基于深度信念网络的脑电信号疲劳检测系统

基于深度信念网络的脑电信号疲劳检测系统

论文摘要

传统的疲劳驾驶检测系统,一般采用对面部特征进行识别与信息提取的方式,易受到外界因素干扰,检测效率较低;针对这一问题,提出基于深度信念网络(DBM)的脑电信号(EEG)疲劳检测系统;结合深度信念网络工作原理和系统整体框架,设计系统硬件结构和软件功能;采用SAA7115型号信号解码器对数字化信号进行分离,通过采集模块电路图,将解码器连接到低噪声Video接口处,保证分离后的脑电信号为合成信号;通过TMS320DM642的DSP数字信号处理器对端口1信号进行合成、对端口2信号进行复合信号编码,保证信号采集不受外界因素干扰;将受限玻尔兹曼机在硬件采集模块中提取的信号进行疲劳程度检测,根据脑电信号变化强度,区分疲劳和未疲劳状态下脑电信号特征,完成系统设计;实验结果表明,所设计系统具有较高检测效率,可为疲劳驾驶人员生命安全提供保障。

论文目录

  • 0 引言
  • 1 系统整体结构设计
  • 2 系统硬件模块设计
  •   2.1 采集模块设计
  •   2.2 显示模块设计
  • 3 系统软件功能设计
  • 4 数值实验分析
  •   4.1 参数设置
  •   4.2 数据采集
  •   4.3 实验结果与分析
  •   4.4 实验结论
  • 5 结束语
  •   5.1 研究成果
  •   5.2 未来展望
  • 文章来源

    类型: 期刊论文

    作者: 朱龙飞,王鹏程

    关键词: 深度信念,脑电信号,疲劳,解码器,玻尔兹曼机,脑电波动指数

    来源: 计算机测量与控制 2019年05期

    年度: 2019

    分类: 信息科技,基础科学,医药卫生科技

    专业: 生物学,生物医学工程,电信技术

    单位: 浙江工业大学经贸管理学院,浙江工业大学软件学院

    基金: 浙江工业大学创新性实验项目(cxsyxm1617)

    分类号: TN911.23;R318

    DOI: 10.16526/j.cnki.11-4762/tp.2019.05.007

    页码: 26-29+34

    总页数: 5

    文件大小: 543K

    下载量: 125

    相关论文文献

    • [1].基于脑电信号反馈控制的双轨道小车控制器设计[J]. 电子制作 2019(23)
    • [2].酒精脑电信号降维去噪方法的研究[J]. 长春理工大学学报(自然科学版) 2019(06)
    • [3].脑电信号分析方法及其应用[J]. 中国医疗器械杂志 2020(02)
    • [4].一种基于脑电信号的眼动方向分类方法[J]. 计算机科学 2020(04)
    • [5].我国脑电信号分析方法及在工学方面的应用研究[J]. 中外企业家 2020(19)
    • [6].基于脑电信号分析的换挡布置优化[J]. 汽车实用技术 2020(17)
    • [7].基于多尺度排列熵的脑电信号分类[J]. 中国数字医学 2019(05)
    • [8].基于深度学习的癫痫脑电信号分析与预测[J]. 长春大学学报 2019(06)
    • [9].关于脑电信号的情感优化识别仿真[J]. 计算机仿真 2018(06)
    • [10].基于脑电信号的耳鸣识别算法研究[J]. 科技传播 2018(13)
    • [11].癫痫脑电信号的相关性分析[J]. 电子世界 2017(05)
    • [12].基于半监督学习的脑电信号特征提取及识别[J]. 工程科学与技术 2017(S2)
    • [13].基于脑电信号的驾驶疲劳的研究[J]. 世界最新医学信息文摘 2017(55)
    • [14].运动想象脑电信号特征的提取与分类[J]. 工业控制计算机 2015(02)
    • [15].脑电信号的最优分数阶傅里叶变换[J]. 沈阳大学学报(自然科学版) 2019(06)
    • [16].基于多特征卷积神经网路的运动想象脑电信号分析及意图识别[J]. 仪器仪表学报 2020(01)
    • [17].人脑电信号实时监测原型系统设计与实现[J]. 计算机工程与应用 2019(02)
    • [18].基于方差和深度学习的脑电信号分类算法[J]. 黑龙江工程学院学报 2017(06)
    • [19].脑电信号识别及其在机械手臂控制中的应用[J]. 生物医学工程研究 2016(04)
    • [20].少年与中年脑电信号的多尺度符号序列熵分析[J]. 北京生物医学工程 2016(06)
    • [21].基于卷积神经网络的脑电信号上肢运动意图识别[J]. 浙江大学学报(工学版) 2017(07)
    • [22].脑电信号在线采集系统设计与实现[J]. 微型机与应用 2017(22)
    • [23].便携式脑电信号采集与处理系统(英文)[J]. 航天医学与医学工程 2016(03)
    • [24].正常人中医体质分类与脑电信号相关性探讨[J]. 辽宁中医药大学学报 2014(11)
    • [25].脑电信号采集系统的设计[J]. 河北建筑工程学院学报 2014(01)
    • [26].思维脑电信号的关联维数分析[J]. 河南科技大学学报(自然科学版) 2012(01)
    • [27].一种适用于清醒动物脑电信号采集的固定装置[J]. 首都医科大学学报 2011(06)
    • [28].运动想象脑电信号识别研究[J]. 计算机工程与应用 2010(33)
    • [29].基于照片刺激下的脑电身份识别研究[J]. 江西蓝天学院学报 2011(04)
    • [30].静息脑电信号频域不对称指数特征识别算法[J]. 电子设计工程 2020(09)

    标签:;  ;  ;  ;  ;  ;  

    基于深度信念网络的脑电信号疲劳检测系统
    下载Doc文档

    猜你喜欢