【正文】 a method to annotate the vigilance state of subjects in this experiment. In order to have a better usage of the EEG sensor Mindwave Mobile from Neurosky Company, this thesis develops programs based on LabVIEW as the software support of the hardware. Last, the thesis analyses the way to process the data from the experiment, and show the result of the test on part of the performance of the tentative model. Key words: EEG, drivers, vigilance state, spectral analysis, LabVIEW 目 錄 i 目 錄 摘 要 ............................................ I Abstract ......................................... II 第 1 章 緒論 ....................................... 1 研究背景及意義 ................................. 1 國內(nèi)外研究現(xiàn)狀 ................................. 4 基于腦電信號(hào)的駕駛?cè)司X度狀態(tài)分析概述 ........... 8 駕駛?cè)司X度狀態(tài)與駕駛安全性 .................. 8 腦電信號(hào)簡介 ................................. 8 腦電信號(hào)與警覺度的關(guān)系 ........................ 9 基于腦電信號(hào) 的駕駛?cè)司X度狀態(tài)評估模型的設(shè)計(jì)流程和關(guān)鍵問題 ........................................... 10 本論文的研究目的、主要研究內(nèi)容和內(nèi)容安排 ........ 11 本論文的研究目的和主要研究內(nèi)容 ............... 11 論文安排 .................................... 12 第 2 章 評估模型的初步設(shè)計(jì) ......................... 14 腦電信號(hào)降噪、去偽跡預(yù)處理 ..................... 14 腦電信號(hào)中主要噪音、偽跡信號(hào)的分類與特點(diǎn) ...... 14 現(xiàn)有濾除肌電信號(hào)與眼電信號(hào)的方法 .............. 15 獨(dú)立成分分析（ ICA）技術(shù)在腦電去偽跡中 的使用 ... 16 經(jīng)驗(yàn)?zāi)B(tài)分解（ EMD）在腦電去偽跡中的應(yīng)用 ....... 18 目 錄 ii 腦電特征的提取 ................................ 19 時(shí)序特征 .................................... 20 頻譜特征 .................................... 20 腦電特征的過濾 ................................ 22 ............................... 22 警覺度狀態(tài)評估模型的初步設(shè)計(jì) ................... 23 第 3 章 駕駛?cè)四X電警 覺度實(shí)驗(yàn)的設(shè)計(jì) .................. 24 實(shí)驗(yàn)設(shè)備及其使用介紹 .......................... 24 腦波傳感器 Mindwave Mobile ................... 24 國際腦電圖學(xué)會(huì)標(biāo)準(zhǔn)電極放置法 — 10/20系統(tǒng)電極放置法..................................................... 25 Mindwave Mobile 腦電探測電極放置說明 .......... 25 LabVIEW 介紹 ................................ 26 LabVIEW的 Neurosky driver 介紹 ................ 27 駕駛?cè)四X電采集與記錄系統(tǒng)開發(fā) ................. 27 駕駛?cè)司X度狀態(tài)標(biāo)注系統(tǒng)開發(fā) ................. 29 實(shí)驗(yàn)過程 ...................................... 32 第 4 章 實(shí)驗(yàn)數(shù)據(jù)處理 ............................... 