مروری بر تشخیص خواب آلودگی راننده خودرو با استفاده از ویژگی های استخراج شده از سیگنال های مغز (EEG)

در سراسر جهان خواب آلودگی یکی از عوامل اصلی تصادفات مرگبار به حساب می آید. با استناد به اداره ملی ایمنی ترافیک بزرگراه در ایالات متحده، به خواب رفتن در هنگام رانندگی دلیل حداقل ۱۰۰،۰۰۰ سقوط خودرو در سال است، که به طور متوسط به سالانه حدود ۴۰۰۰۰ سانحه غیر مرگبار و ۱۵۵۰ مرگ و میر منجر می شود. همانند گرسنگی و تشنگی خواب-آلودگی نیز یک وضعیت فیزیولوژیکی است که اصولا به دلیل بی خوابی یا کم خوابی به وجود می آید. خواب آلودگی یک حالت میانی بین بیداری و خواب می باشد به همراه تمایل بیشتر در به خواب رفتن .خواب آلودگی باعث زمان عکس العمل طولانی تر، کاهش هوشیاری و بروز خطا در پردازش اطلاعات میگردد. سیگنال های فیزیولوژیکی در مراحل اولیه خواب آلودگی شروع به تغییر می کنند. از این رو، سیگنال های فیزیولوژیکی برای تشخیص خواب آلودگی مناسب تر هستند، لذا هشدار به موقع به راننده خواب آلود را ممکن ساخته و در نتیجه از بسیاری از تصادفات جاده ای جلوگیری می کند. بسیاری بر این باورند که تکنولوژی های مبتنی بر EEG کاربردی ترین، صحیح ترین و موثر ترین سیستم های تشخیص خواب آلودگی را تولید خواهد کرد. این روش قادر خواهد بود تا به خوبی خطاهای احتمالی در آینده را پیش بینی کند. سیگنال ثبت شده نگاهی به فعالیت های درونی مغز از خواب به بیداری مربوط می شود. بر این اساس در این تحقیق جهت تشخیص خواب آلودگی راننده خودرو از طریق سیگنال مغزی EEG مورد بررسی قرار گرفته شده است. روشهای استخراج ویژگی از بعدهای زمان، تبدیل موجک و تحلیل فرکانس قابل استخراج خواهند بود، . و ویژگی های مناسبی مثل فرکانس غالب و طیف فرکانس غالب، مرکز ثقل طیف فرکانسی، انحراف معیار به شکل کامل بررسی شده است. انتخاب برترین ویژگی ها از طریق ااگوریتم های ژنتیک، ازدهام ذرات، جستجوی گرانشی نیز بررسی گردیده است که علاوه بر کاهش ویژگی ها سرعت پردازش داده ها را میتواند به مراتب بالاتر ببرد در انتها با استفاده از طبقه بندی میتوان تشخیص مناسبی را در خصوص بیداری هوشیاری و حالت خواب آلودگی داشت .

کلیدواژه ها:

خواب آلودگی ، سیگنال EEG ، انتخاب ویژگی ، الگوریتم.