驾驶疲劳脑电信号的非线性动力学分析

论文摘要

目前,驾驶疲劳已经成为引发交通事故的主要因素之一,给社会带来了巨大的经济损失,同时也造成了重大的人员伤亡,因此有效的驾驶疲劳检测方法,对预防疲劳驾驶、干预疲劳驾驶等具有非常重要的意义。已有的研究发现脑电信号能够准确反映人的生理状态,更被公认为是评价疲劳的“金标准”。大量学者将脑电信号用于驾驶疲劳的研究并取得了一定的成效,然而,这些研究大多都是从脑电信号的时域、频域等方面进行分析的,对于具有非线性特征的脑电信号,这些分析方法难以得到理想的效果。因此,本论文从非线性动力学角度来研究驾驶疲劳脑电信号,通过分析模拟驾驶过程中所采集的12名受试者的脑电信号,试图探索驾驶疲劳时的脑电信号特性。本论文的主要工作如下：首先,采用小波变换的阈值方法对欲分析的脑电信号进行降噪处理,以便提高分析的精确性。其次,先用相空间重构理论对疲劳和非疲劳两种驾驶状态的脑电信号进行相空间重构,然后计算12名受试者疲劳和非疲劳两种驾驶状态脑电信号的相关维数值和Lyapunov指数值,并对其进行分析,结果表明相关维数和Lyapunov指数在不同驾驶状态下的值均有明显的差异,都可用于区分不同的驾驶状态。最后,使用C0复杂度、近似熵、样本熵和多尺度熵方法计算12名受试者疲劳和非疲劳两种驾驶状态脑电信号的对应值,并对其进行分析,结果表明C0复杂度、近似熵、样本熵和多尺度熵在不同驾驶状态下的值都存在明显的差异,且近似熵比C0复杂度差异更明显,多尺度熵比近似熵和样本熵差异更明显。综上所述,脑电信号的相关维、Lyapunov指数、C0复杂度、近似熵、样本熵和多尺度熵都可以作为检测驾驶疲劳的指标,只是其检测结果存在着一定的差异。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 驾驶疲劳概述
• 1.3 国内外研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 本论文的研究内容
• 1.5 本论文的章节安排
• 1.6 本章小结
• 第2章 脑电信号基础知识和实验设计
• 2.1 脑电信号概述
• 2.1.1 人脑的结构及功能
• 2.1.2 脑电信号的产生机理
• 2.1.3 脑电信号的特点
• 2.2 脑电信号的分析方法
• 2.3 实验设计
• 2.3.1 实验准备
• 2.3.2 实验过程
• 2.4 驾驶疲劳脑电信号的主观分析
• 2.5 本章小结
• 第3章 驾驶疲劳脑电信号的预处理
• 3.1 小波变换概述
• 3.2 小波变换降噪原理
• 3.3 小波阈值法在脑电信号降噪中的应用
• 3.4 本章小结
• 第4章 驾驶疲劳脑电信号的相关维和Lyapunov指数分析
• 4.1 相空间重构概述
• 4.1.1 Takens定理及重构算法
• 4.1.2 重构维数的选择
• 4.1.3 重构延时的选择
• 4.2 相关维分析
• 4.2.1 相关维算法
• 4.2.2 驾驶疲劳脑电信号的相关维分析
• 4.3 Lyapunov指数分析
• 4.3.1 Lyapunov指数算法
• 4.3.2 驾驶疲劳脑电信号的Lyapunov指数分析
• 4.4 相关维和Lyapunov指数分析结果的比较
• 4.5 本章小结
• 0复杂度和熵分析'>第5章 驾驶疲劳脑电信号的C₀复杂度和熵分析
• 0复杂度分析'>5.1 C₀复杂度分析
• 0复杂度算法'>5.1.1 C₀复杂度算法
• 0复杂度分析'>5.1.2 驾驶疲劳脑电信号的C₀复杂度分析
• 5.2 熵分析
• 5.2.1 近似熵算法
• 5.2.2 驾驶疲劳脑电信号的近似熵分析
• 5.2.3 样本熵算法
• 5.2.4 驾驶疲劳脑电信号的样本熵分析
• 5.2.5 基本尺度熵算法
• 5.2.6 驾驶疲劳脑电信号的基本尺度熵分析
• 5.2.7 多尺度熵算法
• 5.2.8 驾驶疲劳脑电信号的多尺度熵分析
• 5.2.9 不同熵算法分析结果的比较
• 5.3 本章小结
• 第6章 总结与展望
• 6.1 全文总结
• 6.2 研究展望
• 参考文献
• 附录1
• 致谢
• 攻读硕士学位期间的科研成果
• 发表论文情况
• 参与的项目