基于TGAM模块的疲劳驾驶警报装置外文翻译资料

 2022-11-19 16:45:21

英语原文共 4 页,剩余内容已隐藏,支付完成后下载完整资料


毕业论文(设计)

英文翻译

原文标题 Alarm Device for Fatigue Driving Based on TGAM

Module 11

译文标题 基于TGAM模块的疲劳驾驶警报装置 11

基于TGAM模块的疲劳驾驶警报装置

Yi Zheng,Junhui Gao

江苏天一中学,无锡,江苏,中国

上海生物信息技术研究中心,上海,中国

Jhgao@scbit.org

摘要 – 本文展示了一种疲劳驾驶警报系统,其中包含数据分析系统、嵌入式系统、以及由神念科技公司开发的TGAM模块组成。经过了对采集到的脑波数据分析后,我们发现与大脑的疲劳指数最相关的波段为Delta与Beta波段。作为对用户的采集接口,TGAM模块被用于采集用户的自发脑波信号以及由眨眼产生的肌电信号。所有采集到的数据通过HC-05蓝牙模组被传送至ARM Cortex-M3芯片。根据设计的疲劳波形模式,该芯片将会计算出驾驶者的疲劳程度。我们将通过声音提示、屏幕提示来警告驾驶者,通过远程云端传输告知驾驶者的家人或他的公司。本系统原创而实用。

1引言

TGAM模块是神念科技公司开发的基础消费级脑波传感芯片。TGAM用来处理并输出EEG的频谱、EEG的信号质量、原始EEG以及三种神念科技的Esense指数:注意力集中度、冥想度以及眨眼。仅仅使用方便的干电极以及适用于移动小电池的设备的低能耗特性,本模块被用于玩具、视频游戏以及健康设备。百万级用户的支持使得TGAM模块在消费级EEG传感器领域拥有巨大的影响力。

在进入疲劳状态后,注意力不集中以及判断能力的下降会导致危险的驾驶,可能引发交通事故。在本研究中,我们设计了基于TGAM模块的疲劳驾驶警报装置以减少交通事故发生的概率。

2系统结构

系统由四部分组成:信息收集、数据分析、数据处理以及警报发送。图1展示了系统的总体结构。图2是系统的具体影像。

思想读取器采集脑电波数据。ThinkGear分析该数据。蓝牙传输数据至ARM Cortex-M3,然后根据信息处理后量化疲劳程度来控制监视器和人声提醒。

图1系统结构图

图2硬件图片

3系统的硬件设计

3.1数据采集模块

在数据采集端(见图2标题),系统使用简单的干电极采集大脑与眼睛产生的电信号。该模块采用类似屏蔽线缆的技术来减少信号干扰。采集到的信号被发送至ThinkGear ASIC模块(TGAM)。TGAM中嵌入式的ASIC是一种SOC,具有eSense指数分析、A/D转换、电极脱离头部检查以及对EMG与50/60HZ AC的噪音过滤。以下四个参数被TGAM模块通过UART(串口)发送:

(1)原始数据波形(16位):该数据的输出频率为512次每秒,大约每2ms一次。

(2)ASIC EEG信号值:该值表示常用的频带的幅值,包括:delta、theta、alpha低频、alpha高频、beta低频、beta高频、以及gamma低频、gamma中频

这些数值没有单位,因此只有将其互相比较时才有意义。

(3)eSense指数: 其中包括专注度与冥想度,一秒钟输出一次。

(4)信号质量:用无符号一字节整数值thnkgear测量的信号质量。每秒中输出一次。任何非0值意味着检测到了某种污染噪音。该数值越高。检测到的噪音越大。当传感点、接地点、或者参考点没有放在人的脑袋上或者与人体皮肤接触不良时,噪音将被检测到。采集者过多的身体动作也会影响该值。

3.2脑电信号的分析模块

系统的分析模块为ARM Cortex-M3,该芯片通过蓝牙接受所有采集到的脑电数据并计算,将结果回馈给用户。

该芯片为32位72主频的微处理器。发布与2009年作为叶子实验室的第一款产品。这块2.05rsquo;rsquo;x2.1rsquo;rsquo;的板子集成了20KB的RAM,128KB的FLASH,43个通用引脚,15个12位分辨率的模拟输入引脚,15个16位分辨率的PWM引脚,对等I2C与SPI接口,3个USART串口,7通道的DMA以及集成了LiPo可充电电池。(枫树设备)

3.3输出与警报系统模块

输出与警报系统模块包括显示屏幕(诺基亚5510),声音输出(ISD1700)以及SMS模块(SIM900A)。这些模块与分析模块相连并且集中于一个小盒子中(图2可见)。

4系统的软件设计

4.1脑电数据的采集

Thinkgear组件以异步串行字节流发送数字信号数据。脑波被TGAM模块采集并分析,并以两种形式被发送至ARM Cortex-M3:原始脑波数据值(其中含有自发脑波信号并一秒传送512次)以及ASIC EEG POWER值(其中含有不同频率的脑波并每秒发送一次)。ASIC EEG POWER值由八个三字节浮点数组成。这些值没有单位一次只有将其互相比较时才有意义。除了脑波信号,eSense指数表示了用户的集中度与聚焦度指数,以及表示最近测量出的数据的信号质量。整个数据包通过蓝牙被发送至ARM Cortex-M3。

