基于多参数融合的疲劳驾驶监测及预警系统
| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8页 |
| ·疲劳驾驶检测方法研究现状 | 第8-10页 |
| ·本文研究的主要内容 | 第10-11页 |
| ·文章组织结构 | 第11-13页 |
| 第二章 驾驶疲劳与脑电概述 | 第13-16页 |
| ·驾驶疲劳分析 | 第13页 |
| ·脑电信号 | 第13-14页 |
| ·睡眠脑电信号分期和特征 | 第14-15页 |
| ·小结 | 第15-16页 |
| 第三章 驾驶疲劳参数提取 | 第16-22页 |
| ·实验数据来源 | 第16-17页 |
| ·近似熵(APEN) | 第17-18页 |
| ·Kc复杂度(Kc) | 第18-19页 |
| ·CO复杂度(CO) | 第19页 |
| ·小波包分解 | 第19-21页 |
| ·睁闭眼状态的识别 | 第19-20页 |
| ·小波包技术原理和算法 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第四章 疲劳检测分类器设计 | 第22-27页 |
| ·多层感知器神经网络 | 第22-23页 |
| ·混合专家网络 | 第23-25页 |
| ·混合专家网络概述及工作原理 | 第23-25页 |
| ·EM算法用于混合专家网路 | 第25页 |
| ·小结 | 第25-27页 |
| 第五章 疲劳监测及预警系统软件设计和测试 | 第27-46页 |
| ·系统软件设计 | 第27-29页 |
| ·觉醒和瞌睡识别模型的训练 | 第29-34页 |
| ·睁闭眼状态的识别模型 | 第34-37页 |
| ·预警模块 | 第37-40页 |
| ·系统测试实验 | 第40-45页 |
| ·小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| ·总结 | 第46-47页 |
| ·研究展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 在学期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |
