基于小波熵的驾驶疲劳脑电信号特征提取  

Feature Extraction of Fatigued Driver's Electroencephalogram Signals Based on Wavelet Entropy

作　　者：张宁宁[1,2] 王宏[1] 付荣荣[1] 

机构地区：[1]东北大学机械工程与自动化学院,沈阳110819 [2]沈阳航空航天大学设计艺术学院,沈阳110136

出　　处：《汽车工程》2013年第12期1139-1142,共4页Automotive Engineering

基　　金：国家自然科学基金(61071057);中央高校基本科研业务费专项资金项目(N100603003)资助

摘　　要：为寻找衡量驾驶疲劳的可靠的生理指标,通过实验采集了模拟驾驶前、模拟驾驶疲劳后和休息后的脑电信号,并对其进行预处理和特征提取。应用小波变换对脑电信号进行降噪;并求得降噪后的脑电信号H和R小波熵比值。结果表明,驾驶疲劳后脑电信号H和R值有增大的趋势;再经充分休息后,脑电信号的H和R值有下降趋势,两者均具有显著性差异(P<0.05),说明小波熵值是驾驶疲劳脑电特征提取的有效方法。For finding a reliable physiological indicator representing the level of driving fatigue, the electro-parison show that H and R values increase with fatigue after simulated driving and reduce after rest both with significant difference （P〈0. 05）, indicating the effectiveness of wavelet entropy in EEG feature extraction for driving fatigue.

关 键 词：驾驶疲劳 脑电信号 小波变换 小波熵 

分 类 号：U491.254[交通运输工程—交通运输规划与管理] TN911.7[交通运输工程—道路与铁道工程]