基于心率变异性的联合收割机驾驶员疲劳分析与评价

为探究联合收割机驾驶员的疲劳变化规律,应用RM6240C多通道生理信号采集系统,在约翰迪尔S660型联合收割机上进行了驾驶疲劳监测试验,采集了10名驾驶员120 min收获驾驶的心电数据。选取非线性动力学指标样本熵作为疲劳监测的特征参数,分析样本熵随驾驶时间的变化规律,确定驾驶疲劳发生时间段,对比不同作业环节的疲劳程度。结果表明:样本熵值随驾驶时间的增加呈下降趋势;样本熵值与主观驾驶疲劳程度的皮尔逊相关系数为-0.824,两者显著负相关;根据样本熵值判定,驾驶疲劳于50 min后开始出现,100 min后疲劳程度加深;转向行驶阶段比直线行驶阶段的驾驶疲劳程度高。基于样本熵的驾驶疲劳判定方法可客观的反映联合收割机驾驶员的体力和精神疲劳状况。

公路线形复杂程度对驾驶员HRV的影响研究

通过检测驾驶员心理、生理指标,观察公路线形复杂程度对驾驶员心率变异性(HRV)的影响,研究不合理公路线形对驾驶员行车安全的影响。对内蒙古境内6条公路的线形资料进行调查统计,利用赋值打分法确定各自的复杂程度;选取典型路段进行实驾试验,通过二列相关系数的计算及相应检验,得到心率变异分析的敏感指标;进而分析公路线形复杂程度对驾驶员心理、生理的影响。结果表明,HRV指标间期均值(MRR)、低高频比值(LF/HF)、样本熵(Samp En)对公路线形复杂程度响应敏感;即复杂程度过低会导致驾驶员由于驾驶任务简单出现反应迟缓、注意力难以集中等现象,影响行车安全;复杂程度过高会使驾驶员时刻保持精神高度集中状态,容易提前产生疲劳,从而威胁行车安全。

无线脑电睡眠分期系统设计及算法研究

对睡眠进行分期的关键要求是不失真的地采集到脑电信号和快速有效的分期算法。针对这一问题,设计出了便携式无线脑电信号采集器,并提出了使用样本熵-小波分析(Samp En-Wavelet)方法进行睡眠各阶段分期。脑电信号采用Wi Fi方式传输数据,采样率250 Hz^2 k Hz可调,通过对MIT-BIH睡眠脑电数据库中使用人工分期方法的对比,分期结果相同率达到了80%以上,简化了R&K和AASM人工睡眠多参数分期方法的繁琐工作。5名被试的分期结果表明,本系统与专业睡眠监测设备分期结果相近(>82%的重复度)。这一低成本、便携式的睡眠分期系统在睡眠分期研究及普及应用方面具有重要的价值?