论文部分内容阅读
道路交通事故是全球重要的死亡原因之一。世界卫生组织统计了2012年15-29岁人群的十大死亡原因,其中道路交通伤害排第一位,每年约有上百万人死在世界各地的道路上,而因交通事故带来的非致命性损伤人数有2000万至5000万。而导致众多噩耗发生的最主要原因就是疲劳驾驶。“美国每年大约有6400人因疲劳驾驶导致的交通事故而死亡,占全国交通事故死亡事件的21%”根据美国汽车协会交通安全基金会的调查表明。由此可见,对疲劳驾驶进行研究具有重大的意义,但是如今仍然没有完全有效的手段可以对其进行预测。现阶段的疲劳检测方法主要是驾驶人的生理状态检测与驾驶人的行为检测,而其中作为最为可信和准确的疲劳判断依据的脑电信号正是一种生理状态的直接外在表现。熵是处理模糊信息的重要工具,模糊熵与近似熵和样本熵的物理意义相近,它们都对噪声有着良好的鲁棒性。任何情况下的模糊熵都有其意义所在,因此,模糊熵是很适合用于对脑电信号的分析。本文选择模糊熵作为特征提取方法以及支持向量机作为疲劳检测方法,对20位受试者进行分析。实验结果显示,Fp2、FT7、C3、Pz电极组合的分类准确率达到99.8%,利用Hjort数据转换方法进行滤波,识别率可提升到99.72%。本文取得的创新型结果为:(1)对不同个数受试者脑电信号特征和分类结果研究,结果显示Fp2、FT7、C3、Pz电极组合在分类准确率上保持稳定,这说明在疲劳驾驶研究中可以用这个电极组合代替全电极,同时也为研究疲劳状态的脑区分布提供参考。(2)利用目前常用的两种滤波方法对20位受试者的脑电信号进行滤波研究,结果显示利用Hjort数据转换的方法在疲劳检测上明显优于普通的滤波方法,这说明不同背景白噪音的影响要高于高频噪音的影响。