本发明专利技术公开了一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法，包括以下步骤：采集驾驶员的脑电信号和肌电信号；分别对采集的脑电信号和肌电信号进行预处理；分别对预处理后的脑电信号和肌电信号进行特征提取，并将脑电信号特征与肌电信号特征融合，得到融合特征；对融合特征进行解码，获得刹车意图的识别结果；根据识别结果对车辆进行紧急刹车或软刹车。本发明专利技术能够有效解决单一信号源缺陷的问题，还能适用于复杂环境中刹车意图的检测。还能适用于复杂环境中刹车意图的检测。还能适用于复杂环境中刹车意图的检测。
【技术实现步骤摘要】
一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法
[0001]本专利技术涉及智能驾驶
，更具体的说是涉及一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法。
技术介绍
[0002][0003]智能辅助控制系统通过检测驾驶员刹车意图提醒驾驶员即将发生的交通事故，实现间接控制车辆或者直接控制车辆。现有智能辅助系统提出了多种方法检测驾驶意图(变道、道路保持、刹车等)，包括基于车辆信息的方法、基于环境信息的方法、基于驾驶行为的方法和基于生物信号的方法。车辆信息包括车辆速度、加速度、刹车踏板偏转等，环境信息包括道路信息、行人信息、道路交通信息等，驾驶员行为信息包括脚部位置、手臂位置、头部位置、面部表情和眨眼行为等，生物信号信息包括脑电信号、肌电信号等。
[0004]基于生物信号信息的方法能够有效解决检测驾驶意图滞后问题，目前，通常基于单一的脑电信号或单一肌电信号检测驾驶员刹车意图，然而，采用单一脑电信号或者单一肌电信号检测刹车意图的准确性和鲁棒性均较低。而现有技术中脑电信号和肌电信号融合方法，仅适用于脑电信号和肌电信号均正常的驾驶员，对于单一信号源缺陷的驾驶员并不适用。同时，在刹车意图检测方面，现有研究仅仅集中在紧急刹车，并未考虑软刹车的存在，适用性较差。
[0005]因此，如何提供一种能够准确检测驾驶员刹车意图，并能适用于复杂环境下的基于驾驶员脑电信号和肌电信号检测刹车意图的方法是本领域技术人员亟需解决的问题。
技术实现思路
[0006]有鉴于此，本专利技术提供了一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法，能够有效解决单一信号源缺陷的问题，还能适用于复杂环境中刹车意图的检测。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法，包括以下步骤：
[0009]S1、采集驾驶员的脑电信号和肌电信号；
[0010]S2、分别对采集的脑电信号和肌电信号进行预处理；
[0011]S3、分别对预处理后的脑电信号和肌电信号进行特征提取，并将脑电信号特征与肌电信号特征融合，得到融合特征；
[0012]S4、利用预先构建的分类模型对融合特征进行解码，获得刹车意图的识别结果；
[0013]S5、根据识别结果对车辆进行紧急刹车或软刹车。
[0014]优选的，在上述一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法中，S1包括：
[0015]根据国际标准10/20系统中的位置及分布规则，选择F3、F4、Fz、Cz、 Pz、C3、C4、T7、T8、P7、P3、P4、P8、O1、O2和Oz通道作为脑电信号采集位置；
[0016]选择股直肌、股内侧肌、股外侧肌、胫骨前肌、股二头肌、内侧腓肠肌、外侧腓肠肌和比目鱼肌作为肌电信号采集位置；
[0017]采用32通道采集设备采集脑电信号采集位置的脑电信号和肌电信号采集位置的肌电信号。
[0018]优选的，在上述一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法中，S2包括：
[0019]采用二阶巴特沃斯带通滤波器分别对采集的脑电信号和肌电信号进行滤波，获得目标频段为0.53
‑
60Hz的脑电信号和目标频段为20
‑
120Hz的肌电信号；
[0020]利用降采样处理方式将滤波后的脑电信号和肌电信号的采样频率降至 200Hz以下，并分别以1s为窗宽提取当前时刻前的脑电信号和肌电信号作为样本数据；
[0021]将样本数据前100ms数据作为参考进行基线修正，将脑电信号各个通道的数据减去各个通道叠加后的平均值，同时将肌电信号各个通道的数据减去各个通道叠加后的平均值，分别获得去除共同噪音后的脑电信号数据和肌电信号数据。
[0022]优选的，在上述一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法中，S3包括：
[0023]利用共空间模式选择合适的通道数量，分别计算脑电信号和肌电信号的包络线，作为时域特征；
[0024]通过快速傅里叶变换计算各个通道的功率谱密度函数作为频域特征；
[0025]将时域特征和频域特征顺序连接作为时频域特征；
[0026]分别采用距离相关分析进行特征选择，获得指定比例系数的时域特征、频域特征和时频域特征。
[0027]优选的，在上述一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法中，所述距离相关分析的过程为：
