基于无线体域网中多生理信号驾驶疲劳检测

doi:10.12068/j.issn.1005-3026.2014.06.020

东北大学学报:自然科学版 ›› 2014, Vol. 35 ›› Issue (6): 850-853.DOI: 10.12068/j.issn.1005-3026.2014.06.020

基于无线体域网中多生理信号驾驶疲劳检测

付荣荣，王宏，王琳，张驰

(东北大学机械工程与自动化学院，辽宁沈阳110819)

收稿日期:2013-07-01 修回日期:2013-07-01 出版日期:2014-06-15 发布日期:2014-04-11
通讯作者: 付荣荣
作者简介:付荣荣(1985-)，女，辽宁鞍山人，东北大学博士研究生；王宏(1960-)，女，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(61071057).

Detection of Driver Fatigue Based on Multiphysiological Signals in Wireless Body Area Network

FU Rongrong， WANG Hong， WANG Lin， ZHANG Chi

School of Mechanical Engineering & Automation， Northeastern University， Shenyang 110819， China.

Received:2013-07-01 Revised:2013-07-01 Online:2014-06-15 Published:2014-04-11
Contact: WANG Hong
About author:-
Supported by:
-

摘要/Abstract

摘要： 利用生理信号的无线测量设备实现了对驾驶员在驾驶过程中的脑电信号、肌电信号和呼吸信号的采集，并对其进行分析处理，从而实现驾驶员的疲劳检测.首先分别计算三个生理信号的近似熵并将其作为疲劳检测的特征参数，然后使用主成分分析对特征参数进行降维优化处理，同时对原始特征参数和分析后的主成分分别进行统计分析，基于优化处理后的特征参数利用回归方程建立驾驶疲劳估计模型.最后通过交叉验证对本方法进行评价，并使用数据融合方法给出了综合的评价结果.评价结果表明提出的方法对驾驶员疲劳状态的检测正确率达到90%以上.

关键词: 疲劳驾驶, 无线体域网, 脑电, 肌电, 呼吸

Abstract: Driver fatigue was detected using electroencephalograph， electromyography and respiration signals， which were collected wirelessly. The approximate entropies of the three signals were selected as features， and the reduction of feature dimensions was achieved by principle component analysis. Statistical analyses were then given to both original features and principle components and an evaluation model for driver fatigue was established using regression equation. The experimental results were evaluated by cross validation and the accuracy was more than 90% based on data fusion method. The results verify that the model is effective in detecting driver fatigue.

Key words: driver fatigue, wireless body area network, electroencephalograph, electromyography, respiration

中图分类号:

R318

付荣荣，王宏，王琳，张驰. 基于无线体域网中多生理信号驾驶疲劳检测[J]. 东北大学学报:自然科学版, 2014, 35(6): 850-853.

FU Rongrong， WANG Hong， WANG Lin， ZHANG Chi. Detection of Driver Fatigue Based on Multiphysiological Signals in Wireless Body Area Network[J]. Journal of Northeastern University Natural Science, 2014, 35(6): 850-853.

参考文献

[1] Wang H.Using human EEG and EMG to analyze the design and reliability of car models［C］//14th ISSAT International Conference on Reliability and Quality in Design.Orlando，2008:16/18.
[2] Li W，He Q C，Fan X M，et al.Evaluation of driver fatigue on two channels of EEG data［J］.Neuroscience Letters，2012，506(2):235/239.
[3] Sambhu S，Bhagat M，Routray A.EEG signal analysis for the assessment and quantification of driver’s fatigue［J］.Transportation Research:Part F，2010，13(5):297/306.
[4] Pastor G，Tejero P，Choeliz M，et al.Rearview mirror use，driver alertness and road type:an empirical study using EEG measures［J］.Transportation Research Part F，2006，9(4):286/297.
[5] Jap B T，Lal S，Fischer P，et al.Using EEG spectral components to assess algorithms for detecting fatigue［J］.Expert Systems with Applications，2009，36(2):2352/2359.
[6] Dias N S，Carmo J P，Mendes P M，et al.Wireless instrumentation system based on dry electrodes for acquiring EEG signals［J］.Medical Engineering & Physics，2012，34(7):978/981.
[7] Baek J Y，An J H，Choi J M，et al.Flexible polymeric dry electrodes for the longterm monitoring of ECG［J］.Sensors and Actuators，2008，143(2):423/429.
[8] 胡巍，赵章琰，路知远，等.无线多通道表面肌电信号采集系统设计［J］.电子测量与仪器学报，2009，23(11):30/35.(Hu Wei，Zhao Zhangyan，Lu Zhiyuan，et al.Design of wireless multichannel surface EMG acquisition system［J］.Journal of Electronic Measurement and Instrument，2009，23(11):30/35.)
[9] Papadelis C，Papadeli C K，Bamidis P D，et al.The effect of hypoxia on multichannel EEG signal complexity［J］.Clinical Neurophysiology，2007，118(1):31/52.
[10] Pincus S M.Approximate entropy(ApEn)as a complexity measure［J］.Chaos，1995，5(1):100/117.