33 實(shí)驗(yàn)數(shù)據(jù)的預(yù)處理 .............................. 33 腦電輸出數(shù)據(jù)的優(yōu)化 .......................... 33 警覺度標(biāo)注數(shù)據(jù)的獲取 ........................ 35 實(shí)驗(yàn)結(jié)果 ...................................... 36 目 錄 iii 模型的部分性能測試 ............................ 37 第 5 章 總結(jié)與展望 ................................. 39 論文主要工作與創(chuàng)新點(diǎn) .......................... 39 主要工作 .................................... 39 論文創(chuàng)新點(diǎn) .................................. 39 ...................................... 40 參 考 文 獻(xiàn) ....................................... 1 致謝 .............................................. 1 第 1章 緒論 1 第 1 章 緒論 研究背景 及 意義 20xx 年 至 20xx 年 ，我國 交通 事故死亡人數(shù) 平均 每年 約為 9萬人 ，交通事故總量巨大 ， 傷亡嚴(yán)重，交通安全形勢不容樂觀 ！ 隨著 人類社會(huì) 的不斷進(jìn)步，工業(yè)與經(jīng)濟(jì)的 不斷 發(fā)展，全球汽車的數(shù)量也在急劇增加。 第 1章 緒論 2 圖 11 道路 系統(tǒng)結(jié)構(gòu)圖 駕駛?cè)?人為 因素是引發(fā)道路交通 事故 的主要原因這一事實(shí)已經(jīng)被世界各國所公認(rèn)。 駕駛?cè)似?監(jiān)測 的總體 思路 就是 找出反映 駕駛?cè)似?程度的因素 ， 并根據(jù)這些因素來判斷駕駛?cè)说钠跔顟B(tài) 。 第 1章 緒論 4 圖 13 腦電波 被 稱為 疲勞 檢測 的 “ 金標(biāo)準(zhǔn) ” 國內(nèi)外研究 現(xiàn)狀 20世紀(jì) 90年代 開始 ，陸續(xù)有 科研機(jī)構(gòu) 及 公司 涉足 駕駛?cè)司X度的研究當(dāng)中。如圖 14 為 較常見的基于視頻技術(shù)的駕駛?cè)似诒O(jiān)測系統(tǒng) 示意 圖。 20xx 年 ，武漢理工大學(xué)毛喆等人 對不同精神狀態(tài)時(shí)駕駛員的特異性生理指標(biāo)進(jìn)行 了 分析比較，采集了駕駛模擬器上被測試者連續(xù)操作時(shí)的心率、皮電、肌電等生理指標(biāo)，并利用模糊聚類的方法實(shí)現(xiàn)駕駛疲勞狀態(tài)的識(shí)別 。 20xx 年 ， 中國北京航天航空大學(xué)的胡淑燕與清華大學(xué)的鄭鋼鐵公布 了他們與歐盟 SENSATION 計(jì)劃 的 合作研究結(jié)果 。 但該技術(shù)因?yàn)榇嬖?易 受環(huán)境亮度、被試人員頭部位置、面部運(yùn)動(dòng)以及 眼鏡 影響 的 問題 ，警覺度估計(jì)精度較低。因此 ， 駕駛?cè)?駕駛 狀態(tài) ， 車輛的運(yùn)動(dòng)狀態(tài)都時(shí)刻體現(xiàn)著駕駛?cè)说?警覺度 狀態(tài)。 腦電變化 可分為兩類： （ 1） 當(dāng)人受到聲音、閃光、觸擊等刺激時(shí)，會(huì)在頭皮上產(chǎn)生微弱的 電位 變化，稱為事件相關(guān)點(diǎn)位（ ERP, eventrelated potential） ，也稱為誘發(fā) 電位 （ EP, evoked potential） 。 頻率（周期 ）： 腦電 的周期 指 的是一個(gè)波離開基線后又重回基線 所 需要的時(shí)間。 同時(shí) 記錄 的兩個(gè)導(dǎo)聯(lián)的相位取決于腦內(nèi)放電部位的位置、數(shù)目、大小以及 電極 導(dǎo)聯(lián)方法、誘導(dǎo)部位 。 （ 2） 隨著 警覺度 狀態(tài) 的改變，不同節(jié)律的腦電信號(hào)活躍程度會(huì)發(fā)生改變，如 在 頻域上觀察腦電信號(hào)會(huì)發(fā)現(xiàn) ： 隨著警覺度的改變，腦電的功率譜分布會(huì)發(fā)生變化 。 1. 腦電 信號(hào) 的預(yù)處理 腦電信號(hào)十分微弱， 在 采集 和傳輸過程中容易受到來自人體內(nèi)部和外部的干擾 。如 使用 高通濾波器 可 濾除部分眼電 偽跡 ，低通濾波器可 濾除 部分肌電 偽跡 。 腦電信號(hào) 中并不是所有電位的變化都 由 警覺度狀態(tài) 變化 引起，即存在很多與警覺度狀態(tài)無關(guān)的信號(hào)。人工神經(jīng)網(wǎng)絡(luò) 模型 在不同的訓(xùn)練中模型參數(shù)不穩(wěn)定，導(dǎo)致得到的警覺度估計(jì)也不穩(wěn)定 ，并且神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)置也是一個(gè)很難的課題 ； 而支持向量機(jī)模型 在 數(shù)據(jù)規(guī)模較大的時(shí)候訓(xùn)練 速度較慢 。 