面向跨被试驾驶员状态识别的统一EEG特征提取与无泄漏安全停止触发机制

《Electronics》:Unified EEG Feature Extraction for Cross-Subject Driver State Recognition and a Leakage-Free Safe-Stop Trigger Mechanism

【字体: 大 中 小 】 时间:2026年09月27日 来源:Electronics 2.9

编辑推荐:

  基于脑电图(Electroencephalography, EEG)的脑–机接口(Brain–Computer Interface, BCI)能够直接洞察驾驶员的精神状态,与自动驾驶车辆的感知栈相关。本研究专门针对警觉性/嗜睡状态,这是与Level 3接管就绪

  
基于脑电图(Electroencephalography, EEG)的脑–机接口(Brain–Computer Interface, BCI)能够直接洞察驾驶员的精神状态,与自动驾驶车辆的感知栈相关。本研究专门针对警觉性/嗜睡状态,这是与Level 3接管就绪相关的若干驾驶员状态之一。在Level 3车辆中,移交控制权之前检测嗜睡需要在高维EEG特征与轻量级安全停止触发机制的实时要求之间取得平衡。研究人员提出了一条完整流程:在四个驾驶相关EEG数据集上提取统一的每通道22维特征模式,使用自编码器实现超过95%的降维且性能损失极小,并由分类器驱动恒定减速运动学模型以获得可测量的延迟数据;该流程在完全被试不相交、无泄漏的协议下进行评估。在警觉数据集上的留一被试交叉验证得到的平均macro-F1为0.793 ± 0.163(备选运行为0.763 ± 0.155,处于自编码器重训的预期方差范围内)。将压缩评估扩展到全部四个数据集显示,其中三个数据集的性能保持或改善,第四个数据集出现较小代价。完整决策链在标准硬件上可在1 ms内完成(平均0.13 ms);该数字仅覆盖感知到触发预算,不包括下游基于优化的规划器(MPC/CBF-QP)会增加的求解器延迟。上述发现表明,认知状态感知的安全停止触发在实现上可行,同时也强调了部署所需的标定和跨机器验证。
自动驾驶的Level 3(条件自动化)要求系统在特定条件下自主驾驶,但可随时请求驾驶员接管。移交控制权之前,车辆必须判断驾驶员是否具备认知驾驶能力。基于脑电图(Electroencephalography, EEG)的脑–机接口(Brain–Computer Interface, BCI)能够提供驾驶员精神状态的直接连续信号。然而,公开驾驶EEG数据集在通道数、采集设备和标签语义上差异很大,难以直接联合;高维EEG特征又难以满足车载嵌入式硬件的实时约束。为此,研究人员提出了一条完整的EEG到安全停止触发流程。

研究人员使用四个公开驾驶相关EEG数据集,提出了统一特征提取、无泄漏自编码器压缩、分类和安全停止触发联合评估的完整方案。在警觉数据集SEED-VIG上,384维特征被压缩至16维(降维95.8%),留一被试交叉验证平均macro-F1为0.793 ± 0.163;端到端感知-触发决策平均延迟0.13 ms(P99为0.22 ms)。该结果表明,认知状态感知的安全停止触发在实现上可行,但部署前仍需个体标定和跨机器验证。

主要技术方法:使用四个公开驾驶相关EEG数据集(SEED-VIG、MPDB、PPB-EMO、CL-Drive;被试21–40人,通道数4–59);采用2.0 s滑动窗(步长0.5 s)和每通道22维统一特征模式;全连接自编码器(384维→16维)
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号