[0028]利用下式计算脑电信号和肌电信号两个样本数据中每行数据的标准距离；
[0029]a
ij
＝‖M
i
‑
M
j
||,i,j＝1,2,...n,；
[0030]b
ij
＝‖N
i
‑
N
j
‖,i,j＝1,2,...n,；
[0031]上式中，M和N分别表示脑电信号和肌电信号两个样本的初步特征计算矩阵，a和b分别表示对应样本特征矩阵的标准距离，i和j分别矩阵的行和列，n表示矩阵的维度；
[0032]利用下式将两个样本数据的标准距离矩阵中心化；
[0033][0034][0035]上式中，和分别表示第i行范数矩阵的平均值；和分别表示第 j行范数矩阵的平均值；和分别表示两个样本距离矩阵的平均值；A和B 分别表示两个样本中心化后的距离矩阵；
[0036]利用下式计算矩阵A和B的平方协方差矩阵；
[0037][0038]利用下式分别计算矩阵A和B的方差；
[0039][0040][0041]利用下式计算距离相关性；
[0042][0043]优选的，在上述一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法中，S4包括：构建正则化线性判别分析的分类模型，利用所述分类模型对融合特征进行解码，获得刹车意图的识别结果
[0044]优选的，在上述一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法中，所述分类模型的表达式如下：
[0045]f
rlda
(x)＝w
T
x；
[0046]上式中，x表示脑肌电信号融合后的特征向量，w表示特征向量投影矩阵；
[0047]投影矩阵的表达式如下：
[0048][0049][0050]上式中，u1和u2分别表示两个样本融合后特征向量的平均值，∑
w
表示类内离散度矩阵，λ表示正则化参数，d表示∑
w
的维度。
[0051]优选的，在上述一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法中，S4中利用六折交叉验证将预处理后的脑电信号和肌电信号分为训练数据集和测试数据集；利用所述训练数据集对所述分类模型进行训练，并利用所述测试数据集对训练后的所述分类模型进行测试。
[0052]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于驾驶员脑电信号和肌电信号检测刹车意图的方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法，其特征在于，包括以下步骤：S1、采集驾驶员的脑电信号和肌电信号；S2、分别对采集的脑电信号和肌电信号进行预处理；S3、分别对预处理后的脑电信号和肌电信号进行特征提取，并将脑电信号特征与肌电信号特征融合，得到融合特征；S4、利用预先构建的分类模型对融合特征进行解码，获得刹车意图的识别结果；S5、根据识别结果对车辆进行紧急刹车或软刹车。2.根据权利要求1所述的一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法，其特征在于，S1包括：根据国际标准10/20系统中的位置及分布规则，选择F3、F4、Fz、Cz、Pz、C3、C4、T7、T8、P7、P3、P4、P8、O1、O2和Oz通道作为脑电信号采集位置；选择股直肌、股内侧肌、股外侧肌、胫骨前肌、股二头肌、内侧腓肠肌、外侧腓肠肌和比目鱼肌作为肌电信号采集位置；采用32通道采集设备采集脑电信号采集位置的脑电信号和肌电信号采集位置的肌电信号。3.根据权利要求1所述的一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法，其特征在于，S2包括：采用二阶巴特沃斯带通滤波器分别对采集的脑电信号和肌电信号进行滤波，获得目标频段为0.53
‑
60Hz的脑电信号和目标频段为20
‑
120Hz的肌电信号；利用降采样处理方式将滤波后的脑电信号和肌电信号的采样频率降至200Hz以下，并分别以1s为窗宽提取当前时刻前的脑电信号和肌电信号作为样本数据；将样本数据前100ms数据作为参考进行基线修正，将脑电信号各个通道的数据减去各个通道叠加后的平均值，同时将肌电信号各个通道的数据减去各个通道叠加后的平均值，分别获得去除共同噪音后的脑电信号数据和肌电信号数据。4.根据权利要求2所述的一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法，其特征在于，S3包括：利用共空间模式选择合适的通道数量，分别计算脑电信号和肌电信号的包络线，作为时域特征；通过快速傅里叶变换计算各个通道的功率谱密度函数作为频域特征；将时域特征和频域特征顺序连接作为时频域特征；分别采用距离相关分析进行特征选择，获得指定比例系数的时域特征、频域特征和时频域特征。5.根据权利要求4所述的一种基于驾驶员脑电信号和肌电信号检测刹车意图的方法，其特征在于，所述距离相关分析的过程为：利用下式计算脑电信号和肌电信号两个样本数据中每行数据的标准距...
【专利技术属性】
技术研发人员：毕路拯，琚佳伟，罗龙溪，阿伯姆，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。