一种融合脑电信号的驾驶员行为意图检测方法专利检索-电信号信号处理专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

一种融合脑电信号的驾驶员行为意图检测方法

阅读：48发布：2021-02-24

IPRDB可以提供一种融合脑电信号的驾驶员行为意图检测方法专利检索，专利查询，专利分析的服务。并且本发明涉及一种融合脑电信号的驾驶员行为意图检测方法，属于智能驾驶技术领域，解决了现有技术中检测设备受外界环境的干扰及检测存在延时性的问题。包括：构建虚拟驾驶场景模型，并对驾驶员的脑电信号与行为信号进行同步采集；将采集的驾驶员的行为信号与脑电信号进行融合分析，得到融合分析结果；实时获取驾驶员脑电信号，并根据上述融合分析结果，预测驾驶员的驾驶意图，对车辆操纵装置进行辅助控制。本发明利用驾驶员的脑电信号和驾驶员行为信号的融合分析结果对驾驶员的驾驶意图进行预测及驾驶行为控制，既消除了现有检测驾驶行为延时性缺陷，又能充分反映驾驶员在驾驶过程中脑电信号的对应变化，保证了对车辆的精确实时控制。，下面是一种融合脑电信号的驾驶员行为意图检测方法专利的具体信息内容。

权利要求

1.一种融合脑电信号的驾驶员行为意图检测方法，其特征在于，包括以下步骤：构建虚拟驾驶场景模型，并对驾驶员的脑电信号与行为信号进行同步采集；

将采集的驾驶员的所述行为信号与脑电信号进行融合分析，得到融合分析结果；

实时获取驾驶员脑电信号，并根据上述融合分析结果，预测驾驶员的驾驶意图，对车辆操纵装置进行辅助控制。

2.根据权利要求1所述的方法，其特征在于，所述构建虚拟驾驶场景模型包括：构建驾驶视觉场景：通过3D建模软件进行场景搭建及3D渲染，利用虚拟现实软件生成三维虚拟模型并进行立体呈现；

搭建驾驶所需操纵装置，并在所述操纵装置上安装信号采集传感器；

将上述驾驶操纵装置与构建的驾驶视觉场景互联，得到虚拟驾驶场景模型。

3.根据权利要求2所述的方法，其特征在于，所述对驾驶员的脑电信号与行为信号进行同步采集，包括：驾驶员头部佩戴电极帽，并通过控制操纵装置在构建的所述虚拟驾驶场景模型中进行驾驶操作；在驾驶过程中，通过电极帽获取驾驶员头部不同通道处的电极电位变化采集驾驶员脑电信号；同时，通过各操纵装置上的传感器数据变化采集驾驶员行为信号。

4.根据权利要求3所述的方法，其特征在于，所述将上述采集的驾驶员的行为信号与脑电信号进行融合分析包括：将操纵装置上的传感器采集到的行为信号进行模拟到数字信号的转换；

对上述得到的驾驶行为数字信号和采集的脑电信号进行融合分析；

将上述得到的信号进行潜伏期数值提取，得到驾驶员的行为信号与脑电信号融合结果。

5.根据权利要求4所述的方法，其特征在于，所述对上述得到的数字信号和采集的脑电信号进行融合分析，包括：参考转换，将驾驶员脑电信号与驾驶员行为数字信号置于同一参考初始点，并将脑电信号的参考点置于规定电极参考位置处；

基线校正，根据上述参考转换结果，确定信号的基线位置，使得所有通道信号的波形和标签对应基线位置重合；

数据滤波，采用低通滤波器对基线校正后的多通道信号进行滤波，滤除信号中的失真部分；

脑电分段与平均，将驾驶员产生制动事件时的数据与驾驶员未产生制动时的数据进行叠加平均，得到由驾驶员驾驶行为诱发的ERP信号。

6.根据权利要求5所述的方法，其特征在于，所述对上述得到的数字信号和采集的脑电信号进行融合分析，还包括：去除眼电，采用协方差分析法分解去除脑电信号中受到眼电信号干扰的片段；

