| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 论文的研究背景及意义 | 第9页 |
| 1.2 疲劳驾驶的研究现状和发展动向 | 第9-11页 |
| 1.3 论文的研究方法和解决的问题 | 第11-12页 |
| 1.4 论文章节安排 | 第12-13页 |
| 第2章 理论基础和实验设计 | 第13-23页 |
| 2.1 疲劳驾驶研究的理论基础 | 第13-20页 |
| 2.1.1 研究的神经生物学基础 | 第13-15页 |
| 2.1.2 研究的心理科学基础 | 第15-16页 |
| 2.1.3 脑/肌/眼电信号应用于驾驶疲劳分析的理论基础 | 第16-20页 |
| 2.2 实验设计 | 第20-22页 |
| 2.2.1 实验方案及测试方法 | 第21页 |
| 2.2.2 信号的采集 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 实验数据预处理和疲劳信号的空间特性 | 第23-31页 |
| 3.1 实验数据的预处理 | 第23-26页 |
| 3.1.1 小波分解 | 第23-24页 |
| 3.1.2 去眼电伪迹 | 第24-25页 |
| 3.1.3 对肌电信号的预处理 | 第25-26页 |
| 3.2 疲劳信号的空间特性 | 第26-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 基于脑/肌/眼电的时频分析 | 第31-39页 |
| 4.1 小波时频分析 | 第31-33页 |
| 4.2 HHT分析 | 第33-37页 |
| 4.3 本章小结 | 第37-39页 |
| 第5章 基于脑/肌/眼电的复杂度分析 | 第39-51页 |
| 5.1 基熵的复杂度分析 | 第39-46页 |
| 5.1.1 Shnnon熵 | 第39-41页 |
| 5.1.2 近似熵 | 第41-44页 |
| 5.1.3 样本熵 | 第44-46页 |
| 5.2 复杂度计算 | 第46-49页 |
| 5.3 本章小结 | 第49-51页 |
| 第6章 综合算法及分类器设计 | 第51-59页 |
| 6.1 综合算法设计 | 第51-52页 |
| 6.2 ANN多重分类器设计 | 第52-58页 |
| 6.3 本章小结 | 第58-59页 |
| 第7章 总结与展望 | 第59-63页 |
| 7.1 全文总结 | 第59-60页 |
| 7.2 对未来工作的展望 | 第60-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69页 |