论文部分内容阅读
汽车司机的疲劳驾驶已经是引起交通事故的重要原因之一,目前,科学家已经研究了多种驾驶疲劳监测的方法,如通过驾驶员的生理特征或个体特征,通过车辆的行驶状态等。其中,利用心率变异性(Heart Rate Variability,HRV)信号来监测汽车司机的疲劳状态是一种无创、方便、快捷的方法。本论文通过分析HRV的时域特性、频域特性及非线性特性,探讨了HRV指标在疲劳驾驶监测中应用的可行性与适用程度,为疲劳驾驶监测的研究提供一些新的手段和方向。本文首先采集了20组模拟驾驶时的心电数据,对心电信号进行重采样、低通滤波后,利用阈值法进行R波检测,最后得到精度较高的RR间期序列,即HRV信号。在总结和研究了时域、频域及非线性分析方法的基本原理后,比较了三种方法的参数优缺点,选定三种分析方法各自的参数指标:(1)时域指标:MEAN(RR间期均值),SDNN(RR间期标准差),rMSSD(相邻RR间期差值的均方根,反映HRV的快速变化);(2)频域指标:LF(低频功率),HF(高频功率);(3)非线性指标:D2 (关联维数),LE (Lyapunov指数)。在MATLAB软件平台上,研究驾驶过程中的HRV信号各种指标的变化情况,得出了以下结论,随着疲劳程度的加深:(1) MEAN、rMSSD没有显著变化(P>0.05),SDNN显著增大(P<0.05),反映HRV的总和增大;(2) LF显著上升(P<0.05),HF显著下降(P<0.05),反映交感神经活动增强,迷走神经活动减弱;(3)关联维数与Lyapunov指数都显著下降(P<0.05),反映了产生HRV信号的非线性心脏系统的复杂性和混沌程度降低,说明需要更少过去值或随机影响起作用。这些指标的变化趋势表明HRV可以作为评价驾驶疲劳的一种手段,它不仅可以正确反映驾驶员是否疲劳,而且可以大致判断驾驶疲劳的程度。根据结论可以得出通过HRV判断汽车司机驾驶疲劳的评价标准,对HRV信号进行三种方法的综合分析,结合了线性分析与非线性分析的优点,使得疲劳评价更加准确,是一种十分有研究价值的手段。HRV在汽车司机的疲劳监测中的应用有广阔的实际应用与研究前景。