去除漂移，通过限定融合信号的幅值范围，去除由于驾驶员无关的大幅度行为导致的高幅值信号波段。

7.根据权利要求6所述的方法，其特征在于，在所述操纵装置上安装信号采集传感器包括：在制动踏板、油门踏板和离合器上均安装压力传感器；在方向盘上安装角度传感器。

8.根据权利要求1-7之一所述的方法，其特征在于，所述将操纵装置上的传感器采集到的模拟信号转换成数字信号，包括：当驾驶员控制操纵装置运动时，产生对应的驾驶行为，该时刻的信号值大于0，数值置为1；当驾驶员没有控制操纵装置运动时，未产生驾驶行为，该时刻的信号值为0，数值置为0。

9.根据权利要求1-7之一所述的方法，其特征在于，所述将操纵装置上的传感器采集到的模拟信号转换成数字信号，包括：采用模糊控制，根据操纵装置上信号值的大小设置不同的离散信号值，得到离散信号值与操纵装置的位移变化量的对应关系。

10.根据权利要求9所述的方法，其特征在于，所述实时获取驾驶员脑电信号，并根据上述融合分析结果，预测驾驶员的驾驶意图，对车辆操纵装置进行辅助控制，包括：根据上述得到的融合分析结果，将采集到的驾驶员的脑电信号按潜伏期进行平移，得到对应的车辆操纵装置的响应信号，并通过车辆操纵装置响应信号的响应时间及信号值大小调整对车辆操纵装置的控制程度。

说明书全文

一种融合脑电信号的驾驶员行为意图检测方法

技术领域

[0001] 本发明涉及智能驾驶技术领域，尤其涉及一种融合脑电信号的驾驶员行为意图检测方法。

背景技术

[0002] 目前，道路交通伤害已成为人群的重要死亡原因之一，约95％的各类机动车事故在一定程度上是由驾驶员操作不当造成的，而完全由驾驶员不恰当的驾驶行为诱发的交通事故占到了事故总数的四分之三。因此，对驾驶员行为及驾驶员状态的分析是非常必要的。

[0003] 为了提高驾驶安全，现有的涉及辅助驾驶的研究主要分为两类：一种是利用车载传感器(如摄像机、红外线探测等)获取车辆前方的障碍物信息并判断是否存在潜在的危险因素，从而采取一些控制措施来避免车辆碰撞前方障碍物；这类技术的不足是外部设备易受天气、外界环境变化的干扰，检测效果不佳。另一种是利用外部设备(如摄像机进行面孔识别、红外设备感应等)对驾驶员的驾驶行为或意图进行预测和分析，并根据分析结果对驾驶策略进行调整；但是由于驾驶员驾驶行为的延迟性，检测到的信号很难及时地反映出驾驶员状态的变化，此外，检测信号与驾驶员行为信号分开进行分析，也不能达到较好的同步检测效果。

[0004] 此外，还有一种技术方案是无人驾驶，无人驾驶主要利用多种传感器、处理器和执行器，取代驾驶员对车辆的控制。但是，目前的无人驾驶技术尚未达到能够完美取代驾驶员的地步，对车辆的控制不够稳定，控制精度不够高，舒适性和平顺性不能得到保证。

发明内容

[0005] 鉴于上述的分析，本发明旨在提供一种融合脑电信号的驾驶员行为意图检测方法，用以解决现有方法中检测设备受外界环境的干扰及检测存在延时性的问题。

[0006] 本发明的目的主要是通过以下技术方案实现的：

[0007] 提供了一种融合脑电信号的驾驶员行为意图检测方法，包括以下步骤：

[0008] 步骤S1、构建虚拟驾驶场景模型，并对驾驶员的脑电信号与行为信号进行同步采集；

[0009] 步骤S2、将采集的驾驶员的所述行为信号与脑电信号进行融合分析，得到融合分析结果；

[0010] 步骤S3、实时获取驾驶员脑电信号，并根据上述融合分析结果，预测驾驶员的驾驶意图，对车辆操纵装置进行辅助控制。

[0011] 本发明有益效果如下：通过分析驾驶员的驾驶数据，实现了驾驶员的脑电信号和驾驶员行为信号的融合分析，利用融合分析结果对驾驶员的驾驶意图进行预测，并对之后的驾驶行为进行控制，既消除了现有技术在检测驾驶行为时的延时性问题，又能充分反映驾驶员在驾驶过程中脑电信号的对应变化；另外，将脑电信号作为智能驾驶过程中的重要参考信号和控制输入信号，使得驾驶过程更加智能化，实时性也能得到较好保障，实现了对车辆的精确控制；本发明可以用于驾驶辅助系统的设计，有助于预测驾驶员的驾驶意图并及时辅助调整驾驶行为，对维护道路交通安全、规避道路交通事故的发生具有重要意义。

