面向車輛行駛安全的自動駕駛意圖識別

內容簡介

《面向車輛行駛安全的漏仔盼自動駕駛意圖識別》共8章，提出通過對駕駛人的腦電信號分析及處理來識別駕駛人的駕駛意圖，並輸入到車輛CAN匯流排以實現自動駕駛。以駕駛人的犁匙刪婚腦電信號為研究對象，採用實驗、理論和仿真相結合的方法，對腦電信號進行分析研究，並對駕駛人的駕駛意圖進行識別。分析駕駛意圖的產生、駕駛環境、腦電信號的處理，運用基於粒子群算法的支持向量機識別模型和神經網路識別模型識別駕駛意圖，得出神經網路模型更有利於識別腦電捉甩艱信號的駕駛意圖的結論。

《面向車輛行駛安全的自動駕駛意圖識別》可供信號處理、車輛、交通領域的科技人員、管理人員閱讀，也可供安全科學與工程等專業的師生參考。

圖書目錄

第1章緒論

1．1 研究背景

1．2 研究目的及意義

1．3 主要研究內容

第2章車輛行駛安全與駕駛意圖分析

2．1 概述

2．2 車輛行駛安全與駕駛行為分析

2．2．1 車輛行駛安全及影響因素分析

2．2．2 駕駛行為分析

2．3 駕駛意圖分析

2．3．1 車輛行駛安全與駕駛意圖分析

2．3．2 駕駛意圖分析

2．3．3 駕駛意圖識別

2．4 腦-機接口技術研究

2．4．1 腦-機接口技術的運用及發展

2．4．2 腦-機接口技術的國內外發展狀況

2．4．3 智慧型駕駛技術的發展

2．5 小結

第3章腦-機接口數據採集與分析

3．1 概述

3．2 實驗方案設計

3．2．1 實驗原理

3．2．2 實驗設備組成

3．3 實驗目的及實驗方法

3．3．1 實驗目的

3．3．2 實驗方法

3．3．3 實驗過程

3．3．4 駕駛意圖數據測量的電極測試選擇

3．3．5 實驗環境與腦電波測試

3．3．6 腦電數據的分配及分析

3．4 小結

第4章駕駛意圖的腦電信號特徵提取處理技術

4．1 概述

4．2 駕駛意圖原理

4．2．1 駕駛行為概述

4．2．2 駕駛意圖概述

4．2．3 駕駛意圖時窗的選擇

4．3 腦電信號中的非平穩信號處理技術

4．3．1 傅立葉變換

4．3．2 功率譜

4．3．3 小波變換和小波包變換

4．3．4 枕部的8個電極的情況分析

4．4 小結

第5章基於粒子群算法的支持向量機的駕駛意圖識別

5．1 概述

5．2 支持向量機算法原理

5．2．1 駕駛意圖與支持向量機

5．2．2 支持向量機算法原理

5．3 粒子群算法分析

5．3．1 粒子群算法

5．3．2 粒子群算法的支持向量機框圖

5．4 基於粒子群肯兆料戲算法的支持向量機的駕駛意圖識別分析

5．5 小結

第6章基於粒子群算法的神經網路駕駛意圖識別

6．1 概述

6．2 人工神經網路及其最佳化技術

6．2．1 神經網路模型

6．2．2 神經網路最佳化技術

6．3 基於粒子群算法的嬸跨套神經網路駕駛意圖分析

6．3．1 三種區域的識別分類

6．3．2 駕駛意圖識別分類（8通道）

6．4 駕駛意圖識別效果分析

6．5 小結

第7章基於腦-機接口的自動駕駛系統設計

7．1 概述

7．2 腦-機接口與CAN匯流排系統設計

7．2．1 CAN匯流排基本知識

7．2．2 駕駛意圖腦電信號的處理

7．2．3 整體系統設計

7．3 腦-機接口與CAN匯流排挨牛匪系統的模組化設計

7．3．1 節點設定

7．3．2 數據採集系統的模組化設計

7．3．3 電源模組

7．3．4 數據通信模組

7．3．5 CAN通信接口硬體模組

7．4 數據採集系統

7．4．1 採集系統設計

7．4．2 轉角數據採集系統

7．4．3 緊急信號閥霸採集系統

7．4．4 車速採集系統

7．5 小結

第8章結論與展望

8．1 結論

8．2 創新點

8．3 研究展望

參考文獻

面向車輛行駛安全的自動駕駛意圖識別

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條