《基于脑电检测疲劳驾驶报警系统设计7500字（论文）》

基于脑电检测疲劳驾驶报警系统设计目录TOC\o"1-3"\h\u摘要 I1前言 21.1研究背景和研究意义 21.2研究现状 22系统整体框架图 33基于脑电检测的疲劳驾驶报警系统 43.1疲劳驾驶系统的概述 43.2TAGM模块介绍 43.3TGAM信号采集 53.4传输模块HC-05蓝牙 53.5蓝牙信息的传输 63.6HC-05与stm32f103rct6板的连接 73.7震动模块和语音播放模块 74程序设计 74.1TGAM模块传输的数据类型 44.2TGAM数据处理 44.3SYN6288的数据类型 44.4震动模块类型 44.5程序流程图 45结论 9参考文献 10摘要根据我国权威部门的统计数字，每年大约有有60多万人死于驾驶疲劳引起的交通事故，直接经济损失约125亿美元。疲劳驾驶是造成交通事故的主要,原因之一，正日益危害交通安全，越来越多的研究学者开始关注驾驶员的精神状态。驾驶疲劳是指驾驶人在长期驾驶机动车的过程中，心理和生理功能下降，反应水平下降，从某种角度上来看导致控制效果下降的生理现象。疲劳在学术领域中实际上是人类正常的、不可避免的生理现象，因此研究驾驶疲劳的检测方法具有重要的现实意义。疲劳驾驶是造成交通事故的主要原因之一，正日益危害交通安全，越来越多的研究学者开始关注驾驶员的精神状态。目前，国内外有很多驾驶员精神状态检测的方法，但都有一定的局限性，脑电信号因其能够直接、客观地反应大脑活动情况，被誉为精神状态检测的“金标准”。所以，以脑电信号作为基础的驾驶员心理状态研究凸显出来非常重要的理论意义以及现实意义。本文设计了基于脑电检测的疲劳驾驶报警系统，以TGAM模板为脑电采集端，利用HC-05蓝牙模块传输数据，通过stm32f103rct6电路板将接收的信号读取分析，最终得到eSense指数的专注度，进而通过语播放模块及震动模块提醒驾驶人，为驾驶员精祌状态监测系统提供了新的思路。关键词：脑电检测，精神状态，报警系统，HC-05蓝牙模块，stm32f103rct6电路板1前言1.1研究背景和研究意义疲劳属于一种十分复杂的生理现象，是人类由于过度劳累而导致的一种正常现象。疲劳一般表现是嗜睡、困倦、走神等，同时人的反应速度也随着疲劳的程度有所减慢，疲劳使人的交感神经活动减弱，副交感神经增强。因此驾驶疲劳会令驾驶员出现意想不到的误操作，失去对汽车的控制，造成危险的发生。主要的交通事故之一就是疲劳驾驶，交通,安全问题依然很严峻。根据交通部的2019年交通事故统计数据，去年交通事故死亡人数为40321人，比起,2018年，随着我国机动车数量的继续增加，道路交通事故的数量也将随之增加，因此，道路交通事故的数量呈略微上升的趋势，其中因为疲劳驾驶而造成的伤亡事故占了近40%，财产损失严重。所以，在更深层面上探索并研究心理状态监测与评估算法，对驾驶员的心理状态进行科学合理的评估，是帮助驾驶员安全驾驶的一个重要方向。1.3研究现状对疲劳驾驶预警系统的研究在不同的国家非常受欢迎。最先开始的典型电子疲劳测量设备的开发和测试，是充分参考到了现实中的医学仪器而产生的，相关的研究工作有以下几点：1.DDDS，美国研发出来的跟踪睡眠驾驶的系统。多普勒雷达和先进的信号处理使疲劳数据，如不舒服的情绪活动，眨眼频率和司机的眼睛眨眼时间，以确定司机是睡着了还是睡着了。该系统可转换为安装在驾驶室驾驶员头部上方的低音量仪表，不会干扰驾驶员的正常驾驶活动。2.方向盘监视装置S.A.M.。用于控制方向盘异常运动的传感器，适用于所有类型的车辆。如果方向盘不移动，S.A.M.会激活警报，直到方向盘继续正常移动。如果方向盘是在正常行驶的状态下移动了，这个装置将不会发出警报。S.A.M.与车内的录音设备相连。方向盘下方的转向杆上装有磁带，用于控制方向盘的移动。3.日本所研发出来的DAS2000报警系统。安装在公路上，由计算机控制的红外监视装置，当车辆行驶在中线或路肩上时，应向驾驶员发出警告.4.