英语原文共 25 页，剩余内容已隐藏，支付完成后下载完整资料
译文：
一种基于可穿戴式EEG(Electroencephalogram, 脑电图)设备和稀疏表示检测驾驶员警惕程度实现车速控制的主动安全模型
Zutao Zhang 1,*,dagger;, Dianyuan Luo 2,dagger;, Yagubov Rasim 2, Yanjun Li 2, Guanjun Meng 1, Jian Xu 3and Chunbai Wang 4
1 西南交通大学机械工程学院，成都610031;meng_guanjun@my.swjtu.edu.cn
2西南交通大学信息科学与技术学院610031;luodianyuan@my.swjtu.edu.cn(D.L.);rasim_yagubov@hotmail.com (Y.R.); liyanjun@my.swjtu.edu.cn (Y.L.)
3西南交通大学心理研究与咨询中心，成都610031;xujianlm@gmail.com
4爱荷华州立大学工业与制造系统工程系，Ames，IA 50011,USA; chbwang@iastate.edu
* 通讯: zzt@swjtu.edu.cn; 电话: 86-135-5120-4769
所有作者同等贡献于此工作
学术编辑：Felipe Jimenez
收到时间：2016.1.4；接受时间：2016.2.12：发表时间：2012.2.19
摘要：在本文中，我们提出了一种基于使用低成本，舒适，可穿戴式的脑电图传感器进行稀疏表示检测驾驶员警惕性的低成本车速控制主动安全模型。提议的系统包括三个主要步骤：无线可穿戴式脑电信息采集，驾驶员警惕性检测和车速控制策略。首先，自制低成本舒适的可穿戴式式脑机接口（Brain Computer Interface,BCI）系统带有八个通道，可用于收集驾驶员的脑电信号。其次，小波分析去除噪声和降采样算法用于提高脑电数据的信号质量，采用快速傅里叶变换（Fast Fourier transform,FFT）提取脑电功率谱密度（power spectrum density,PSD）。在该步骤中，先结合k-奇异值分解算法（k-singular value decomposition,KSVD）将稀疏表示进行分类，再通过相位灵敏调解器估计驾驶员的警惕程度。最后，提出了一种新的车速控制安全策略，该策略使用上述方法控制电子节气门开度和驾驶员疲劳检测后的自动制动，以避免严重的碰撞和交通事故。仿真和实际测试结果证明了此车辆主动安全模型的可行性。
关键词：可穿戴式脑电设备；警惕性检测；车辆主动安全性；车速控制;稀疏表示；脑机接口
1.引言
近年来越来越多的交通事故成为严重的社会安全问题。其中一个主要原因是驾驶员驾驶疲劳时的注意力明显下降，例如感觉，识别和汽车控制能力。统计数据显示，交通事故导致伤亡的主要原因是驾驶员警觉程度降低[1,2]。文献分析表明，驾驶警觉程度的原因导致了车辆碰撞中的43%，其中近距离碰撞占比27%[3]。来自华盛顿上报的致命撞车事故表明，驾驶员疲劳导致大部分撞车事故（即2005年为10％，2009年为16％，2009年疲劳相关死亡人数为5474人）[4]。在欧洲，统计数据显示：所有交通事故中约有10％至20％是由驾驶员因警惕程度降低而导致的疲劳所致。美国国家睡眠基金会（The National Sleep Foundation,NSF）报告表明，51％的美国人承认在昏昏欲睡时驾驶过车辆，其中17％的人承认他们那时实际上已经睡着了[5]。
诸如预张紧座椅安全带，、安全气囊，、防抱死制动系统，、牵引力控制系统和电子稳定程序等技术，只能在一定程度上保护碰撞中的人。重要的是开发能够主动检测驾驶员警惕程度并在驾驶疲劳时控制车速的系统。在过去的几十年中，许多研究人员都专注于驾驶员的警惕性检测的研究。当驾驶员疲劳时，他们通过向驾驶员发送警告解决了这个问题。然而，这些技术对车辆的控制没有帮助，因为大多数驾驶员认为他们能够控制车辆，其实不然。随着车辆速度的增加，动态视觉，、驾驶员在运动中的视觉以及动态视野（驾驶员在运动中的视野）减小。通常，动态视力比静态视力低10％-20％。例如，当车速为60公里/小时时，驾驶员可以看到200米范围内的交通标志。 当车速达到80公里/小时时，驾驶员只能看到前方160米范围内的交通标志。因此，当驾驶员疲劳时，控制车辆减速以防止碰撞是必要且有效的
1.1驾驶员警惕性检测技术
