基于方向盤轉(zhuǎn)角信號的駕駛員疲勞監(jiān)測裝置研制.pdf

1、隨著生活節(jié)奏的加快，睡眠不足變得越來越普遍，這使得許多駕駛員在疲勞狀態(tài)下駕駛，而因此引發(fā)的交通事故也越來越多，目前的疲勞監(jiān)測裝置普遍利用生理信號監(jiān)測駕駛員疲勞狀態(tài)，這種裝置的造價成本較高，且部分裝置需要與駕駛員有直接接觸而引起駕駛員的不適，而通過利用非生理信號監(jiān)測可以很好的克服這種缺陷，因此，研究一種基于非生理信號的疲勞監(jiān)測裝置也就有著很重要的實用意義和商用價值。
　　本文首先分析了國內(nèi)外疲勞駕駛監(jiān)測方法的研究現(xiàn)狀，在此基礎上提出

2、了基于非生理信號的疲勞監(jiān)測裝置的設計方案。硬件設計中采用了US-Digital公司生產(chǎn)的MA3編碼器進行方向盤轉(zhuǎn)動角度的測量，然后利用TI公司的eZ430-RF2500開發(fā)工具采集方向盤轉(zhuǎn)角信號并傳送給計算機。軟件方面利用LabWindows/CVI接收傳送給計算機的數(shù)據(jù)然后將數(shù)據(jù)交由Matlab軟件處理；對幾種方向盤轉(zhuǎn)角信號處理方法進行分析后，利用了多元線性回歸方法和神經(jīng)網(wǎng)絡方法分別建立模型。在建立的回歸模型中，利用最小二乘法對模型中

3、的參數(shù)進行了估計。該模型中自變量為方向盤轉(zhuǎn)角相關變量，因變量為對采集到的ECG信號進行處理后得到的疲勞監(jiān)測指標。為了選擇與疲勞監(jiān)測指標聯(lián)系緊密的方向盤轉(zhuǎn)角相關變量，采用逐步回歸算法對模型中的變量進行了選擇。在人工神經(jīng)網(wǎng)絡模型中，采用了前饋結構的三層神經(jīng)網(wǎng)絡，輸入層為方向盤轉(zhuǎn)角相關變量，輸出層為對 ECG信號進行處理后得到的疲勞監(jiān)測指標，并利用倒傳遞算法對模型進行訓練。
　　本文最后對建立完畢的回歸模型和神經(jīng)網(wǎng)絡模型進行了適用性分析