时间响应测试PVT。根据驾驶员对测量仪器屏幕上随机出现的光点反射的响应（光点出现时触摸键盘），确定测试驾驶员的疲劳响应。5.在日本开发了一种电子“唤醒带”：在使用中，将“唤醒带”末端的插头连接到车内点烟器的接头上。轮胎中的一些半导体温差会冷却前额上的金属箔，从而限制驾驶员的睡眠，使大脑恢复活力。自2000年以来，计算机技术以及集成电路有了迅猛的发展，大量的专家学者对于如何开发出系统防止疲劳驾驶实施了非常深入的研究。在这些国家中，国家对变速器疲劳预警系统的研究相对较新，当前我国的众多高等学府以及相关的科技公司正在该领域中实施更多的研究。现在南京一家公司研发的gogo850是国内仅有的商用疲劳驾驶预警系统，这个系统所运行的一系列原理类似于之前在丰田某种型号上的系统一样，已经在实践层面上被认为是非常实用的。2系统整体框架图本文设计的脑电采集处理系统的主要包含以下几个部分：采集部分，传输部分、处理部分、报警部分，总体结构如图2-1所示，采集部分选择了TGAM采集模块，主要任务是采集，处理脑电波数据，传输部分使用2个HC-05蓝牙模块，主要任务是将TGAM模块采集的脑电波数据传输到stm32f103rct6板，作为处理部分的stm32f103rct6板负责对脑电波数据进行检测和解析，得到atention指数专注度的值，随后将数据进行判断，根据atention指数取值的不同,这里设定阈值为80专注度，通过gpio口驱动震动模块震动与语音模块进行语音提示，语音模块使用syn6288语音播报模块。人体大脑HC-05蓝牙模块（主机）TGAM模块人体大脑HC-05蓝牙模块（主机）TGAM模块stm32f103rct6stm32f103rct6板震动模块HC-05蓝牙模块（从机）震动模块HC-05蓝牙模块（从机）syn6288模块syn6288模块图2-1系统构架图3基于脑电检测的疲劳驾驶报警系统3.1疲劳驾驶系统的概述EEG信号是大脑信号的自发生物电信号。通过将电极放置在大脑皮层中可以检测到EEG信号，该信号主要以波的形式表达。横坐标是时间，纵坐标是电势。人类脑电信号的频率通常在0.5〜30Hz的范围内。在头皮上测量的EEG信号通常在10uv至100uv的范围内。研究人员发现，这四个波形的变化可以反映出大脑的精神状态。脑电活动呈现复杂的非线性动态行为。脑细胞之间的连接是通过电脉冲进行的，测量方法主要是通过将电极放在人的头皮上来完成的。皮层神经元之间将存在电势，并且此时电信号将流动。这时，在突触之间将产生EEG信号。如图2-1所示，轴突前和突触后之间存在电位差。这样就形成了局部环路电流并生成了EEG信号。人的大脑有着接收命令和发送命令的作用，在人体活动中有着不可或缺的地位，大脑中有大量的神经元产生生物电信号。脑电信号是这些生物电信号中最重要的一种，人体的信息传输便是通过脑电信号，其中专注度主要与脑电波的，通过对脑电信号进行检测，处理，可以了解使用者的专注度，这一应用在未来的生活，研究中有着重要的意义。图3-1脑电信号的成因鉴于在捕捉信号和实际驾驶条件下存在许多困难，我们如何首先确定人脑中的疲劳迹象？结果表明，大脑至少有四种不同的波长（1）当大脑完全放松或集中时，就会出现频率在8到12Hz之间的「α」脑电波。（2）「β」脑电波的频率在14到100赫兹之间变化，代表了日常守夜的正常状态，在这种状态下，逻辑思维、分析和意识活动都有可能会发生。（3）「θ」脑电波是指在人类睡眠的初始状态，在完全清醒状态和完全睡眠状态之间过渡的这个阶段，脑波的频率从4到8赫兹。（4）「δ」脑电波的频率是0.5-4赫兹。这些是来自深度睡眠阶段的脑电波，发生在我们完全睡眠时，在那个时候，大脑的频率将会在0.5-4赫兹的范围内运动。因此，假若检测到了后面两种脑电波的话，从某种角度上来看证明了被测试的人处在疲劳状态和波动中。3.2TGAM模块介绍TGAM模块为本系统的脑电信号采集端，对EEG进行采集、放大、滤波及传输。使用的