图3展示了不同频率范围的波形与其代表的状态含义。

脑电信号频带

频率范围

状态

delta

0.5-2.75Hz

深度睡眠

Theta

3.5-6.75Hz

创造力、轻度睡眠

Alpha低频

7.5 - 9.25Hz

放松而清醒

Alpha高频

10- 11.75Hz

有意识

Beta低频

13 - 16.75Hz

放松,可以集中注意力

Beta中频

16-20Hz

对环境有意识

Beta高频

18 -29.75Hz

激动状态

Gamma低频

31 -39.75Hz

焦虑

Gamma高频

41 -49.75Hz

狂热

图3脑电信号的频带

4.2脑电数据的分析

从TGAM模块发出的原始脑波数据将被分析。为了尽可能抹除个体与设备的差异,受试人被分为三组:年轻男性司机、中年女性司机、以及中年男性司机。两套完全相同的设备被用于进行动态与静态测试。

静态测试从清醒状态、困倦状态和睡眠状况收集数据。分析表明,Delta;/beta;的比率在区分三种不同的条件方面做得更好。Delta/Beta的移动平均值进一步提高了精度。用蒙特卡洛方法计算所收集的数据,发现20s的移动平均得到最准确的结果,约80%正确。

动态测试收集数据从清醒状态到睡眠状态的变化。标准差可以准确地识别大脑从清醒到昏睡的过程。图4中的黑曲线是实验中收集到的实际数据的图表(从清醒到瞌睡)。下曲线是用三个连续点计算的上曲线的标准偏差。很容易看出,超过10的标准偏差表示疲劳状态的巨大变化。

此外,利用TGAM模型对脑电波的原始值进行了分析,并对其进行了分析。由大脑观察者的程序图清楚地表明,当一个人的眼睛保持打开或关闭时,在原来的脑波值(包含肌电信号)中会有一个较小的波动,通常在130到400之间,而当一个人闭上眼睛时,就会有一个SUD。EN增加到1000,当一个人睁开眼睛时,突然下降到-800。因此,该系统可以确定眼睛是否闭合或睁开。

上述内容是对收集的脑波数据的分析,以及基于该研究判断大脑疲劳程度的证据。

4.3睡眠状态的识别

为了提高报警的有效性和准确性,使用层次报警。

报警的第一级:Delta;/beta超过10。

第二级报警:Delta;/beta超过15,标准偏差超过10。

第三级报警:眼睛被检测关闭超过3秒。

图4动态测试标准偏差(Delta/Beta)

4.4提示与警报的实现

4.4.1信息提示

语音提示有“欢迎使用”和“请检查头戴设备”的通知铃声。

下面的消息可以在屏幕操作期间显示:

(1)驾驶员的注意力强度:注意力值是在1到100的相对警觉量表上报告的一个Esense值。在概念上类似于在传统EEG测量技术中建立的“基线”(用于确定TimeGoice基线是神念科技专有的方法){思维定式通信)。这个值分为7个级别,类似于手机信号条的外观。最小浓度强度出现一个网格,七个完整的网格出现,而浓度相对较高。

(2)通过直观地、同步地显示眼睛的状态来显示驾驶员眼睑的开闭状态。

(3)基于质量差的耳机图标,通过表示数据有效性的X图标、表示数据有效性的笑脸图标和相应佩戴的正确性来表现耳机设备的佩戴状况。

4.4.2警报

该系统将警报分为三个层次,对应于三个嗜睡状态。所有三个级别的警报通过四种方式实现它们的实现,即蜂鸣器的铃声、语音提示、闪光灯和屏幕上的指示。

具体地说,语音提示有细分:当屏幕处于报警状态时,显示小人物驾驶的动画将消失,显示警报的字符将被发送到指定的手机以实现远程MON。如果警报达到3级,则执行警报。

图5中的流程图显示了系统软件的全面描述。

图5系统流程图

5系统的测试与验证

5.1室内测试

实验对象:选取具有午睡习惯的十五名健康高中生为实验对象。男7例,女16例,年龄在16岁至17岁之间。

测试方法:在电脑屏幕前,受试者在安静和不干扰的室内环境中观看驾驶者拍摄的典型公路上行驶20分钟的视频,在白天的不同时段佩戴该装置,其脑波C。不断地测量。在这个过程中,受试者被允许闭上眼睛,而感到昏昏欲睡,然后进入昏睡状态。摄像机安装在监视器旁,用于辅助分析疲劳程度的测量。

实验结果:对有足够休息时间的学生和长期学习的学生的报警时间有很好的区分。

5.2实地出租车内测试

实验对象:5名男性驾驶员和5名女性驾驶员。

检测方法:长时间驾驶,持续60分钟以上。

试验结果:报警频率在25分钟后逐渐增加。

基于以上两种测试结果,初步验证了设计的有效性。

6总结

下面列出的是系统的显著特性:

(1)基于神念公司的TGAM的简单干电极进行脑电波数据的采集。

(2)利用蓝牙技术进行无线数据传输。

(3)基于EEG信号和肌电信号的疲劳驾驶综合识别方法,方便、准确。

(4)报警层次结构。

(5)基于SMS模块的远程监控功能。

随着功能的进一步扩展,随着改进和面向产品的设计,系统将相当有效地作为疲劳驾驶的功能报警器。

参考文献:

[1]Maple Devices.,5 LeafLabs. LeafLabs, Web. 18 Aug.2014.

[2]Mindset Communication Protocol. NeuroSky, June 28,2010. PDF file.

[3]TGAM. NeuroSky, 2011. PDF file.

[4]uThinkGeartrade; AM.,? NeuroSky. NeuroSky, Web. 10 Aug.2014.

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[23357],资料为PDF文档或Word文档,PDF文档可免费转换为Word

您需要先支付 30元 才能查看全部内容!立即支付

课题毕业论文、外文翻译、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。