导读:本文包含了疲劳度检测论文开题报告文献综述及选题提纲参考文献，主要关键词:语音疲劳度,语音特征,语音信号处理,特征处理
疲劳度检测论文文献综述
赵强[1]（2019）在《基于神经网络的语音疲劳度检测》一文中研究指出安全是轨道交通运输行业的第一要务,车站值班员是与安全运输息息相关的重要岗位,车站值班员的疲劳程度会影响工作效率,甚至会影响运输安全。考虑到车站值班员在工作过程中需要经常口呼指令,因此,通过语音可以对值班员的疲劳状态进行实时监控,有效降低由于值班员的疲劳给列车运行安全带来的隐患。本文中收集不同疲劳程度的语音样本,提取语音疲劳度特征参数,探究不同语音特征与疲劳度之间的关系,并通过神经网络来实现根据选择的语音特征对疲劳度进行检测。本文中所做的工作主要包括:第一,语音数据样本收集。目前缺少公开的疲劳相关的语音数据集,本次研究使用自行采集的男女声语音数据,数据中包含两种语音内容,标注为四种疲劳状态:非常精神状态,一般状态,比较疲劳状态,非常疲劳状态。第二,语音疲劳度特征提取。本文选取短时能量、短时平均过零率、梅尔频率倒谱系数、基音频率和第一共振峰五种语音特征用于对疲劳度进行分析,首先对语音信号进行分帧和降噪,接着使用能熵比法进行端点检测,最后采用对应算法提取各特征参数。第叁,特征数据的分析与处理。首先,对于特征数据中存在的异常点进行清洗,提高数据质量,接着对单内容语音、不同内容语音以及不同说话人的不同内容语音分别进行了语音特征的疲劳度关联性分析,最后确定了用于疲劳度分类实验的特征参数群。第四,基于神经网络的语音疲劳度分类实验。使用Tensorflow框架搭建神经网络,采用Adam算法将处理好的语音特征数据用于网络训练,并测试其对疲劳度区分的准确度。对多次实验结果进行总结,结果表明在本文采用的疲劳语音数据集上,通过语音特征对疲劳度进行区分,取得了不错的效果。(本文来源于《北京交通大学》期刊2019-05-01）
陈枢茜[2]（2017）在《基于语音分析的疲劳度检测研究》一文中研究指出疲劳是人类机体复杂的生理心理变化过程,属于人体机能自然的自我保护机制,可以分为两种:生理疲劳和心理疲劳,分别指体力或脑力到达一定阶段时出现的正常生理现象。人体疲劳的加深会引起运动能力和工作效率降低、差错事故增多,甚至使人体出现器质性疾病。显然,了解人体疲劳程度对不同人群的身体健康、安全生产、安全工作(例如安全操作、安全驾驶)等方面的影响具有十分重要的作用。疲劳度检测可以通过测量生理指标进行,但此类方法依赖仪器且不能实时进行。通过语音分析实现疲劳度检测具有操作简单、可以实时进行等优点。近几年,虽然已有基于语音分析疲劳度检测的初步研究,但是针对心理疲劳,特别是心理疲劳与生理疲劳相结合的语音疲劳度检测研究还相当少。本文研究了基于语音分析针对生理疲劳(本文针对运动疲劳)和心理疲劳(本文针对学习疲劳)程度检测的方法。主要内容包括:1.构建了运动和非运动疲劳语料库。采用主观疲劳量表对连续疲劳进行疲劳度等级划分;运用人体生理参数与疲劳度之间的联系,对语料库的疲劳度分类进行了标注。2.研究了适用于语音疲劳度检测研究的特征参数。首先根据人体疲劳对发音器官和语音表达的影响,选择了疲劳度相关的语音特征参数;然后通过对语音特征参数随疲劳度变化趋势的分析,选择了有效特征参数;最后根据不同特征参数组合下疲劳程度的识别效果,获得了识别不同等级疲劳的最优特征参数组合。3.设计了基于语音分析的同性别下单一疲劳度检测方法。本文对作为声音样本的语音信号进行特征提取后,分别用传统机器学习方法SVM和集成方法AdaBoost构造分类器,进行同性别下单一疲劳度的训练识别,同时比较了传统机器学习方法和集成方法的优劣性。4.设计并优化了基于语音分析的跨性别间单一疲劳度检测和同性别下疲劳度检测方法。由于男女生语音特质、生理心理承受能力的差异,目前大多数语音疲劳度检测研究都集中在同性别下单一疲劳度的研究上。本文首先利用SVM分别进行了不同性别间和不同性质疲劳间的疲劳程度识别,并首次利用迁移学习TrAdaBoost算法进行了跨性别间单一疲劳度检测和同性别间疲劳度检测的优化。基于本文方法进行了疲劳度检测实验,并与生理参数方法进行了比较,实验表明,本文提出的方法可有效进行疲劳度的检测。同时本文对连续疲劳的研究是通过简化疲劳度等级来进行的,如何对连续疲劳进行有效准确分析检测有待于深入研究。(本文来源于《苏州大学》期刊2017-04-01）