[1]	段志豪，刘冲，陈杰，陆志国. 数据区间优化对SSVEP算法性能的影响[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1092-1097.
[2]	王翘秀，王宏，胡佛，化成城. 基于脑区社团结构的恐高程度识别模型[J]. 东北大学学报（自然科学版）, 2021, 42(3): 381-388.
[3]	王斐，魏晓童，秦皞. 基于sEMG和LSTM的下肢连续运动估计[J]. 东北大学学报:自然科学版, 2020, 41(3): 305-311.
[4]	高艳芳，姚兰，马衍崧，李凤云. 基于区块链的无线体域网数据云存储完整性研究[J]. 东北大学学报:自然科学版, 2020, 41(3): 337-342.
[5]	徐礼胜，张闻勖，庞宇轩，吴承暘. 基于短时心电信号的疲劳驾驶检测算法[J]. 东北大学学报:自然科学版, 2019, 40(7): 937-941.
[6]	沈丽丽，耿小荃，徐礼胜. 基于脑电的立体视频加速度的特征识别[J]. 东北大学学报:自然科学版, 2019, 40(10): 1386-1391.
[7]	常文文，王宏，化成城，王翘秀. 基于有向网络的人物信息诱发脑电信号特征[J]. 东北大学学报:自然科学版, 2019, 40(1): 1-6.
[8]	董瑞春，郭立新，袁胜，葛伟. 基于肌电信号和加速度信号的腰部振动实验研究[J]. 东北大学学报:自然科学版, 2018, 39(2): 232-236.
[9]	王琳，化成城，姜鑫，王宏. 基于颈腰部肌电及脑电信号的疲劳驾驶检测[J]. 东北大学学报:自然科学版, 2018, 39(1): 102-107.
[10]	陈星池，赵海，毕远国，于洋. 手机可见光提取脉搏中呼吸率的估计[J]. 东北大学学报:自然科学版, 2017, 38(7): 932-935.
[11]	张驰，卢绍文，王宏，王宏*. 磨矿过程控制中专家操作人员脑电特征分析[J]. 东北大学学报:自然科学版, 2017, 38(6): 828-833.
[12]	马辉，武爽，曾劲，张文胜. 直裂纹悬臂梁系统阻尼特性分析[J]. 东北大学学报:自然科学版, 2017, 38(4): 546-550.
[13]	黄璐，王宏. 基于盲反卷积的脑电信号盲分离研究[J]. 东北大学学报:自然科学版, 2016, 37(8): 1100-1103.
[14]	刘冲，于清文，陆志国，王宏. 基于最小二乘支持向量机的脑电信号分类[J]. 东北大学学报:自然科学版, 2016, 37(5): 634-637.
[15]	杨丹，乔红玉，徐彬，王旭. 基于磁感应的呼吸信号测量的可行性实验[J]. 东北大学学报:自然科学版, 2016, 37(10): 1383-1387.

基于无线体域网中多生理信号驾驶疲劳检测

Detection of Driver Fatigue Based on Multiphysiological Signals in Wireless Body Area Network

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价