一种基于局部最大精炼复合材料多尺度规范分散和SVM的疲劳驾驶检测方法
Zhanghong Wang1, Haitao Zhu1, Huaquan Chen1
1College of Mathematics and Physics, Hunan University of Arts and Science, Changde 415000, China.
Mathematical biosciences and engineering : MBE
|September 30, 2025
概括
一种新的方法,局部最大精炼复合多尺度规范分散 (LMRCMNDE),改进了电脑电图 (EEG) 分析以检测驾驶员疲劳. 这种方法提高了识别疲劳状态的准确性,提供了更可靠的检测系统.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 多尺度分散 (MDE) 用于分析疲劳驾驶检测中的电脑电图 (EEG) 信号.
- 现有的MDE方法在提取非线性EEG特征方面面临信息丢失和有限的稳定性挑战.
研究的目的:
- 引入一种改进的疲劳驾驶检测方法,使用本地最大精炼复合材料多尺度规范分散 (LMRCMNDE) 和支持矢量机器 (SVM).
- 为了提高基于EEG的疲劳检测的准确性和稳定性.
主要方法:
- 开发了精制复合多尺度分散 (RCMDE),随后通过在粗粒化过程中用局部最大值计算取代细分平均值,开发了LMRCMNDE.
- 规范化的值以提高特征参数的稳定性.
- 使用LMRCMNDE作为特征描述符和SVM来分类EEG信号以检测驾驶员疲劳.
主要成果:
- 该LMRCMNDE-SVM方法实现了高达98%的识别精度.
- 与MDE-SVM和RCMDE-SVM方法相比,在疲劳驾驶检测方面表现卓越.
结论:
- 拟议的LMRCMNDE-SVM方法有效地识别了驾驶员疲劳状态.
- 为自动驾驶疲劳检测系统提供了一种新且可靠的方法.