基于 腦波 傳感器 Mindwave Mobile 與 LabVIEW， 自行 開發(fā) 出 駕駛?cè)?腦電 信號(hào) 采集與記錄系統(tǒng) ，用于 獲得 實(shí)驗(yàn) 中被試的 腦電數(shù)據(jù) 。 第三章 ： 講述 駕駛 人腦電警覺度實(shí)驗(yàn)的原理 和 流程， 介紹 實(shí)驗(yàn) 中 用到的 設(shè)備Mindwave Mobile 腦波 傳感器 ， 以及 基于 LabVIEW 自行 開發(fā) 的 駕駛?cè)四X電采集與記錄系統(tǒng) 和駕駛 人警覺度 狀態(tài) 標(biāo)注 系統(tǒng)。 本章 將對這 四個(gè)方面逐一進(jìn)行 分析， 討論解決 各個(gè)問題 的 常用 方法， 得出 基于 腦電信號(hào)的 駕駛?cè)?警覺度狀態(tài) 評估 模型 的初步設(shè)計(jì) 。 （ 4） 眼電 信號(hào)（ Electrooculogram， EOG） ， 眼球或 眼瞼 的運(yùn)動(dòng) ， 如眼球轉(zhuǎn)動(dòng)或 眨眼 等產(chǎn)生的電生理信號(hào)，是一種特殊的肌電信號(hào)。 其實(shí) 本研究 中使用的腦波采集設(shè)備 Mindwave 第 2章 評估 模型的初步設(shè)計(jì) 15 Mobile 中的 內(nèi)置芯片已經(jīng)設(shè)置了相應(yīng)的濾波器，因此 工頻 交流電和心電信號(hào)產(chǎn)生的影響可以不納入本研究的考慮范圍之中。處理 時(shí) 通過 觀察 ， 判斷 腦電 信號(hào)是否存在偽跡 ， 將存在偽跡的腦電信號(hào)片段進(jìn)行人工的刪除 ； 或?qū)δX 電 波的能量或幅值設(shè)定一個(gè)閥值 作為對 偽跡的 判別 標(biāo)準(zhǔn)， 通過 計(jì)算機(jī)軟件判斷 采集 到的腦電波是否超過閥值 ，若超過則自動(dòng) 刪除 。獨(dú)立 分量 分析是 一種 性能優(yōu)良的盲 源分離技術(shù)，在 知道 很少的信號(hào)先驗(yàn)知識(shí) 的 前提下，能有效 把 信號(hào)的 獨(dú)立 成分分離出來。 目標(biāo) 是 ： 從 多路觀測信號(hào) x(k)中 分離出 隱含 在其中的源信號(hào) s， 即 尋找分離矩陣 W， 使得 ： u=Wx （ 22） 式中 : u = ,??1, ??2,… , ?????是 對隱含源信號(hào)向量 s(k)的 逼近。目標(biāo) 就是 求出正交解 混 矩陣 ???，使 y 的 每個(gè)分量都是相互獨(dú)立的。 相比 于其他獨(dú)立成分分析方法， FastICA 具有 以下的優(yōu)點(diǎn)： （ 1） 它 是 立方收斂的，而其他 ICA 算法 一般只是線性收斂 。 此方法 包括經(jīng)驗(yàn) 模態(tài)分解和 Hilbert 變換 兩個(gè)過程 ， 其中最關(guān)鍵的部分是EMD 方法 。 2. EMD 進(jìn)行 信號(hào) 的 分解 過程 基于 EMD 的基本理論，可以使用它對任何信號(hào) x(t)進(jìn)行分解，分解的過程如圖 23 所示?；?自回歸 模型的腦電信號(hào)特征提取是一種線性 特征 提取方法，自回歸模型系數(shù)可以 很好地反映 大腦的生理功能和思維狀態(tài) [11]。??∑ (???? ?∑ ????????。 可見 ，如果要分析一段時(shí)間內(nèi)的腦電頻譜變化，選擇基于小波 變換 的頻譜特征提取 較為 合適 。1??0 , k=0, 1, ?,N 1, （ 211） 對于單腦電探測電極的 Mindwave Mobile 腦波傳感器而言 X(ω) = ∑ ??(??)??。對于 一個(gè) 長度為 N的 信號(hào)， 其 自相關(guān)函數(shù)的估計(jì)方法如下： (??) = 1?? ∑ ??(??)??(??+ ??)??。因此，對于頻譜特征的提取，我們可以僅提取能量譜特征。線性 回歸 模型 雖然 訓(xùn)練簡單，結(jié)果穩(wěn)定 ， 但精度較差 。 結(jié)合 本研究 所 使用的設(shè)備情況， 得出 圖 23 所示 警覺度 狀態(tài) 評估模型的初步設(shè)計(jì)。 由于選擇 了 SVM 選擇 向量機(jī)回歸模型 來 進(jìn)行警覺度狀態(tài)的估計(jì) ，本 論文初步 設(shè)計(jì) 的 警覺度狀態(tài)評估 模型只能對 駕駛?cè)藢?shí)現(xiàn)離線評估。 傳感 器 內(nèi)置 芯片 計(jì)算出的 原始腦電信號(hào) 值 是 包含兩個(gè)字節(jié)（ byte） 的整數(shù) ，所以 腦電 信號(hào)值的大小 范圍 是從 32768 到 32767。 第 3章 駕駛?cè)四X電警覺度實(shí)驗(yàn)的設(shè)計(jì) 26 但 Mindwave Mobile對 于腦電探測電極的設(shè)置也 限制 了 本研究 的 完整 性 與 準(zhǔn)確性 。圖形化 編程 語言 LabVIEW 和 虛擬儀器技術(shù)已經(jīng)成為工業(yè)界和學(xué)術(shù)界關(guān)注的熱點(diǎn)技