基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为准确快速检测驾驶员的疲劳状态,本文中提出了一种基于脑网络特征的疲劳检测方法.首先选取真实驾驶实验环境,实时采集驾驶员的脑电信号,对其进行小波包分解与重构,提取各个节律信号.接着通过计算各导联间的相位迟滞指数,构建连接矩阵,并提取各个节律的脑网络特征.最后通过对驾驶员主观疲劳度与所提取特征的人工神经网络回归分析,得到二者间的复杂关系,相关性系数R为90.27%.结果验证了基于功能连接的精神疲劳评估方法的可行性,为不同精神状态下建立脑动态模型开辟了新的途径.本文中提出的方法利用较少电极可穿戴EEG设备检测疲劳简便、经济,对驾驶员疲劳检测系统的开发具有重要意义.
推荐文章
基于无线脑电信号分析的实时疲劳驾驶检测与预警研究
脑电信号
疲劳驾驶
功率谱密度
k-最近邻算法
D-S证据理论
基于深度信念网络的脑电信号疲劳检测系统
深度信念
脑电信号
疲劳
解码器
玻尔兹曼机
脑电波动指数
基于生物电信号的驾驶疲劳检测方法
驾驶疲劳
生成机理
检测方法
生物电信号
一种基于脑电信号的疲劳驾驶状态判断方法
脑电信号
疲劳驾驶
独立成分分析
疲劳指数
频谱分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于脑电信号的疲劳驾驶状态研究
来源期刊 汽车工程 学科
关键词 疲劳驾驶 脑电信号 脑网络 神经网络
年,卷(期) 2018,(5) 所属期刊栏目
研究方向 页码范围 515-520
页数 6页 分类号
字数 3100字 语种 中文
DOI 10.19562/j.chinasae.qcgc.2018.05.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王宏 东北大学机械工程与自动化学院 136 996 15.0 24.0
2 刘冲 东北大学机械工程与自动化学院 39 267 8.0 15.0
3 化成城 东北大学机械工程与自动化学院 9 63 4.0 7.0
4 王翘秀 东北大学机械工程与自动化学院 6 24 3.0 4.0
5 陈骥驰 东北大学机械工程与自动化学院 2 13 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (57)
共引文献  (109)
参考文献  (16)
节点文献
引证文献  (11)
同被引文献  (17)
二级引证文献  (1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(13)
  • 参考文献(0)
  • 二级参考文献(13)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(2)
  • 二级参考文献(3)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(7)
  • 参考文献(3)
  • 二级参考文献(4)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(6)
  • 参考文献(2)
  • 二级参考文献(4)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(10)
  • 引证文献(10)
  • 二级引证文献(0)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
疲劳驾驶
脑电信号
脑网络
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
汽车工程
月刊
1000-680X
11-2221/U
大16开
北京市西城区莲花池东路102号天连大厦1003室
2-341
1979
chi
出版文献量(篇)
4728
总下载数(次)
23
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导