TGAM

模块是一款由NeuroSky

研

发

的

较

为

成

熟

且

比

较

适

合

大

众

需求

的

商用脑波传感器采集模块，价格低廉。其内部集成了模拟前端和数字信号处理结构最大10mv的系统输入。原始脑电波的采集频率为512HZ，TGAM在3.3V的最大消耗为15MA，相对于其他大型脑电采集仪器有耗能小，造价便宜的优点。3.3TGAM信号采集它与人体的接触只需要一个简单的干电极，可以将原始脑电波进行滤波、放大、去噪、A

/

D

转换、去干扰等处理后以

512

Hz

输出原始脑波以及各频段脑波数据,TGAM的传输模块为UART传输接口，另外，对原始脑电波信号进行处理，得到eSense指数、不良信号的质量呈现标志等。本研究使用TGAM

模块输出的原始脑波数据进行分析。由于

P3b

的波幅通常在中央顶头皮最大，随着与该脑区距离的增大而逐步衰减，因此，使用TGAM

模块与干电极相连，通过单个脑电采集电极、参考电极、地线、蓝牙模块、电源模块等搭建脑电采集端，通过蓝牙模块实现

TGAM

模块与stm32f103的信号传输，收集采集模块的状态及其传输来的数据信号。3.4传输模块HC-05蓝牙HC-05是wildfire技术发布的蓝牙主机模块。它使用蓝牙2.0协议与任何兼容的蓝牙版本进行通信，包括计算机对、蓝牙主机、手机、PDA、PSP等蓝牙终端，允许串行端口传输。要控制HC05模块，只需使用标准TTL串行端口（均适用于5V/3,3v电压），并支持4800至1382400的速度范围，使其非常适合将蓝牙功能扩展到微控制器系统。图3-4-1HC-05蓝牙模块实物图图3-4-2HC-05引脚图本系统采用HC-05蓝牙模块与TGAM模块连接，蓝牙模块工作电压为3.6V左右，接口采用UART串行接口，波特率也与TGAM模块的输出波特率相匹配。将TGAM模块与HC-05蓝牙模块连接后，可将TGAM模块采集到的脑电信号通过蓝牙传输到其他智能设备中，在本系统中，将数据通过HC-05蓝牙模块传输到stm32f103rct6板上。图3-4-2TGAM与HC-05连接图TGAM的连接方式如图4-3-2所示，左侧P1部分与佩戴者连接，负责从人体内采取脑电波信号，P3为UART连接部分，将P3TX(发射端口)连接HC-05的RX（接受端），也就是说，由TGAM模块采集的脑波信号被传输到蓝牙，通过蓝牙传输脑波信号。3.5蓝牙信息的传输TGAM模块将数据传输到HC-05蓝牙模块后，便可以进行脑电波数据的无线传输，利用两个HC-05蓝牙模块，将脑电波数据从TGAM模块传输到电路板。首先应保证两个HC-05蓝牙模块处于AT模式（将两个蓝牙模块的POI11接入VCC，连接到TGAM模块的HC-05蓝牙模块修改为主机，连接到mapstm32f10rct6的hc-05蓝牙模块修改为从机。把数据从主机传输到从机中，在传输过程中应注意两个HC-05蓝牙模块处于同一波特率。3.6HC-05与stmf103rct6板的连接在本系统中，将stm32f103作为本系统的数据处理部分，stm32f103rct6是ARM系列的一类型号开发板，ARM是一类处理器的通用术语，你也可以把它看作是一种技术的名称，ARM平台具有自身独有的编程语言，包括特殊的寄存器与指令集，在keil上编写程序，并将程序代码(以二进制文件格式)烧录到stm32f103rct6开发板上，在开发板上运行程序。本项目使用的芯片为stm32f10rct6芯片。其性能有：48kbsram、256kbflash、2个基本tim、4个通用tim和2个高级tim、2个DMA控制器（共12个通道）、3个SPI、2个IIC、5个串口、1个USB、1个CAN、3个12位ADC、1个12位DAC、1个SDIO接口及51个通用IO口。在本系统中stm32f103rct6板与作为从机的HC-05蓝牙模块进行连接，接受TGAM模块采集到的脑电波数据图3-6stm32f103电路板与HC-05连接图如图4-5所示，本系统中主要用到的引脚为TXD和RXD引脚（本系统仅需要stm32f103rct6的RXD和HC-05的TXD连接便可传输信息），将stm32f103rct6板与蓝牙模块连接，将从机蓝牙模块接受到的数据传输到stm32f103rct6板上，将stm32f103rct6板上PA8引脚与震动模块引脚连接，将控制信号通过高低电平送入震动模块内，达到控制震动模块的目的在接受到TGAM模块采集的脑电波数据后，在keil编写程序，将脑电波数据测试解析，得到所需的各种变量，如信号质量和atention指数（专注度），并将控制信息传送到震动模块中，当关注度小于阈值80的时候打开震动模块震动和进行语音提醒。