CAJ | 학술논문

为预防交通事故发生,针对疲劳驾驶进行实时有效监测和预警的需要,提出在脑电检测的基础之上,提取了近似熵、Kc复杂度和C0复杂度,建立了混合专家网络分类器模型,实现了觉醒和瞌睡状态的预测.同时,用小波包域功率谱实现了闭眼的检测,作为瞌睡监测的辅助检测.系统监测异常状态时,将发出声音及视觉指示提醒驾驶员注意安全行驶.经测试,在最佳窗长下,觉醒和瞌睡状态的识别准确率为75.25±9.21；睁闭眼状态的识别准确率为87.31±3.97;系统监测的平均处理时间为0.1708±0.0124s.混合专家网络方法可以快速有效的识别睁眼、闭眼和瞌睡状态,为开发实时、便携的疲劳监测预警设备提供了很好的模型.
위예방교통사고발생,침대피로가사진행실시유효감측화예경적수요,제출재뇌전검측적기출지상,제취료근사적、Kc복잡도화C0복잡도,건립료혼합전가망락분류기모형,실현료각성화갑수상태적예측.동시,용소파포역공솔보실현료폐안적검측,작위갑수감측적보조검측.계통감측이상상태시,장발출성음급시각지시제성가사원주의안전행사.경측시,재최가창장하,각성화갑수상태적식별준학솔위75.25±9.21；정폐안상태적식별준학솔위87.31±3.97;계통감측적평균처리시간위0.1708±0.0124s.혼합전가망락방법가이쾌속유효적식별정안、폐안화갑수상태,위개발실시、편휴적피로감측예경설비제공료흔호적모형.