[0012] 在上述方案的基础上，本发明还做了如下改进：

[0013] 进一步，所述构建虚拟驾驶场景模型包括：

[0014] 构建驾驶视觉场景：通过3D建模软件进行场景搭建及3D渲染，利用虚拟现实软件生成三维虚拟模型并进行立体呈现；

[0015] 搭建驾驶所需操纵装置，并在所述操纵装置上安装信号采集传感器；

[0016] 将上述驾驶操纵装置与构建的驾驶视觉场景互联，得到虚拟驾驶场景模型。

[0017] 进一步，所述对驾驶员的脑电信号与行为信号进行同步采集，包括：驾驶员头部佩戴电极帽，并通过控制操纵装置在所述构建的虚拟驾驶场景模型中进行驾驶操作；在驾驶过程中，通过电极帽获取驾驶员头部不同通道处的电极电位变化采集驾驶员脑电信号；同时，通过各操纵装置上的传感器数据变化采集驾驶员行为信号。

[0018] 进一步，所述将上述采集的驾驶员的行为信号与脑电信号进行融合分析包括：

[0019] 将操纵装置上的传感器采集到的行为信号进行模拟到数字信号的转换；

[0020] 对上述得到的驾驶行为数字信号和采集的脑电信号进行融合分析；

[0021] 将上述得到的信号进行潜伏期数值提取，得到驾驶员的行为信号与脑电信号融合结果。

[0022] 进一步，所述对上述得到的数字信号和采集的脑电信号进行融合分析，包括：

[0023] 参考转换，将驾驶员脑电信号与驾驶员行为数字信号置于同一参考初始点，并将脑电信号的参考点置于规定电极参考位置处；

[0024] 基线校正，根据上述参考转换结果，确定信号的基线位置，使得所有通道信号的波形和标签对应基线位置重合；

[0025] 数据滤波，采用低通滤波器对基线校正后的多通道信号进行滤波，滤除信号中的失真部分；

[0026] 脑电分段与平均，将驾驶员产生制动事件时的数据与驾驶员未产生制动时的数据进行叠加平均，得到由驾驶员驾驶行为诱发的ERP信号。

[0027] 进一步，所述对上述得到的数字信号和采集的脑电信号进行融合分析，还包括：

[0028] 去除眼电，采用协方差分析法分解去除脑电信号中受到眼电信号干扰的片段；

[0029] 去除漂移，通过限定融合信号的幅值范围，去除由于驾驶员无关的大幅度行为导致的高幅值信号波段。

[0030] 进一步，在所述操纵装置上安装信号采集传感器包括：在制动踏板、油门踏板和离合器上均安装压力传感器；在方向盘上安装角度传感器。

[0031] 进一步，所述将操纵装置上的传感器采集到的模拟信号转换成数字信号，包括：当驾驶员控制操纵装置运动时，产生对应的驾驶行为，该时刻的信号值大于0，数值置为1；当驾驶员没有控制操纵装置运动时，未产生驾驶行为，该时刻的信号值为0，数值置为0。

[0032] 进一步，所述将操纵装置上的传感器采集到的模拟信号转换成数字信号，包括：采用模糊控制，根据操纵装置上信号值的大小设置不同的离散信号值，得到离散信号值与操纵装置的位移变化量的对应关系。

[0033] 进一步，所述实时获取驾驶员脑电信号，并根据上述融合分析结果，预测驾驶员的驾驶意图，对车辆操纵装置进行辅助控制，包括：根据上述得到的融合分析结果，将采集到的驾驶员的脑电信号按潜伏期进行平移，得到对应的车辆操纵装置的响应信号，并通过车辆操纵装置响应信号的响应时间及信号值大小调整对车辆操纵装置的控制程度。

