基于脑电图识别结合操纵特征的驾驶疲劳检测.pdfVIP

学兔兔 第35卷 第2期 仪 器 仪 表 学 报 VoI．35 No．2 2014年2月 Chinese Jourtral of Scientific Instrument Feb．2014 基于脑电图识别结合操纵特征的驾驶疲劳检测术 王 斐 ，王少楠 ，王惜慧 ，彭 莹 ，杨乙丁 (1．东北大学信息科学与T程学院 沈阳 I10819；2．华南理工大学汽车工程重点实验室 广州 510640) 摘 要：精神疲劳影响驾驶员的警觉性和安全驾驶能力，引发的交通安全问题不容忽视。将脑电图识别与车辆操纵特性相结 合来检测驾驶员的疲劳状态，预期为搭建疲劳驾驶检测系统提供理论及实验依据。设计了模拟驾驶实验，采集被试者的脑电图 (EEG)信号和对应的方向盘操纵数据；针对疲劳程度二三分类问题，利用小波包变换和共空间模式算法对EEG信号进行特征提 取；依据车辆操纵特性评估驾驶员疲劳程度来确定EEG信号的分类标准；并选择支持向量机对EEG信号进行分类以完成对驾 驶员精神疲劳状态的定性分析，分类准确率可达94．259％。 关键词：驾驶疲劳；脑电图；操纵特性；共空间模式；小波包变换；支持向量机 中图分类号：R3l8 文献标识码：A 国家标准学科分类代码：510．40 Driving fatigue detection based on EEG recognition and vehicle handling characteristics Wang Fei ，Wang Shaonan’ Wang Xihui ，Peng Ying ，Yang Yiding ， (j．College ofInformation ScienceEngineering，Northeastern University，Shenyang 110819，China； 2．Key Laboratory of Automotive Engineering，South China University of Technology，Guangzhou 510640，China) Abstract：Mental fatigue affects driver’S alertness and safe driving ability，which is easy to cause traffic safety prob— lems．This paper intends to provide theoretical and experimental basis for building a driving fatigue detection system based on EEG recognition combining vehicle handling characteristics．Firstly，a driving simulation experiment was de— signed to collect the EEG signal and steering wheel handling data of the subject；then，aiming at the three—classifica— tion problem of fatigue degree，the features of EEG signal were extracted with wavelet packet transform and common spatial pattern methods．Moreover，the vehicle handling c