| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-15页 |
| 1.2.1 作业疲劳测试方法发展现状 | 第10-12页 |
| 1.2.2 多生理信息融合技术发展现状 | 第12-13页 |
| 1.2.3 可穿戴生理参数监测技术国内外发展现状 | 第13-15页 |
| 1.3 当前研究的问题 | 第15页 |
| 1.4 本文主要工作 | 第15-17页 |
| 2 基于人体状态信息的疲劳检测原理 | 第17-35页 |
| 2.1 作业疲劳形成过程模型研究 | 第17-19页 |
| 2.1.1 作业疲劳的定义 | 第17页 |
| 2.1.2 作业疲劳的产生机理 | 第17-18页 |
| 2.1.3 作业疲劳形成过程研究 | 第18-19页 |
| 2.2 疲劳影响因素分析 | 第19-28页 |
| 2.2.1 脉搏受疲劳影响分析 | 第19-20页 |
| 2.2.2 血压受疲劳影响分析 | 第20-22页 |
| 2.2.3 皮温受疲劳影响分析 | 第22-23页 |
| 2.2.4 呼吸受疲劳影响分析 | 第23-25页 |
| 2.2.5 运动步态参数受疲劳影响分析 | 第25-28页 |
| 2.3 疲劳生理参数相关性分析 | 第28-31页 |
| 2.4 多生理信息融合的疲劳测试方法 | 第31-32页 |
| 2.5 基于PVT的疲劳等级量化方法 | 第32-34页 |
| 2.5.1 PVT测量原理 | 第32-33页 |
| 2.5.2 基于PVT的疲劳等级量化 | 第33-34页 |
| 2.6 本章小节 | 第34-35页 |
| 3 基于人体状态信息的可穿戴疲劳检测系统设计 | 第35-48页 |
| 3.1 系统总体方案设计 | 第35-36页 |
| 3.1.1 总体系统组成 | 第35页 |
| 3.1.2 系统功能阐述 | 第35-36页 |
| 3.2 系统硬件设计 | 第36-42页 |
| 3.2.1 系统主控模块 | 第36-37页 |
| 3.2.2 传感器采集模块 | 第37-40页 |
| 3.2.3 蓝牙模块 | 第40-41页 |
| 3.2.4 电源模块 | 第41页 |
| 3.2.5 PCB设计 | 第41-42页 |
| 3.3 系统软件设计 | 第42-47页 |
| 3.3.1 下位机软件设计 | 第42-45页 |
| 3.3.2 上位机软件设计 | 第45-47页 |
| 3.4 本章小节 | 第47-48页 |
| 4 基于PNN网络的疲劳检测算法 | 第48-60页 |
| 4.1 疲劳检测模型建立方法研究 | 第48-49页 |
| 4.2 数据预处理 | 第49-52页 |
| 4.2.1 呼吸信号预处理 | 第49-50页 |
| 4.2.2 加速度信号预处理 | 第50-52页 |
| 4.3 特征值提取 | 第52-53页 |
| 4.3.1 呼吸信号特征提取 | 第52页 |
| 4.3.2 脉搏信号特征提取 | 第52页 |
| 4.3.3 加速度信号特征提取 | 第52-53页 |
| 4.3.4 温度信号特征提取 | 第53页 |
| 4.3.5 血压信号特征提取 | 第53页 |
| 4.4 基于PNN神经网络的疲劳预测网络研究 | 第53-56页 |
| 4.4.1 BP神经网络模型及结构 | 第53-54页 |
| 4.4.2 PNN网络模型及分类思想 | 第54-55页 |
| 4.4.3 PNN网络疲劳预测的优点 | 第55页 |
| 4.4.4 PNN疲劳网络的构建 | 第55-56页 |
| 4.5 基于PNN疲劳预测网络的奇异数据处理方法 | 第56-57页 |
| 4.6 基于PSO算法的PNN疲劳预测网络spread优化 | 第57-59页 |
| 4.6.1 PSO算法简述 | 第57-58页 |
| 4.6.2 算法优化流程 | 第58-59页 |
| 4.7 本章小节 | 第59-60页 |
| 5 系统验证与实验数据分析 | 第60-69页 |
| 5.1 系统性能测试及验证 | 第60-62页 |
| 5.1.1 生理参数采集模块性能验证 | 第60-61页 |
| 5.1.2 上位机性能验证 | 第61-62页 |
| 5.2 模型验证实验 | 第62页 |
| 5.3 实验数据处理与分析 | 第62-68页 |
| 5.3.1 训练数据的准备 | 第62-63页 |
| 5.3.2 PNN神经网络训练 | 第63-65页 |
| 5.3.3 模型验证与分析 | 第65-68页 |
| 5.4 本章小节 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 附录 | 第75页 |