3-7震动模块和语音播放模块3.7.1震动模块本实验的震动模块采用高低电平的马达震动模块，该模块是同时具有集成电路和震动马达电路，工作电源5V，震动模块具有四个引脚，VDD连接电源，VSS接地，DIN为控制信号输入接口，根据输入高低电平的不同，且震动模块具有造价低，体积小，易于安装等优点震动模块驱动方法采取高低电平的方式，在震动模块的DIN口接受到电平变化后，产生震动，其方式与电灯相同图3-7-1震动模块3.7.2语音播报模块本实验的语音播报模块采用串口通信的方式。SYN6288中文语音合成芯片是于2010年初推出的，是由宇音天下公司所开发出来的一种中高端语音合成芯片，性价比更高，效果更自然。Syn6288接收要通过异步串行通信（UART）合成的文本数据，将文本转换为语音（或TTS语音）。在stm32f103rct6板上将数据分析后根据是否超过专注度阈值来进行判断是否需要语音提醒和震动提醒，通过判断后若需要提醒，则将提醒数据传输到传输到syn6288模块上，并驱动震动模块震动。4程序设计4.1TGAM模块传输的数据类型POOR_SIGNQuality:这一变量为无符号整型变量，获取这一变量后，根据该变量取值（取值范围0-200）可判断脑电波信号质量，信号不取0时表示存在一定的噪声干扰，取值越大，表示噪声干扰越大，使用时应尽量减少噪声，避免干扰实验结果。eSense指数：该指数的范围为1-100，该实验中需要设置阈值为80。ATTENTIONeSense：指专注度，该变量为无符号一个字节长度变量，它的范围为1-100，其中，人情绪的变化会伴随脑电波影响这一变量。MEDITATIONeSense：指放松度，该变量为无字符一个字节长度变量，范围也为1-100。RAWWAVEValue：该变量为两字节变量，两字节分别表示高低阶位数据，第一字节为高阶位，第二字节为低阶位，两字节共有2^16=65536个可取值，因此这一变量的取值范围为-32768至32767，该数据表示单一波段的脑电波采样。ASIC_EEG_POWER:人体会传出8种频率不同的脑电波，且八种脑电波波段电流大小不同，以无符号整数的小字节序输出，根据频率可分为：delta（0.5-2.75HZ），theta(3.5-6.75HZ)，低频alpha（7.5-9.25HZ），高频alpha（10-11.75HZ），低频beta（13-16.75HZ），高频beta（18-29.75HZ）低频gamma（31-39.75HZ），中频gamma（41-49.75hz）。4.2TGAM数据处理TGAM在最初的到的信号只是最原始的EEG信号，需要进一步分析操作来得到我们本次系统所需要的一个阈值。TGAM会发送513个包，发送这些包的时间大概为一秒钟，发送的包是大小不一的：小包的格式是AAAA048002xxHighxxLowxxCheckSum前面的AAAA048002是不变的，最后三个字节总是在变化。XXHIGH和XXLOW组成rawdatarawdata，XXCHECKSUM是校验和。所以一个小数据包只包含一个有用的数据，即rawdata。一个小数据包是一个原始数据，大约每秒512个原始数据。在解析原始数据之前需要查校验和，校验和的计算为：sum=((0x80+0x02+xxHigh+xxLow)^0xFFFFFFFF)&0xFF其次解析原始数据为：rawdata=(xxHigh<<8)|xxLow;if(rawdata>32768){rawdata=65536;}（注释：把04后面的四个字节加起来取反，再取低八位。如果算出来的sum和xxCheckSum是相等的，那说明这个包是正确的，然后再去计算rawdata，反之直接丢弃这个包，丢包率在10%以下不会对最后结果造成影响。）原始数据出来之后，信号强度Signal,ATTENTIONeSense，MEDITATIONeSense和ASIC_EEG_POWER就在第513个这个大包里面，这个大包的格式是固定的。EEG信号值的获取，只需将相应信号的1/3值左移16位，2/3值左移8位，3/3值不变，然后将他们或运算：delta=(payload[i]<<16)|(payload[(i+1)]<<8)