目前，检测驾驶员警惕性的技术正在迅速发展。最流行的方法分为三类[6-8]。第一类技术关注车辆的运动情况[9]，例如检测车道偏离，方向盘运动，驾驶踏板的压力。如果车辆的运动异常，则驾驶员被认为为疲劳状态。尽管该技术提供了一种用于矫正驾驶员的非侵入性方法，但由于个人驾驶习惯和道路情况的变化，很难构建用于疲劳驾驶的通用模型。
第二类技术分析了驾驶员身体行为的变化[10-15]，例如眼动追踪，打哈欠，闭眼百分比（percent eye closure,PERCLOS），眨眼频率，点头频率，面部位置以及驾驶员头部的倾斜度。在文献[10-15]中，使用摄像机测量眼部运动，面部表情和头部姿势是基于机器视觉和计算机硬件技术的驾驶员警惕性检测的有效方式。使用多个视觉参数和各种驾驶员面部视觉线索的信息融合，用于模拟驾驶员警惕并预测驾驶员疲劳[14,15]。通常，在这种算法中，通过视频分析和分类驾驶员的警戒级别。但是视频检测易受环境和驾驶条件的影响，例如光线条件，驾驶员佩戴的眼镜等。此外，误判也可能由驾驶员行为的可变性引起，例如睁眼疲劳就不易被察觉。
最后一类是驾驶员困倦检测的生理信号[16-28]，使用心电信号（Electrocardiosignal,ECG），眼电图（Electrooculographic,EOG），脑电图（EEG）和心率变异性（Heart rate variability,HRV）。这些系统更可靠，因为生理困倦标志是众所周知的，并且驾驶员疲倦特征非常相似。脑电图一直被视为警惕性检测的“黄金标准”。在[16]中，Scaron;uscaron;maacute;kovaacute;描述了人类疲劳与脑电图之间的关系。它表明脑电图中存在的不同频率，即theta;（4 Hz-8 Hz），alpha;（8 Hz-14 Hz）和beta;（14 Hz-34 Hz）与驾驶员的警惕程度密切相关。theta;的频率或alpha;频率与疲劳存在正相关，并且beta;频率的功率与清醒之间存在负相关。在这一类别中，首要也是最重要的部分是获得驾驶员的脑电图。然而，传统的实验室设备尺寸过于庞大并且使用过程繁琐。为了将脑电图的应用扩展到疲劳驾驶领域，许多研究人员开始开发用于脑电图采集的便携式设备。林等人设计了一系列可穿戴式BCI系统来检测驾驶员的警惕性[17,18]。他们的系统具有三个功能：第一个功能是脑电信号采集和放大，第二个功能是在CPLD（Complex programmable logic device，复杂可编程逻辑器件）等中实现的数据传输。第三个功能是在OMAP（Open multimedia architecture platform，开放式多媒体架构平台）等中实施警惕性检测。在文献[19-21]中，Rodger等人也对现有技术的界面神经生理行为表现进行了显著改善，他们提出了神经知识发现方法，情绪和记忆研究，改善记忆和BCI系统的软件培训结果。首先进行独立成分量分析（Independent component analysis，ICA），小波和滤波器通常用于干扰消除。然后进行警惕性检测算法以区分驾驶员的不同状态[4,22-27]。在[4]中，作者进行了许多实验，以验证脑电功率谱密度（PSD）与疲劳之间的关系。alpha;和beta;频率中的警惕状态下的功率比在疲劳状态更大。警惕状态下theta;频率的功率低于疲劳状态。在[22]中，Jung等人早在1997年就提出了一种基于脑电功率谱估计警惕性的模型。在他们的论文中，主成分分析（Principal component analysis,PCA）用于脑电特征提取，人工神经网络（Artificial neural networks,ANN）用于建立警报模型。结果表明，使用脑电图连续，准确，无创且几乎实时地估计警惕性程度是可行的。在[23]中，通过脑电特征构建提取分析功率谱密度以构建用于警惕性分级的疲劳模型。Yu等人使用连续小波变换（Continuous wavelet transform,CWT）来提取脑电图的频率特征，并使用稀疏表示分级来完成[24]中的分级任务。为了提高稀疏表示分级的性能精度，Aharon等人提出了k-奇异值分解（KSVD）在[25]中。工作记忆课题的多通道EEG信号模型在文献[26]中提出。在[27]中，提出了一种使用基于小波的脑电和呼吸信号进行驾驶员警惕性检测的移动健康检测设备。通过评估时域和频域中的心率变异性来分析驾驶员的健康状况。在[28]中，建立了一种新的驾驶员疲劳评估模型，将四个基于疲劳的指标与动态贝叶斯网络（Dynamic Bayesian network,DBN）相结合。结果表明，评估驾驶员疲劳比单一基于脑电信号的指标更准确。这些生理信号作为在道路上驾驶的警惕性检测的显示的难点在于，如何在多变的行驶条件与复杂的分类中方便快捷地获得脑电信号，来评估驾驶员的疲劳程度。然而，在确定驾驶员警惕性时，生理信号测量被认为是准确、有效和客观的。
