驾驶愤怒引发机理及信号特征研究

脑电（electroencephalogram，EEG）信号作为中央神经系统产生的生理信号，由于具备较高的时间分辨率、较强的功能特异性等优势，而且与人的精神活动和身体（肢体）活动密切相关，在情绪识别领域逐渐得到了广泛应用。本书将研究不同驾驶愤怒强度下的EEG信号特征。

目前，EEG信号分析方法主要有时域和频域分析方法。其中，时域分析方法主要是对一些描述性统计指标如均值、标准差、方差与均方差等进行分析，而频域分析方法则是对原EEG信号中各频率对应的幅值、相位与功率谱、功率谱密度等特征进行分析。但这两种方法都有自身的局限性。例如，时域特征参数会丢失EEG信号中蕴涵的时间顺序，在反映脑电波的变化（涨落）机制方面具有明显的不足。而对于频域特征，其提取过程主要围绕傅里叶变换展开，但该变换是将EEG信号视为平稳的随机信号，但在生理学领域，EEG信号已被确定为非线性与非平稳信号，因此，频域指标也不能完全反映EEG的变化规律。而小波变换可为低频信号提供较高的频率分辨率，为高频信号提供较高的时间分辨率，可对随机信号进行多分辨率的时间尺度表示，因此，小波变换可用来处理非平稳信号如EEG信号[138]。目前，基于小波变换的EEG信号分析方法已经在癫痫病[139]、睡眠障碍[140]等疾病检测领域以及驾驶疲劳识别[141]等交通领域有所应用。(www.xing528.com)