驶疲劳表征指标的有效性,有助于为不同年龄驾驶人安全驾驶时长的确定提供科学依据。     

小波理论在路面平整度降噪分析中的应用

在路面平整度数据采集中,通常夹杂着一些噪声信号.文中采用4阶Symlest小波滤波器,对采样信号进行多尺度一维小波分解,通过软阈值法进行消噪,再对信号中的低频部分进行单支重构.分析表明,经过5层分解和分层阈值法处理后的信号不仅能最大限度地保留原始信号的趋势部分,而且能有效降噪.