位置:成果数据库 > 期刊 > 期刊详情页
基于EEG的驾驶疲劳识别算法及其有效性验证
  • ISSN号:0254-0037
  • 期刊名称:《北京工业大学学报》
  • 时间:0
  • 分类:U491.254[交通运输工程—交通运输规划与管理;交通运输工程—道路与铁道工程]
  • 作者机构:西南交通大学交通运输与物流学院,成都610031
  • 相关基金:国家自然科学基金资助项目(51108390); 国家重点研发计划资助课题(2016YFC0802209)
中文摘要:

为有效识别驾驶员疲劳状态,基于脑电信号(electroencephalogram, EEG)提出了一种驾驶疲劳状态识别方法. 首先,以时间段划分疲劳等级,并采用主、客观测评指标对疲劳等级划分的合理性进行验证. 然后,利用快速傅里叶变换对脑电信号进行分析,在此基础上选取3种频段的平均幅值和5 项合成指标,通过核主元分析(kernel principal component analysis, KPCA)构建疲劳识别脑电指标,结合支持向量机(support vector machine, SVM),构建了驾驶员疲劳状态识别模型. 最后,采用30名驾驶员连续驾驶2h的脑电数据,对该模型方法进行试算. 试算结果表明:疲劳状态识别正确率为79.17% ~92.03%,平均正确率为84郾62%,该方法可用于驾驶疲劳识别.

英文摘要:

In order to recognize the driver's fatigue state effectively, a method of driving fatigue state identification was constructed based on electroencephalogram (EEG). Firstly, combined with the driver's subjective indicators, driving behavior performance was taken as an objective evaluation index, to verify the rationality of the different levels of fatigue. Then, three bands of average amplitude and five synthetic indicators were chosen as characteristic indexes after the EEG signals were analyzed by fast Fourier transform (FFT). Meanwhile constructing fatigue recognition bispectral index through kernel principal component analysis (KPCA), a driver fatigue state recognition model was proposed with the support vector machine (SVM). Finally, 2 hours continual driving EEG data was collected from 30 drivers to test the model. Result show that the recognition accuracy rate is between 79.17% - 92.03%, and the average accuracy rate is 84.62%, which proves the validity of the model.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《北京工业大学学报》
  • 中国科技核心期刊
  • 主管单位:北京市教委
  • 主办单位:北京工业大学
  • 主编:卢振洋
  • 地址:北京市朝阳区平乐园100号
  • 邮编:100124
  • 邮箱:xuebao@bjut.edu.cn
  • 电话:010-67392535
  • 国际标准刊号:ISSN:0254-0037
  • 国内统一刊号:ISSN:11-2286/T
  • 邮发代号:2-86
  • 获奖情况:
  • 中国高等学校自然科学学报优秀学报二等奖,北京市优秀期刊,华北5省市优秀期刊,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:11924