文献类型：期刊文章

作　　者：王琳[1,2] 张陈[1] 尹晓伟[1] 付荣荣[3] 王宏[2]

Wang Lin;Zhang Chen;Yin Xiaowei;Fu Rongrong;Wang Hong(Department of Mechanical Engineering,Shenyang Institute of Engineering,Shenyang 110136;School of Mechanical Engineering and Automation,Northeastern University,Shenyang 110819;Yanshan University,Measurement Technology and Instruction Key Lab of Hebei Province,Qinhuangdao 066004)

机构地区：[1]沈阳工程学院机械学院,沈阳110136 [2]东北大学机械工程与自动化学院,沈阳110819 [3]燕山大学,测控技术与仪器河北省重点实验室,秦皇岛066004

出　　处：《汽车工程》

基　　金：辽宁省高等学校基本科研项目(LQN201708)、中国博士后面上项目(2016M600193)和河北省引进留学人员项目(CL201727)资助。

年　　份：2018

卷　　号：40

期　　号：3

起止页码：333-341

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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。

关 键 词：驾驶疲劳 肌电信号 心电信号 复杂度  样本熵  

分 类 号：U463.6]