|(payload[(i+2)])。将数据处理移植到STM32上，采用串口的DMA接收模式，注意的是DMA_MODE采用Circular，DMA_BufferSize>（8*512+36=4132）（小包8个字节，每秒512个，完整的大包36个字节）4.3SYN6288的数据类型SYN6288的数据主要由帧头+数据长度+数据区格式组成，首先读取帧头0xF判断数据开始后，对下一位数据区长度进行读取，判断相对于长度后对数据区数据进行解读。数据区的实际长度，其中涵盖了一系列的命令字、命令参数、要发送的文本和差异或控件等，必须同帧头后面定义的数据区长度保持一致，不然的话，芯片将无法进行报告。本设计中将文本解算程序会自动转换成Unicode并且组合成一个SYN6288要求格式的数据帧并发送，语音合成模块就会播出该中文句子。在文字处理方面统一使用byte为一个单位（8bit），用16进制显示就是两个4位。如0xA1。经过查询和实测，stm32对串口输入的识别是英文ASCII码，中文Unicode的UTF8码，即一个中文汉字对应的是3个byte的长度，而中文语音合成模块识别的标准Unicode码是一个汉字2个byte长度的编码方式，所以两者的编码方式有所不同，需要转码。4.4震动模块类型738震动马达采用mso驱动控制，高电平触发低电平截至，配置是只需要配置stm32的odr寄存器进行输出高电平即可4.5程序流程图程序对数据的处理方式基于上节的理论，先对TGAM数据包进行检测，若数据长度小于169，且检测变量与计算值CECHKSUM，则认为信号通过检测，通过检测后对实际数据PAYLOAD进行解析，获取excode和code的值，当code为0x04时，此时的变量为atention指数专注度，code下一个字节为专注度的取值VALUE，获取专注度的取值后，并将取值转化为16进制数，根据专注度的值所在的范围判断是否启用提醒（注意:获取的各变量的值均应转换为16进制数进行比较），程序流程图如图4-5所示开始开始读取两个值为0xAA读取两个值为0xAA否否PLENGTH<170PLENGTH<170是是否否CHKSUM=CHKSUM=CECHKSUM是是否C否Code值是否为0x04读取VALUE值读取VALUE值是是获取专注度取值获取专注度取值专注度值换算为16进制专注度值换算为16进制专注度>80专注度<80专注度>80专注度<80震动模块震动，语音模块提醒不做处理震动模块震动，语音模块提醒不做处理5.