疲劳驾驶是道路交通事故的主要诱因之一。大多数驾驶员在驾驶过程中都有过打瞌睡的经历,驾驶员无意识的入睡会高风险地导致惨重的交通事故的发生。因此,研究如何有效地检测出驾驶员进入睡眠的开始状态对于降低交通事故的发生具有重要的科学意义和实际的应用价值。本研究的主要目的是寻找能够表示驾驶员进入睡眠的生理指标并提出相应的检测算法,从而实现对睡眠开始状态的检测。由于脑电信号一直被公认为是检测疲劳的‘金标准’,而眼电信号相对于脑电信号有着更高的信噪比和易采集的特点,所以我们研究基于脑电和眼电信号的驾驶员睡意检测。自脑电被发现以来,关于睡眠中脑电和眼电的研究得到了广泛的关注和不断的发展。在睡眠研究中,脑电信号Alpha波的衰减被认为是进入睡眠最可靠的生理标志。此外,慢速眼动的出现也标志着睡眠的开始。因此,在本研究中,我们重点考察驾驶员打瞌睡时脑电信号Alpha波和眼电信号中慢速眼动的变化规律和特点,探讨它们是否可以作为驾驶员进入睡眠的可靠的生理标志并提出相应的检测算法,以实现对这些生理指标的自动检测。本文的主要贡献和创新点如下:1.我们设计了模拟驾驶实验。实验的目的是为了诱发出类似睡眠中的脑电信号Alpha波衰减和慢速眼动,从而考察这些能够指示睡眠开始状态的生理指标在疲劳驾驶过程中的特点。其次,为了开发实用的基于脑电和眼电信号的可穿戴疲劳驾驶检测设备,在实验中我们只使用了少量电极采集脑电和眼电信号。2.我们发现了一种脑电信号Alpha波的衰减-消失现象。此现象指Alpha波在闭眼时期逐渐并持续衰减直到完全消失。此现象在模拟驾驶过程中频繁出现,它不同于睡眠中的间歇性衰减的模式,是一种普遍的模式。此模式的出现表明驾驶员已开始进入睡眠。3.我们提出了一种新的基于小波变换的脑电和眼电信号特征提取方法。脑电Alpha波具有显著的局部震荡特点,眼电信号具有局部突变特点,我们根据脑电和眼电信号的不同特点选择不同的小波基和小波变换方式,实现对脑电和眼电信号局部特性的有效表示。4.我们提出了一种基于Alpha波的驾驶员睡意检测方法。我们通过检测两种Alpha波现象,即Alpha波阻断现象和Alpha波衰减-消失现象,识别驾驶员的两种状态:放松清醒与睡眠开始。该方法首先使用基于复Morlet母小波的连续小波变换,准确定位Alpha波的开始点与结束点。在检测到结束点时,我们使用可以处理时间依赖信息的长短期记忆网络(LSTM)对其进行分类。此外,在个体对个体的建模策略中,我们探讨了一种基于生成式对抗网络(CWGAN)对垂直眼电上的两类眼电信号进行样本扩充的方法,以提升LSTM的分类性能。实验结果表明,我们所提出的基于Alpha波的驾驶员睡意检测方法,能够有效检测Alpha波的开始点和结束点,并在结束点上能够以很高的精度区分两种Alpha波现象,从而确定驾驶员的两种不同的状态:放松清醒与睡眠开始。5.我们提出了一种检测慢速眼动的方法用于识别驾驶员的睡眠开始。我们将慢速眼动的检测问题看作不均衡的两类分类问题,使用小波变换等多种特征提取方法对两类数据进行特征提取,并使用重采样、SMOTE以及最小最大模块化网络来处理这种不均衡的两类分类问题。