孙宇[3]（2015）在《基于脑—机接口的驾驶员疲劳度检测预警系统研究》一文中研究指出随着社会的发展和时代的进步，智能控制越来越受到研究学者的关注，其中对脑-机接口系统（BCI）设计领域的研究势如破竹，大量的人才和资金开始向这个领域集中，这说明BCI系统的研究将在本世纪获得突飞猛进发展并且显现出其巨大的社会与商业价值。通过现有的研究和理论，我们知道BCI系统是人的大脑与外界设备控制交流的通道，它的成功开发不仅可以帮助那些行动不便的人达到对外控制的目的，而且也可以帮助正常人提高生活工作效率，享受科技给我们带来的便利与乐趣。本文我们要研究设计可以应用于日常生活中的BCI系统，主要内容分为以下几个部分：（1）阐述了BCI系统的概念，详细介绍了BCI系统的工作原理、社会价值和BCI系统主要的研究方向、国内外研究进展等。（2）详细研究了大脑的工作原理和脑电信号的产生与传递过程。介绍了我们实验所应用的脑电信号采集系统—ThinkGear脑电仪，它的优势是抗干扰能力强、携带简单、可以输出α波、β波、δ波、θ波、γ波、注意力集中度和冥想程度等脑电信号特征值，这为我们的后续研究带来了极大的方便。（3）研究了TGMA脑电芯片的数据流格式和解析脑电数据的流程，为后续的实验和软件开发打下了良好的理论基础。（4）设计了一套驾驶员疲劳度检测预警系统，它可以实时检测受试者脑电信号进而判断其所处状态，当测得受试者处于疲劳状态时，立即驱动报警设备工作。这套系统的开发对减少高速公路重大交通事故的发生有重要的现实意义。（5）设计了一套BCI对外控制系统，受试者可以通过软件系统改变自己的状态，来控制外部设备的四种状态，为今后BCI系统对外控制打下了前期的研究基础。(本文来源于《吉林大学》期刊2015-06-01）
陈一鸣[4]（2012）在《基于LabVIEW的疲劳试验机同轴度检测仪设计》一文中研究指出针对传统疲劳试验机同轴度检测设备接线繁琐、计算复杂等不足,提出了一种基于LABVIEW的疲劳试验机同轴度检测仪的设计方案,并对该检测仪的硬件和软件设计进行了分析。此检测仪具有低成本、设计灵活、界面友好、应用简单等特点。实践证明该检测仪运行稳定、可靠。(本文来源于《自动化与仪器仪表》期刊2012年01期）
胡越,郭延齐,程文华[5]（2009）在《基于Matlab的人眼疲劳度检测》一文中研究指出研究旨在协助驾驶员提高行车安全,减少疲劳驾驶带来的隐患。检测汽车驾驶员的唤醒状态,若得到疲劳信息,则发出警报。边缘检测算法,边界跟踪算法以及人眼定位算法以实现对驾驶员的监测;设计中定义眼睛闭合度的参数,衡量所采集到的眼睛图像的纵横之比,使系统对不同的人或同一个人的不同状态进行测量,保证实际应用价值。(本文来源于《信息技术》期刊2009年08期）
莫雄强[6]（2009）在《基于脑电的疲劳度检测方法研究》一文中研究指出疲劳分为身体疲劳和脑疲劳。如果是身体疲劳睡一觉就能够解除疲劳。脑疲劳是一个有别于身体疲劳的概念,脑疲劳所反映的是大脑的病态或暂未成为病态的各种非正常状态,是一种亚健康的表现。脑力劳动疲劳的信号是心理疲劳感觉,这种疲劳感是人体、器官或主要细胞,对继续工作的抵触,疲劳信号揭示肌体已经需要休息,需要调整和恢复,应该停止工作,以睡眠或者娱乐、体育活动(或体力劳动)等积极方式促进大脑功能的调整。此时,若强制大脑继续工作,则会加重心理疲劳,造成脑细胞的损伤,或使脑功能恢复发生障碍。所以研究大脑的疲劳度具有重要的意义。脑电信号是疲劳度检测的黄金标准,所以本文尝试通过检测脑电近似熵的变化来检测人体疲劳的程度。通过相关领域的研究,本文设计一套基于虚拟仪器、单片机结合现代数字信号处理技术的脑电信号采集分析系统(即疲劳度检测系统)。采用PIC单片机和USB接口实现A/D转换与PC机通信,PC机应用程序采用LabVIEW进行设计,完成显示、分析和实现对个人信息与特征参数数据库保存。针对脑电信号的高噪声、非平稳性和非线性的特点,设计了数学形态滤波器,实现非线性滤波;系统研究了非线性非平稳信号的处理方法—希尔伯特-黄变换(HHT)理论,利用该方法得出脑电信号的时频分布并进行了分析。最后利用近似熵方法对其进行操作,通过对比近似熵的变化,我们能检测出疲劳的程度。我们通过实验,测出人体在平静时、疲劳时、及经过休息后的近似熵。通过对比,我们可以得出推论,人体的近似熵越小,疲劳度越大。疲劳度与近似熵成反比关系。(本文来源于《燕山大学》期刊2009-05-01）