结论在道路安全日益受到重视和重视的今天，研究开发基于脑电检测的疲劳管理系统是非常现实和有前景的。在实践层面上的角度来看，由于DSP强大的数据处理能力，本系统的设计增加了额外的功能，如增强型酒精检测模块，通过酒精传感器实时检测周围酒精含量，避免疲劳传导，同时也要防止酒后驾车，在更深层面上增加道路的安全。基于脑电信号的疲劳检测还处于研究的早期阶段，难免会发生各种各样的问题，然而在应用的过程中，最终会有个别问题得到最终的解决，更多的先进技术将应用到这一领域。(1)首先需要解决的是人类脑电模式的差异问题，因为不同的人有不同的脑电模式，不同时间点脑电模式也不同。从以往的研究看,精神状态上的检测会因为人员的不同，出现不同的结论，可能会因人而异，若要将脑电信号应用到辅助驾驶系统中，这个问题必须要解决。(2)本文中脑电信号的去噪预处理运用了独立成分分析的方法，虽然能够有效的去除脑电信号的眼电伪迹和肌电伪迹,但都是根据伪迹的时域特征、频谱特征、脑电地形图等进行分析，去除干扰，人为因素对去噪效果影响很大。在以后的研究过程中，要深入的对脑电信号中伪迹的自动去除进行研究,找到一种自动去除伪迹的方法，减少人为因素的干扰。(3)由于实验设备原因只能采集脑电，不能采集驾驶过程中的行为信息，未来若要将行为信息和脑电信息结合起来，应用到换道识别系统中，会有更好的提升。(4)单一的疲劳检测方法不能得到很好的可靠性和有效性，接下来应该考虑应用多信息融合的方法来进行驾驶员疲劳的监测。

参考文献[1]韩相军.基于DSP的驾驶疲劳实时检测系统研究[D].北京:首都师范大学,2016.[2]韦金辰.TMS320C6000系列DSP原理与应用系统设计[M].北京:机械工业出版社,2017.[3]常瑜亮.基于DSP的疲劳驾驶检测系统硬件设计与实现[D].沈阳:沈阳理工大学,2018.[4]窦元杰.基于汽车驾驶员的疲劳驾驶检测系统的研究[D].沈阳:沈阳工业大学,2017.[5]徐勇.基于DSP的疲劳驾驶监测方法研究[D].南京:南京理工大学,2018.[6]石春林.监控司机疲劳驾驶的实时图像处理系统研究[D].武汉:武汉理工大学，2017.[7]周玉彬，俞梦孙.疲劳驾驶检测方法的研究川.医疗卫生装备，2018,24:25-28.[8]胡大林.疲劳驾驶引发交通事故的原因及防范措施[J].科学时代，2017.[9]新华网.2017年全国道路交通事故数据统计[EB/OL].