罗 旭,王 宏, 王福旺

(1.东北大学,沈阳 110004；2.沈阳师范大学,沈阳 110034)



2015041

基于脑电信号分类的高速公路上驾驶疲劳识别*

罗 旭1,2,王 宏1, 王福旺1

(1.东北大学,沈阳 110004；2.沈阳师范大学,沈阳 110034)

为驾驶疲劳的识别提出一种基于小波变换与BP人工神经网络的自发脑电信号分类方法。利用离散小波变换对驾驶员的脑电信号滤波，得到频率低于30Hz的4个子带小波系数，由统计方法从小波系数中提取特征值。以这些特征值作为训练数据，对所建的BP人工神经网络进行训练。结果表明，用所建的神经网络对高速公路客车驾驶员分别在疲劳和非疲劳时记录的脑电信号进行分类可达93.2%的准确率。

驾驶疲劳；脑电信号；小波；BP人工神经网络

前言

疲劳驾驶是引发交通事故的主要原因之一。经统计，有20%～30% 的交通事故直接由疲劳驾驶引起[1]。因此须研究量化与识别疲劳驾驶的有效方法，为研制疲劳驾驶预警系统提供理论与技术支持。

疲劳驾驶的量化与识别，主要是通过分析人体电信号，如脑电(EEG)、眼电(EOG)和肌电(EMG)等来实现。其中，脑电信号是最为可信和准确的疲劳判断依据[2]。文献[3]中试图使用脑电信号功率记录模拟驾驶过程中驾驶员的表现，结果表明脑电信号的变化与驾驶员注意力的变化有关。文献[4]中提出，疲劳状态下的脑电波中，低频波(θ波与α波)比例增大，而高频波(β波)比例降低。文献[5]中通过支持向量机分类器对经小波滤波的脑电信号进行分类识别，分类正确率达90.04%。

本文中结合离散小波变换滤波技术与BP人工神经网络分类方法，对两类脑电数据(疲劳驾驶和非疲劳驾驶状态下的脑电信号)进行分类识别，平均正确率为93.2%。……