[0034] 本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。

附图说明

[0035] 附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

[0036] 图1为本发明实施例中融合脑电信号的驾驶员行为意图检测方法流程图；

[0037] 图2为本发明实施例中虚拟驾驶场景模型的建立与呈现流程图；

[0038] 图3为本发明实施例中驾驶员脑电信号与行为信号同步采集流程图；

[0039] 图4为本发明实施例中对驾驶员的行为信号与脑电信号进行融合分析流程图。

具体实施方式

[0040] 下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

[0041] 本发明的一个具体实施例，公开了一种融合脑电信号的驾驶员行为意图检测方法。如图1所示，包括以下步骤：

[0042] 步骤S1、构建虚拟驾驶场景模型，并对驾驶员的脑电信号与行为信号进行同步采集；

[0043] 步骤S2、将采集的驾驶员的所述行为信号与脑电信号进行融合分析，得到融合分析结果；

[0044] 步骤S3、实时获取驾驶员脑电信号，并根据上述融合分析结果，预测驾驶员的驾驶意图，对车辆操纵装置进行辅助控制。

[0045] 与现有技术相比，本实施例提供的融合脑电信号的驾驶员行为意图检测方法，通过分析驾驶员的驾驶数据，实现了驾驶员的脑电信号和驾驶员行为信号的融合分析，利用融合分析结果对驾驶员的驾驶意图进行预测，并对之后的驾驶行为进行控制，既消除了现有技术在检测驾驶行为时的延时性问题，又能充分反映驾驶员在驾驶过程中脑电信号的对应变化；另外，将脑电信号作为智能驾驶过程中的重要参考信号和控制输入信号，使得驾驶过程更加智能化，实时性也能得到较好保障，实现了对车辆的精确控制；本发明可以用于驾驶辅助系统的设计，有助于预测驾驶员的驾驶意图并及时辅助调整驾驶行为，对维护道路交通安全、规避道路交通事故的发生具有重要意义。

[0046] 需要说明的是，本发明可用于检测驾驶员的加速、制动、转向、换挡等行为意图，在下面过程中主要以驾驶员的制动行为为具体实施例进行阐释，其他驾驶员行为的检测方法流程是相同或类似的，本领域技术人员可直接将实施例中的对应行为替换为需要执行并检测的驾驶员行为即可。

[0047] 具体来说，在步骤S1中，通过构建虚拟驾驶场景模型，模拟驾驶环境，驾驶员在该环境中进行驾驶仿真驾驶操作，同时，在驾驶操作过程中对驾驶员的脑电信号与行为信号进行同步采集；具体地，

[0048] 步骤S101，构建虚拟驾驶场景模型，通过3D建模软件(优选的，3ds MAX)进行场景搭建及3D渲染，利用虚拟现实软件(优选的，Vizard软件)生成三维虚拟模型并进行立体呈现；如图2所示，具体地，

[0049] 步骤S10101，构建驾驶视觉场景，首先，建立三维模型；根据驾驶员行为检测的虚拟驾驶场景需求，在3D建模软件(如3ds MAX)中构建相应的模型，示例性地，基本道路场景组成部分可以包括道路、路灯、车辆、交通信号灯等等；可以根据需求模拟驾驶的不同场景需要自行选择组成部分进行搭建。

[0050] 其次，对上述模型进行3D渲染；示例性地，利用3D建模软件(如3ds MAX)进行3D渲染，使得上述建立的三维模型更加立体；完成渲染的模型导出为*.py文件格式，用于之后步骤。

[0051] 最后，进行虚拟现实模型生成及立体呈现；将上述导出的*.py文件导入至虚拟现实平台中的虚拟现实软件(如Vizard)中，实现三维虚拟模型的生成以及立体视觉模型的呈现。

[0052] 步骤S10102，搭建驾驶所需操纵装置，并在操纵装置上安装信号采集传感器；

[0053] 为了更好的获取驾驶员行为信号，本实施例中在每个操纵装置上都安装了信号采集传感器，其中，操纵装置包括：制动踏板、油门踏板、离合器、方向盘；具体地，在制动踏板、油门踏板和离合器均安装压力传感器；在方向盘安装角度传感器；各传感器与处理器相连，可以实时获取各传感器的数据。各传感器中数据反映了驾驶员驾驶过程中各类信号的变化，这些信号的变化即反应驾驶员行为，例如驾驶员在制动过程中，制动踏板上的压力传感器记录到的制动信号的变化对应驾驶员的制动行为。

[0054] 步骤S10103，将上述驾驶操纵装置与构建的驾驶视觉场景互联，得到虚拟驾驶场景模型，在此模型中通过驾驶操纵装置控制驾驶视觉场景中虚拟车辆运动，驾驶员可在虚拟环境中执行各种仿真驾驶行为。

