罗旭
- 作品数：5 被引量：26H指数：3
- 供职机构：沈阳师范大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：交通运输工程机械工程医药卫生文化科学更多>>
- 基于EEG与EOG信号的疲劳驾驶状态综合分析被引量：11
- 2014年
- 疲劳驾驶时,司机的脑电信号和眼电信号特征均发生显著变化,本文针对这两类信号进行分析研究,利用这两类数据综合分析判断司机是否处于疲劳驾驶状态.首先对采集的脑电信号进行小波包分解,提取信号中的α波,并计算其相对功率谱P;然后利用Pearson相关系数分析两路对称导联F7,F8中眨眼信号特征,去除干扰;最后利用BP神经元网络对眨眼信号进行识别,计算眨眼频率.结果表明,利用眼电信号和脑电信号特征综合分析司机眨眼动作,能准确识别出眨眼信号,并能正确检测人的驾驶疲劳状态的变化.
- 王福旺王宏罗旭
- 关键词：疲劳驾驶脑电信号小波包分解
- 基于脑电小波特征与长短期记忆神经网络的驾驶疲劳识别方法
- 2023年
- 为准确识别驾驶疲劳,提出基于小波特征和长短期记忆(LSTM)神经网络分类器的驾驶疲劳识别方法。在真实驾驶环境下采集了驾驶员非疲劳状态与驾驶疲劳状态的脑电信号,对脑电信号进行小波分解,计算4个小波系数的统计值、能量值和相对能量作为特征数据,用特征数据对LSTM神经网络进行分类训练与测试。试验结果表明,随着所构建特征数据的通道数量增多,LSTM神经网络的分类性能逐渐提高,特别是在14通道方案下,平均分类准确率约为96.1%。
- 罗旭张岩杨亮
- 关键词：脑电图小波
- 基于脑电信号分类的高速公路上驾驶疲劳识别被引量：8
- 2015年
- 为驾驶疲劳的识别提出一种基于小波变换与BP人工神经网络的自发脑电信号分类方法。利用离散小波变换对驾驶员的脑电信号滤波,得到频率低于30Hz的4个子带小波系数,由统计方法从小波系数中提取特征值。以这些特征值作为训练数据,对所建的BP人工神经网络进行训练。结果表明,用所建的神经网络对高速公路客车驾驶员分别在疲劳和非疲劳时记录的脑电信号进行分类可达93.2%的准确率。
- 罗旭王宏王福旺
- 关键词：驾驶疲劳脑电信号小波BP人工神经网络
- 智能技术具身下审美教育锚定人工智能素养的理路演进
- 2024年
- 人工智能的具身化发展升级了技术具身的概念,“智能技术中的身体”和“智能技术身体”深刻变革人类认知方式转向人机共创的模式。审美教育具有学科共通性,智能技术具身演化了审美教育的新生态,形成了包括智能环境、人机协同融合模式、智能代理机制和大脑智能的新型智能架构。智能技术具身下审美教育目标就是找到提高学生审美认知的可行方法和有效方式。审美认知表现在以身体为中心的智能技术和学生心智的协同与耦合,相应地审美教育的目标就锚定了人工智能素养。人工智能素养导向的审美教育可以为学生审美认知赋能赋权,有力支撑学生知情意行和谐统一的教育总体目标,铺设学生思维升级的路径。智能技术具身下的审美教育成为培育学生人工智能素养的新范式,即以自动化实现为审美理念引导智能通识技能的升格、以解决问题为审美目标引导计算思维的提升、以协同创造为审美理想引导高阶思维的跃迁。
- 张岩罗旭国玉霞张辉
- 关键词：审美教育审美认知计算思维高阶思维
- 基于生物力学和颈腰部EMG判别驾驶员疲劳状态被引量：7
- 2017年
- 本文中通过采用颈腰部生物力学和表面肌电信号相结合的方式,对驾驶员在驾驶过程中的疲劳状态进行了研究。首先,通过生物力学的计算与分析,合理地选择了能有效反映驾驶疲劳状态的生理信号采集位置,即颈6左右两侧上斜方肌和腰4左右两侧竖脊肌。然后,在利用经验模态分解算法对测得的肌电信号进行去噪的基础上,找出能表征驾驶员疲劳状态的颈腰部肌电特性参数,并对提取的特征参数(颈部复杂度、腰部复杂度和腰部近似熵)进行主成分分析,获得了两个主成分,有效保留有用信息,去除冗余信息,实现了特征参数的降维。最后,以此为自变量建立疲劳驾驶评价模型,有效提高了模型的正确率,加快了模型的运算速度。结果表明,该方法在对驾驶员正常与疲劳状态的区分上具有良好的识别效果,正确率可达90%以上。
- 王琳罗旭姜鑫王宏
- 关键词：疲劳驾驶生物力学肌电信号近似熵
