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。     

定向培养士官生心理健康教育模式探究

定向培养士官是部队依托普通高等学校培养高素质士官人才的一种新模式,为部队建设贡献了源源不断的高质量军事骨干人才。在实践中发现,士官生与普通大学生在心理问题类型、所需心理素质等方面存在差异。加强对士官生心理状况的研究了解,探索士官生心理健康教育模式对于维护士官生心理健康,提高其心理健康素养,建设强大国防具有十分重要的意义。本文围绕士官生心理健康教育这一主题,形成了“基于差异,重视二个关键期,主抓三条教育路径,筑牢四级危机干预体系”的定向培养士官生心理健康教育模式。     

基于小波熵的驾驶疲劳脑电信号特征提取EI北大核心CSCD

为寻找衡量驾驶疲劳的可靠的生理指标,通过实验采集了模拟驾驶前、模拟驾驶疲劳后和休息后的脑电信号,并对其进行预处理和特征提取。应用小波变换对脑电信号进行降噪;并求得降噪后的脑电信号H和R小波熵比值。结果表明,驾驶疲劳后脑电信号H和R值有增大的趋势;再经充分休息后,脑电信号的H和R值有下降趋势,两者均具有显著性差异(P<0.05),说明小波熵值是驾驶疲劳脑电特征提取的有效方法。     

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。