面向車輛行駛安全的自動駕駛意圖識別（簡體書）

《面向車輛行駛安全的自動駕駛意圖識別》共8章，提出通過對駕駛人的腦電信號分析及處理來識別駕駛人的駕駛意圖，並輸入到車輛CAN總線以實現自動駕駛。以駕駛人的腦電信號為研究對象，採用實驗、理論和仿真相結合的方法，對腦電信號進行分析研究，並對駕駛人的駕駛意圖進行識別。分析駕駛意圖的產生、駕駛環境、腦電信號的處理，運用基於粒子群算法的支持向量機識別模型和神經網絡識別模型識別駕駛意圖，得出神經網絡模型更有利於識別腦電信號的駕駛意圖的結論。
《面向車輛行駛安全的自動駕駛意圖識別》可供信號處理、車輛、交通領域的科技人員、管理人員閱讀，也可供安全科學與工程等專業的師生參考。

第1章 緒論
1．1 研究背景
1．2 研究目的及意義
1．3 主要研究內容

第2章 車輛行駛安全與駕駛意圖分析
2．1 概述
2．2 車輛行駛安全與駕駛行為分析
2．2．1 車輛行駛安全及影響因素分析
2．2．2 駕駛行為分析
2．3 駕駛意圖分析
2．3．1 車輛行駛安全與駕駛意圖分析
2．3．2 駕駛意圖分析
2．3．3 駕駛意圖識別
2．4 腦-機接口技術研究
2．4．1 腦-機接口技術的運用及發展
2．4．2 腦-機接口技術的國內外發展狀況
2．4．3 智能駕駛技術的發展
2．5 小結

第3章 腦-機接口數據采集與分析
3．1 概述
3．2 實驗方案設計
3．2．1 實驗原理
3．2．2 實驗設備組成
3．3 實驗目的及實驗方法
3．3．1 實驗目的
3．3．2 實驗方法
3．3．3 實驗過程
3．3．4 駕駛意圖數據測量的電極測試選擇
3．3．5 實驗環境與腦電波測試
3．3．6 腦電數據的分配及分析
3．4 小結

第4章 駕駛意圖的腦電信號特徵提取處理技術
4．1 概述
4．2 駕駛意圖原理
4．2．1 駕駛行為概述
4．2．2 駕駛意圖概述
4．2．3 駕駛意圖時窗的選擇
4．3 腦電信號中的非平穩信號處理技術
4．3．1 傅立葉變換
4．3．2 功率譜
4．3．3 小波變換和小波包變換
4．3．4 枕部的8個電極的情況分析
4．4 小結

第5章 基於粒子群算法的支持向量機的駕駛意圖識別
5．1 概述
5．2 支持向量機算法原理
5．2．1 駕駛意圖與支持向量機
5．2．2 支持向量機算法原理
5．3 粒子群算法分析
5．3．1 粒子群算法
5．3．2 粒子群算法的支持向量機框圖
5．4 基於粒子群算法的支持向量機的駕駛意圖識別分析
5．5 小結

第6章 基於粒子群算法的神經網絡駕駛意圖識別
6．1 概述
6．2 人工神經網絡及其優化技術
6．2．1 神經網絡模型
6．2．2 神經網絡優化技術
6．3 基於粒子群算法的神經網絡駕駛意圖分析
6．3．1 三種區域的識別分類
6．3．2 駕駛意圖識別分類（8通道）
6．4 駕駛意圖識別效果分析
6．5 小結

第7章 基於腦-機接口的自動駕駛系統設計
7．1 概述
7．2 腦-機接口與CAN總線系統設計
7．2．1 CAN總線基本知識
7．2．2 駕駛意圖腦電信號的處理
7．2．3 整體系統設計
7．3 腦-機接口與CAN總線系統的模塊化設計
7．3．1 節點設置
7．3．2 數據采集系統的模塊化設計
7．3．3 電源模塊
7．3．4 數據通信模塊
7．3．5 CAN通信接口硬件模塊
7．4 數據采集系統
7．4．1 採集系統設計
7．4．2 轉角數據采集系統
7．4．3 緊急信號採集系統
7．4．4 車速採集系統
7．5 小結

第8章 結論與展望
8．1 結論
8．2 創新點
8．3 研究展望
參考文獻