（毕业设计论文）基于脑电采集的汽车疲劳驾驶检测系统硬件设计 全世界每年因驾驶员疲劳驾驶而导致的死亡人数占交通灾难性事故的57%，故针对疲劳驾驶检测方法的研究具有现实意义。而最近十多年来，疲劳检测逐步取得人们的关注，为此本文设计了基于脑电采集的汽车疲劳驾驶检测系统的硬件电路。 脑电图（EEG）信号检测一直被誉为监测疲劳的“金标准”，所以本文将脑电信号作为检测疲劳的主要参数。为了准确采集脑电信号，本文设计的前端调理电路包括前置放大电路、四阶低通滤波电路、二阶高通滤波电路、中间级放大电路、50HZ陷

为了方便地监测睡眠情况，合理评价睡眠质量，设计了基于智能终端的睡眠监测系统。该系统主要包括信号采集模块和智能终端。信号采集模块与智能终端之间采用蓝牙通信，实现对脑电信号的采集、接收、分析及存储。智能终端采用小波变换对脑电信号去噪，提取样本熵作为特征参数，利用随机森林算法对睡眠进行自动分期，并评估睡眠质量。5名志愿者参与实验，结果表明，信号采集模块能够采集高质量的脑电信号，分析软件可以快速、准确地进行睡眠质量评估。该系统体积小，功耗低，可以对睡眠质量进行定量反映和客观评估。

通过对脑电信号时频均谱熵的分析，研究用于描述临床手术麻醉深度的实时监测参数。随机采集33例麻醉状态下脑电信号序列，分析其时频均谱熵变化趋势，判断病人的神经活动状态。实验结果显示，脑电信号的时频均谱熵值随着麻醉深度的增加而减少，当肌电熵值接近零时，病人进入麻醉状态。表明时频均谱熵算法简单、计算所需数据序列短、抗干扰强，采用时频均谱熵对脑电信号进行分析，可为临床麻醉深度监测提供一种实时的方法。

提出一种基于Android平台的脑电无线采集与警觉度监测终端的设计。采用Wi-Fi作为无线通信方案，以Android手机作为上位机，在手机上设计应用程序，通过手机应用程序可以方便地实现对采集设备的参数设置、无线连接、数据接收、波形显示、数据分析和文件存储。Android手机端通过Wi-Fi与下位机建立通信，实时接收Wi-Fi模块发送的脑电数据，绘成脑电图，并能通过手机端向下位机发送控制命令，再将基于极限学习机的脑电信号分类算法通过Java编码移植到手机内部，分析脑电信号所携带的警觉度信息。立足便