无线体域网下疲劳驾驶状态脑肌眼电信号特性研究

基于无线体域网（WBAN）研究驾驶员在疲劳驾驶状态的脑电、肌电和眼电信号的时空分布规律，协同分析这三种信号的特性，探讨疲劳驾驶状态的电生理判据，目的在于研究有效的监测和防止驾驶员疲劳驾驶的方法，减少交通事故的发生。疲劳驾驶是脑力疲劳和体力疲劳等同时参与的综合性疲劳。脑电是描述脑力疲劳的一种有效方法，肌电是描述肌肉疲劳的电生理方法，眼电可描述眼球运动的情况。2009年国外有学者报道：与仅用脑电检测分析相比较，将脑电、肌电和眼电协同分析提高了对疲劳驾驶状态检测的准确率。根据汽车的驾驶环境，本项目提出了利用无线体域网和柔性电极技术，研究疲劳驾驶状态下人体生理电信号的特征。项目中将借助国际、国内合作，根据无线体域网内信息传输的特性，以脑电信号分析为主、肌电和眼电信号分析为辅进行深入地研究。以及采用多传感器的信息融合、盲信号分离、时-频分析、非线性动力学等方法进行分析。

按照项目申请书的研究计划进行了相关的研究工作。主要包括:（1）建立了一种车载无线体域网系统(WBAN)，研究了如何在该体域网系统中检测驾驶员的生理电信号；（2）研究了对疲劳驾驶状态驾驶员脑电（EEG）、肌电（EMG）和眼电（EOG）信号进行分析的方法,研究了对多传感器信息融合的模式识别和特征提取方法；（3）将实验室的研究成果应用在长途汽车和出租车的实际驾驶中,以及应用在实际交通事故案例分析中。.根据汽车的驾驶环境，建立了一种车载无线体域网系统。基于该无线体域网，研究了驾驶员在疲劳驾驶状态的脑电、肌电和眼电信号的特征，研究了多传感器信息融合的模式识别和特征提取方法。鉴于长途客车和出租车驾驶员的驾驶状态关系到旅客和驾驶员的生命安全，本项目中，将实验室模拟驾驶的研究成果应用在长途汽车和出租车实际驾驶中，提出了一种非接触式检测驾驶员生理电信号的方式，实现了对驾驶员疲劳状况检测的可视化和特征提取。研究发现小波熵是衡量驾驶疲劳的一个有效物理量，即随着驾驶时间的增加，脑电、眼电和肌电信号的小波熵值都具有统计意义的下降（p<0.05）。项目中，根据对驾驶员疲劳驾驶行为的研究结果，综合分析了疲劳驾驶所造成的交通事故案例，将实验室的研究成果应用在实际案例分析中。.本项目发表和待发表学术论文26篇，其中SCI期刊论文3篇（最高影响因子5.054(2012)），EI检索论文13篇；申报发明专利2项，获批软件著作权1项；培养博士研究生4名。本项目圆满地完成了项目申请书提出的预期研究成果。