基于T-S模糊神经网络的驾驶警觉度融合识别研究

经过长时间持续驾驶,驾驶员的驾驶警觉度会随着心理疲劳程度的加深而持续下降。本文结合脑电信号和心电信号构建了一种驾驶警觉融合识别方法。首先,对心电信号的心率变异性进行了时域和频率分析,对于提取到的特征指标分别验证了其前后两时段发生显著性差异变化。再次,对脑电信号采用小波变换的方式开展对应的特征分析,获得所需的脑电成分。最后利用T-S模糊神经网络模型理论构建了驾驶警觉度融合识别模型。利用采集到的26位被试数据进行模型试算,发现综合心电和脑电的双信号的模型识别平均率为85.5%,其中低驾驶警觉度的平均识别率为89.3%。表明用心电和脑电并结合T-S模型可用于识别驾驶警觉度。