华贝[7]（2008）在《疲劳度检测》一文中研究指出几年前,日本流行一种通过化验唾液测量人体疲劳程度的手持式仪器,那些在疲劳边缘的人们可以随时用来检查自己处于什么样的疲劳程度。其原理是分析唾液中淀粉酶的含量,人处在身心压力下,这种酶的含量就会增加。最近,日本又开发出一种更简(本文来源于《知识就是力量》期刊2008年09期）
疲劳度检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
疲劳是人类机体复杂的生理心理变化过程,属于人体机能自然的自我保护机制,可以分为两种:生理疲劳和心理疲劳,分别指体力或脑力到达一定阶段时出现的正常生理现象。人体疲劳的加深会引起运动能力和工作效率降低、差错事故增多,甚至使人体出现器质性疾病。显然,了解人体疲劳程度对不同人群的身体健康、安全生产、安全工作(例如安全操作、安全驾驶)等方面的影响具有十分重要的作用。疲劳度检测可以通过测量生理指标进行,但此类方法依赖仪器且不能实时进行。通过语音分析实现疲劳度检测具有操作简单、可以实时进行等优点。近几年,虽然已有基于语音分析疲劳度检测的初步研究,但是针对心理疲劳,特别是心理疲劳与生理疲劳相结合的语音疲劳度检测研究还相当少。本文研究了基于语音分析针对生理疲劳(本文针对运动疲劳)和心理疲劳(本文针对学习疲劳)程度检测的方法。主要内容包括:1.构建了运动和非运动疲劳语料库。采用主观疲劳量表对连续疲劳进行疲劳度等级划分;运用人体生理参数与疲劳度之间的联系,对语料库的疲劳度分类进行了标注。2.研究了适用于语音疲劳度检测研究的特征参数。首先根据人体疲劳对发音器官和语音表达的影响,选择了疲劳度相关的语音特征参数;然后通过对语音特征参数随疲劳度变化趋势的分析,选择了有效特征参数;最后根据不同特征参数组合下疲劳程度的识别效果,获得了识别不同等级疲劳的最优特征参数组合。3.设计了基于语音分析的同性别下单一疲劳度检测方法。本文对作为声音样本的语音信号进行特征提取后,分别用传统机器学习方法SVM和集成方法AdaBoost构造分类器,进行同性别下单一疲劳度的训练识别,同时比较了传统机器学习方法和集成方法的优劣性。4.设计并优化了基于语音分析的跨性别间单一疲劳度检测和同性别下疲劳度检测方法。由于男女生语音特质、生理心理承受能力的差异,目前大多数语音疲劳度检测研究都集中在同性别下单一疲劳度的研究上。本文首先利用SVM分别进行了不同性别间和不同性质疲劳间的疲劳程度识别,并首次利用迁移学习TrAdaBoost算法进行了跨性别间单一疲劳度检测和同性别间疲劳度检测的优化。基于本文方法进行了疲劳度检测实验,并与生理参数方法进行了比较,实验表明,本文提出的方法可有效进行疲劳度的检测。同时本文对连续疲劳的研究是通过简化疲劳度等级来进行的,如何对连续疲劳进行有效准确分析检测有待于深入研究。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
疲劳度检测论文参考文献
[1].赵强.基于神经网络的语音疲劳度检测[D].北京交通大学.2019
[2].陈枢茜.基于语音分析的疲劳度检测研究[D].苏州大学.2017
[3].孙宇.基于脑—机接口的驾驶员疲劳度检测预警系统研究[D].吉林大学.2015
[4].陈一鸣.基于LabVIEW的疲劳试验机同轴度检测仪设计[J].自动化与仪器仪表.2012
[5].胡越,郭延齐,程文华.基于Matlab的人眼疲劳度检测[J].信息技术.2009
[6].莫雄强.基于脑电的疲劳度检测方法研究[D].燕山大学.2009
[7].华贝.疲劳度检测[J].知识就是力量.2008