[0055] 步骤S102、驾驶员作为“传感器”，在上述构建的虚拟驾驶场景模型中进行驾驶操作，并输出脑电信号与制动行为信号，通过对脑电信号与制动行为信号进行同步采集，用于进一步的融合分析，如图3所示，包括：

[0056] 驾驶员脑电信号采集；驾驶员头部佩戴电极帽，在上述虚拟驾驶场景模型中进行驾驶操作，在虚拟环境内驾驶的过程中，电极帽实时采集驾驶员的脑电信号的变化。电极帽上可以采集到驾驶员头部不同通道处的电极电位变化，并传给脑电信号放大器，由放大器输出放大处理后的脑电信号，该脑电信号实时传输到处理器，用于进一步的融合分析；同时，电极帽佩戴方便、安全可靠，可以在保障对驾驶员健康无损害、驾驶无干扰的前提下实现高分辨率脑电信号的采集。

[0057] 驾驶员行为信号采集；驾驶员在虚拟环境内驾驶的过程中，操作方法与实车相同，方向盘控制虚拟车辆的转向，制动踏板控制虚拟车辆减速，油门踏板控制车辆加速，离合器控制虚拟车辆平顺起步和换挡。各操纵装置上的传感器数据可以反映驾驶员驾驶过程中各类信号的变化，这些信号的变化即反应驾驶员行为；该行为信号实时传输到处理器，用于进一步的融合分析。

[0058] 步骤S2、将上述采集的驾驶员的行为信号与脑电信号进行融合分析，得到融合分析结果；如图4所示，包括以下步骤：

[0059] 步骤S201、对驾驶员行为信号进行数据预处理；具体地，将操纵装置上的传感器采集到的行为信号进行模拟信号到数字信号的转换。仍旧以融合脑电信号的驾驶员制动行为检测为例，对驾驶员制动行为信号进行预处理，将制动踏板上的传感器采集到的模拟信号转换成数字信号。具体地，当驾驶员踩下制动踏板时，产生制动行为，该时刻的信号值大于0，数值置为1；当驾驶员没有踩下制动踏板时，未产生制动行为，该时刻的信号值为0，数值置为0。进一步地，为了体现驾驶员踩制动踏板的程度大小，对制动踏板制动效果进行精确控制，还可以采用模糊控制，根据制动信号值的大小设置不同的离散信号值，将离散信号值与制动踏板的位移变化相对应，即获得了不同的离散信号值与不同制动效果的对应关系。

[0060] 步骤S202、将上述得到的数字信号(驾驶员的制动行为信号)与脑电信号进行融合分析；包括参考转换(re-referencing)、基线校正(baseline correct)、数据滤波(filtering)、去除眼电(ocular artifact reduction)、去除漂移(bad block reduction)、脑电分段与平均(event related averaging)六个步骤，具体地：

[0061] 参考转换，将脑电信号与驾驶员制动行为信号置于同一参考初始点，并将脑电信号的参考点置于规定电极参考位置处；参考转换有利于基线校正环节获得最真实的基线(近似于0)的信号。示例性地，本实施例中采用双侧乳突平均作为参考电极。

[0062] 基线校正，确定信号的基线位置；基线校正可以让所有通道信号的波形和标签对应基线位置(“X轴”)重合，让多通道信号在同一范围内波动，以便对数据进行进一步处理。

[0063] 数据滤波，滤除脑电信号与驾驶员制动行为信号中的失真部分；采用低通滤波器对基线校正后的多通道信号进行滤波，去除非脑电信号的大幅值人体信号对数据的干扰作用。

[0064] 去除眼电，去除脑电信号中受到眼电信号干扰的片段，同时对应的制定信号的片段也会被去除；示例性地，采用协方差分析法分解并消除眼电伪迹的影响，避免驾驶员在实施例中的眼动信息对脑电信号的干扰作用。去除后的信号仅包含单一的脑电信号与驾驶行为信号的融合信号。

[0065] 去除漂移，用于去除由于驾驶员大幅度动作导致的坏区波段，以便减少对数据分析没有意义的部分信号，提高数据分析处理效率；具体地，通过限定融合信号的幅值范围，去除由于驾驶员无关的大幅度行为导致的高幅值信号波段，这种波段会将低幅值的脑电信号完全覆盖，导致无法分析。去除漂移后的融合信号即可用于进一步的脑电分段与平均。

