基于EEG的无人驾驶车辆乘坐人情绪感知技术研究

基于EEG的无人驾驶车辆乘坐人情绪感知技术研究

ID:37044677

大小:2.24 MB

页数:77页

时间:2019-05-17

基于EEG的无人驾驶车辆乘坐人情绪感知技术研究_第1页
基于EEG的无人驾驶车辆乘坐人情绪感知技术研究_第2页
基于EEG的无人驾驶车辆乘坐人情绪感知技术研究_第3页
基于EEG的无人驾驶车辆乘坐人情绪感知技术研究_第4页
基于EEG的无人驾驶车辆乘坐人情绪感知技术研究_第5页
资源描述:

《基于EEG的无人驾驶车辆乘坐人情绪感知技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文基于EEG的无人驾驶汽车乘坐人情绪感知技术研究RESEARCHONEEG-BASEDEMOTIONRECOGNITIONTECHNOLOGYFORPASSENGERSOFAUTONOMOUSVEHICLES王铎哈尔滨工业大学2018年6月国内图书分类号:TP391学校代码:10213国际图书分类号:621.3密级:公开工学硕士学位论文基于EEG的无人驾驶车辆乘坐人情绪感知技术研究硕士研究生:王铎导师:李辰副教授申请学位级别:工程硕士学科、专业:仪器仪表工程所在单位:电气工程及自动化学院答辩日期:2018年6月授予学位单位:哈尔滨工业大学Cl

2、assifiedIndex:TP393U.D.C:681.5DissertationfortheDegreeofMasterinEngineeringRESEARCHONEEG-BASEDEMOTIONRECOGNITIONTECHNOLOGYFORPASSENGERSOFAUTONOMOUSVEHICLESCandidate:WangDuoSupervisor:AssociateProfessorLiChenAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:InstrumentandMete

3、rEngineeringAffiliation:SchoolofElectricalEngineeringandAutomationDateofDefense:June,2018DegreeConferringInstitution:HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要无人驾驶汽车依靠车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标,是人工智能在自动驾驶领域的典型应用。目前,无人驾驶中决策规划主要依据于车辆的环境感知信息,未考虑内部乘坐人的情绪感受,可能导致车辆乘坐体验变差,限制其实际

4、应用。应当将乘坐人的感受应该与环境感知放在同等地位上,都能够实际改变无人驾驶汽车的行为决策,为构成人在回路的人机混合智能的自动驾驶系统提供了一个可行方案。因此,使用嵌入式系统来快速、实时处理数据,为改善自动驾驶汽车的体验提供了一个可行的实现方案。首先,针对传统情绪识别技术处理过程复杂且处理周期长而不适用于车载环境的问题,设计了应用于车载环境的情绪识别系统的实现平台,这部分包括:基于ADS1299的模拟采集前端完成脑电信号放大与数据采集;基于数字信号处理器DSP实现脑电信号的实时处理、分类;基于TL2515的CAN总线模块将分类结果发送至车载计算机。整个

5、过程都是通过DSP完成,使用单线程完成,处理过程简单、且速度快,实时性好。其次,针对可穿戴的车载环境脑电采集通道不宜过多的实际需求。通过分析情绪脑电数据库DEAP中的数据,对愉悦与不愉悦情绪的特征进行分析,发现两种情绪在δ、α和β频段的百分比功率谱密度具有明显区别,并将其作为分类特征,从分类准确率来看两种情绪明确可分。根据对数据库中32个采集通路的脑区能量的分析确定7个脑电采集通路,分别是额叶区、顶叶区和枕叶区的FP1、FT7、FT8、CP5、CP6、O1和O2。根据不同情绪所提取出的特征,使用支持向量机的二分类方式,在MATLAB中训练情绪分类器,分

6、类准确率为71.6%。为提高运算速度在DSP中使用蝶形算法的FFT来提取特征,其对1024个数据点的处理时间为9.2微秒。最后,对单一个体进行试验验证,进行情绪诱发实验,并与DEAP数据库中的特征进行对比,根据个体差异对特征进行调整,并重新训练分类器,分类准确率为65.2%。使用模拟自动驾驶环境对进行效果验证,在DSP中对7个通道的脑电数据进行分类判断,并将7次判断结果作为最后的分类结果,分类准确率为67%。关键词:无人驾驶汽车;情绪识别;脑电信号;支持向量机;-I-哈尔滨工业大学工程硕士学位论文AbstractWiththedevelopmentof

7、microelectronics,biomedicineandBCI,monitoringphysiologicalsignalsuchasEEGandECGremotelybyutilizingwirelessbodynetworkisgraduallybecomingnormal.However,thelong-termmonitoringofthemulti-channelEEGsignalinthewirelessnetworkisstilllimitedbythebandwidthofthedatatransmissionnodeandthe

8、powerconsumptionofthesystem.Conventionaldatacom

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。