1.2. 驾驶员警惕后的车速控制算法
在驾驶员疲劳之后，建议系统会向驾驶员发出警告以避免交通事故[9,15,17]。尽管收到疲劳驾驶警告，大多数司机认为他们可以安全驾驶。在驾驶员的响应和警惕程度继续下降的情况下，车辆主动安全策略是一个重要的可选系统，进行速度控制以防止交通碰撞。自适应巡航控制（Adaptive cruise control，ACC）和止步走策略与车速控制有关。前者主要涉及自动驾驶以恒定速度行驶的道路上的距离控制，而后者则涉及频繁停止，减速和加速的市区车辆通勤[29]。在[30]中，Li提出了一种主动控制策略，以防止车辆因驾驶员分心或驾驶员的注意力不集中而发生的可能的碰撞。在[31]中，文献使用自适应行为的概念模型检验了驾驶员的适应性。在[32]中，Zhang等人提出了一种用于车辆安全的换向速度控制。最终的模拟和实验表明了车辆倒车速度控制的有效性。麦考尔等人，提出了一种基于预测制动辅助减少后端碰撞的新型安全系统[33]。在[34]中，Keller等人提出了一个主动的行人安全系统，融合传感器，状态分析，决策支持和自动控制。在[35,36]中，Naranjo等人提出了一种用于车辆安全的ACC系统。相关工作通过环境感知[37]，道路状况检测[38,39]和驾驶员活动状态检测[40]来处理车速控制。
尽管用于驾驶员警戒检测和车辆的现有方法/系统成功速度控制，还存在诸多因素的挑战。研究人员对驾驶员警惕性检测系统进行了大量研究，重点关注以下三个主要问题：（1）如何找到目前广泛用于获取驾驶员脑电信号的更高可靠性和更低成本的舒适可穿戴式脑电系统; （2）如何从庞杂的数据中检测和识别驾驶员疲劳; （3）如何在驾驶员疲劳检测后使用上述方法应用车速控制算法来防止碰撞。到目前为止，很少有人基于使用无线可穿戴式EEG信号的警惕性检测深入系统地研究车辆主动安全技术。在驾驶环境上建立现有的车道偏离预警系统和车辆碰撞预警系统，以避免碰撞。基于使用脑电信号研究驾驶员的警惕性状态，必须采取措施减少碰撞。在本文中，我们介绍了一种基于可穿戴式脑电和稀疏表示的驾驶员警惕性检测的车辆速度控制的主动安全方法。开发了一种自制的八通道低成本舒适可穿戴式脑 - 计算机接口（BCI）硬件系统来收集驱动器的脑电信号。我们可以通过蓝牙接口将BCI硬件的数据传输到个人计算机（Personal computer，PC）/现场可编程门阵列（Field-programmable gate array,FPGA）/数字信号处理器（Digital signal processor,DSP）。然后利用小波去噪和将采样算法提高脑电数据的质量，采用快速傅里叶变换（FFT）提取脑电功率谱密度（PSD）。首先，在PSD中实现稀疏表示分类与KSVD结合以估计驾驶员警惕性水平。在驾驶员警惕性检测和识别之后，新颖的车辆速度控制策略将决定减速或制动。实际测试和仿真结果表明了所提出的车辆主动安全模型的可行性。
本文的其余部分结构如下。 在第2节中，介绍了一般系统架构。 第3节重点介绍使用我们自制的8通道BCI系统进行EEG采集的低成本可穿戴式BCI系统。 用于警戒检测的稀疏表示分类在第4节中描述，在第5节中我们提出了车速控制策略。系统模拟和验证在第6节中报告。最后，在第7节中给出了一些结论。
2.系统架构
我们系统的总体结构如图1所示，包括三个主要步骤：（1）用于EEG收集的可穿戴式BCI系统; （2）使用稀疏表示分类结合KSVD进行驾驶员警惕性检测; （3）车速控制策略
在第一步中，当驾驶员驾驶时，使用自制的八通道可穿戴式BCI系统来收集驾驶员的脑电信号，然后通过蓝牙接口将其记录的数据发送到PC / FPGA / DSP。 BCI系统由八个不锈钢干电极组成。 它结合了可穿戴式EEG设备，以记录来自驾驶员头部区域的脑电信号。为了将脑电的应用扩展到疲劳的驾驶领域，该便携式系统被开发用于脑电收集，所有芯片（包括蓝牙模型和电池）都放在一个小包中。 为了从不同的警惕级别获取数据，我们将实验条件设置为图1的左侧。在本文中，我们定义了两个警惕
全文共29121字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[460]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
