基于脑电信号的疲劳估计和实时监控技术研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 插图索引 | 第13-15页 |
| 表格索引 | 第15-16页 |
| 第一章 绪论 | 第16-22页 |
| ·课题产生的背景和意义 | 第16-20页 |
| ·基于脑电信号的疲劳估计 | 第17页 |
| ·疲劳状态的描述 | 第17-18页 |
| ·基于脑电信号的疲劳程度标注 | 第18页 |
| ·脑电信号的预处理 | 第18-19页 |
| ·脑电信号的特征提取 | 第19页 |
| ·疲劳模型的建立 | 第19-20页 |
| ·本文章节安排 | 第20-22页 |
| 第二章 基于脑电的驾驶员疲劳分析实验平台 | 第22-29页 |
| ·实验平台介绍 | 第22-24页 |
| ·实验项目设计 | 第24-26页 |
| ·模拟驾驶实验 | 第24-25页 |
| ·基于图片的警觉度实验 | 第25-26页 |
| ·脑电信号标定 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于脑电信号的人脑疲劳分析算法 | 第29-44页 |
| ·疲劳分析算法流程 | 第29-30页 |
| ·伪迹去除 | 第30-32页 |
| ·特征提取 | 第32-33页 |
| ·能量比例(PR) | 第32页 |
| ·能量方差(VP) | 第32-33页 |
| ·平均频率(AF) | 第33页 |
| ·频率方差(VF) | 第33页 |
| ·特征选择 | 第33-38页 |
| ·基于互信息的mRMR 算法 | 第33-36页 |
| ·使用随机矩阵对特征进行降维 | 第36-38页 |
| ·疲劳水平评估 | 第38-43页 |
| ·基于支持向量机的疲劳分析 | 第38-39页 |
| ·基于稀疏表示分类的疲劳分析 | 第39-42页 |
| ·基于分层的高斯混合模型的疲劳分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 实验结果和结论 | 第44-51页 |
| ·实验结果 | 第44-50页 |
| ·模拟驾驶实验 | 第44-47页 |
| ·基于图片的警觉度实验 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 警觉度分析软件EGCIL | 第51-60页 |
| ·EGCIL 简介 | 第51-53页 |
| ·EGCIL 模拟实时子系统 | 第53-56页 |
| ·EGCIL 实时分析系统 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-63页 |
| ·本文主要工作 | 第60-61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-70页 |
| 攻读学位期间参与的项目 | 第70页 |
