题目：驾驶员生理信号获取与分析

随着中国经济的不断发展，人民生活水平的不断提高，汽车的普及率越来越高。道路交通事故日益成为一个严重影响人民生命财产安全的社会因素。对大量事故的调查结果表明，30%左右的重大致死致伤交通事故源于驾驶疲劳。因此可知驾驶疲劳是影响安全驾驶的一个很重要的因素。对驾驶疲劳进行深入研究，寻找预测疲劳的方法进而减少交通事故对保护人民的生命财产安全有着非常重要的意义。目前，许多国家都在积极开展这方面的研究工作，尤其是西方发达国家，在这方面的研究已经开始由单一指标的预测向多指标数据融合的方向发展。但是国内关于多指标数据融合研究比较少，本论文参考国内外资料，对多指标数据融合的驾驶疲劳现象进行研究，取得了一定进展。论文以实验数据为基础，选取了脑电波（EEG）、眼电波(EOG)、驾驶性能数据(EMG)进行分析，其中脑电波和眼电波各有三个不同的信号通道，对总共七个通道的信号进行研究。本文吸取了主成份分析中的一些思想，分析了特征向量的意义，并用窗口数据滑动的分析方式，对其中的特征向量进行了深入研究。在定性分析七维特征向量的过程中，采用了平行坐标法，得出特征向量组存在聚集的现象；然后用层次聚类理论，对特征向量组代表的数据点的空间偏移量做定量分析，发现特征向量组的偏移情况不明显；然后考察特征向量组的数据密度分布变化情况，采用了基于密度的聚类分析方式，得出的结论是：第四、五、六主成份对应的特征向量的数据点在空间中趋势上呈现扩张形式，和疲劳的程度有一定关联性，可以作为预测疲劳的参考。