[0066] 脑电分段与平均，以将驾驶员产生制动事件时的数据与驾驶员未产生制动时的数据进行叠加平均，可以得到去除干扰后的由驾驶员制动行为诱发的ERP(事件相关电位)信号的波动情况。

[0067] 步骤S203、输出脑电信号与驾驶员制动行为信号融合分析结果；

[0068] 具体地，利用信号处理软件对上述得到的ERP信号进行潜伏期(latency)数值的提取，输出脑电信号与驾驶员制动行为信号融合分析结果。潜伏期的数值反映出驾驶员脑电信号的峰值出现的时间与驾驶员产生制动行为的时间的差值，即能反应出预测驾驶员制动行为的效果。需要说明的是，不同驾驶行为的潜伏期也不同，需要进行分别的融合分析，确定具体的潜伏期数值。潜伏期可以作为输出信号，让车辆操纵装置的响应时间按潜伏期平移，达到与脑电信号的对应，从而实现消除控制延时性的目的。

[0069] 步骤S3、实时获取驾驶员脑电信号，并根据上述融合分析结果，预测驾驶员的驾驶意图，对车辆操纵装置进行辅助控制。

[0070] 在实际驾驶中，实时采集驾驶员的脑电信号，并对信号进行预处理(如：去噪、整形、滤波、信号放大处理等)，并根据上述得到融合分析结果，将采集到的脑电信号按得到的潜伏期进行平移，得到对应的车辆操纵装置的响应信号，达到脑电信号与响应信号的实时对应，并通过车辆操纵装置响应信号的响应时间及对应的控制程度(信号值大小)控制车辆在道路中稳定运动。同时，还可以持续采集方向盘、制动踏板、油门踏板、离合器上的传感器数据，并与上述控制程度配合，实现对车辆的精确控制。具体地，当检测到潜伏期后，驾驶员的相关操作意图会被检测出，根据上述得到的融合分析结果，控制相应操纵装置的信号的增强或减弱，使驾驶员的驾驶意图得到满足，达到驾驶目的。示例性地，当驾驶员有制动意图时，脑电信号和制动信号都会有一定的变化，通过上述融合结果中两者的对应关系能够，预测驾驶员行为意图(如想完全制动还是稍微减速)，从而对车辆操作装置(如制动踏板)进行控制，与驾驶员对车辆操作装置的实际控制配合(如根据分析脑电信号得到的压力值大小控制制动踏板的位移量)，完成对车辆的准确控制，避免了驾驶员操作过程的用力过猛或者用力不到位的问题。

[0071] 需要强调的是，本发明实施例通过脑电信号和驾驶行为信号同步采集、融合分析，各传感器、处理器、执行器之间有效配合，完善了驾驶过程中的数据处理分析环节，增强了驾驶员在驾驶过程中发挥的作用，利用检测时间远快于其他外部检测方式的脑电信号检测，可以有效解决延迟性的问题，使驾驶员能够做到对车辆的实时性控制；同时，提出的以驾驶员作为“传感器”进行信号传递的新型方法，强调了驾驶员在环(DIL,driver-in-the-loop)控制作用，可以试验不同的驾驶员采取不同的驾驶策略，区别于普通的无人驾驶技术与类人驾驶技术，可以针对不同的驾驶员个体设计个性化驾驶方案，以提高驾驶的舒适性与乐趣。

[0072] 本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

[0073] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

标题	发布/更新时间	阅读量
电信号加扰装置-专利编号CN1417946A	2020-05-13	621
电信号连接装置-专利编号CN101598744A	2020-05-12	242
电信号采集装置-专利编号CN109188149A	2020-05-12	360
一种声电信号器-专利编号CN109004760A	2020-05-13	952
电信号转换-专利编号CN104218950A	2020-05-11	687
电信号测量-专利编号CN105247376B	2020-05-11	671
电信号连接器-专利编号CN100561804C	2020-05-12	550
电信号测量-专利编号CN109239435A	2020-05-11	217
电信号测量-专利编号CN105247376A	2020-05-11	366
脑电信号放大器-专利编号CN102894973B	2020-05-13	639

一种融合脑电信号的驾驶员行为意图检测方法

一种融合脑电信号的驾驶员行为意图检测方法

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式