杜冠宏，李慶之，董正心

基于TGAM模塊的疲勞駕駛監(jiān)測(cè)系統(tǒng)

杜冠宏1，李慶之2，董正心3

（1. 南京工程學(xué)院 自動(dòng)化學(xué)院，江蘇南京 211167；2. 南京工程學(xué)院 康尼學(xué)院，江蘇南京 211167；3. 南京工程學(xué)院 自動(dòng)化學(xué)院，江蘇南京 211167）

近年來(lái)，隨著生物學(xué)，醫(yī)學(xué)，控制學(xué)等領(lǐng)域的發(fā)展，研究生物電信號(hào)逐漸成為一個(gè)前沿領(lǐng)域，本文正是基于此背景，提出基于神念公司研制的TGAM腦電采集模塊對(duì)于疲勞駕駛監(jiān)控的新型應(yīng)用。本應(yīng)用不僅能實(shí)時(shí)采集并分析腦電數(shù)據(jù)，還能對(duì)使用者不良的精神狀態(tài)進(jìn)行判別，并向行車(chē)電腦發(fā)出警報(bào)。本設(shè)備具有價(jià)格低廉，測(cè)量精確，抗干擾能力強(qiáng)，藍(lán)牙連接攜帶方便等特點(diǎn)，可適用于日常生活有良好的應(yīng)用前景。

自動(dòng)化技術(shù)應(yīng)用；腦電監(jiān)測(cè)；可穿戴設(shè)備；TGAM

0　引言

美國(guó)汽車(chē)協(xié)會(huì)（AAA）交通安全基金會(huì)的一項(xiàng)調(diào)查表明：疲勞駕駛在美國(guó)的交通事故死亡事件中占據(jù)21%的比例，每年約6400人因此而喪生。但除了行車(chē)記錄儀以外，至今市面上仍沒(méi)有有效監(jiān)測(cè)駕駛者疲勞程度的消費(fèi)級(jí)手段，醫(yī)用級(jí)于此相關(guān)的設(shè)備又大都需要繁瑣的佩戴過(guò)程，且體積巨大，費(fèi)用頗高，不適合日常生活使用。目前針對(duì)疲勞駕駛的檢測(cè)方法主要分為主觀檢測(cè)和客觀檢測(cè)法。主觀檢測(cè)方法主要通過(guò)主觀調(diào)查表、駕駛員自我記錄表、斯坦福睡眠尺度表和皮爾遜疲勞量表等評(píng)定，該方法無(wú)法進(jìn)行疲勞駕駛的實(shí)時(shí)檢測(cè)，客觀檢測(cè)方法分為基于駕駛員外部行為的檢測(cè)方法和基于生理信號(hào)的檢測(cè)方法。外部行為檢測(cè)法主要根據(jù)駕駛?cè)说耐獠楷F(xiàn)（面部表情，眼瞼閉合等）估計(jì)其疲勞程度，但其評(píng)分標(biāo)準(zhǔn)不易統(tǒng)一，受個(gè)人行為、光線(xiàn)、圖像采集 角度等條件的影響，導(dǎo)致檢測(cè)系統(tǒng)不能始終如一正確地報(bào)告駕駛員疲勞狀態(tài)?；谏硇盘?hào)的 檢測(cè)方法通過(guò)測(cè)量腦電、心電、肌電、皮膚電阻等生理信號(hào)來(lái)判斷駕駛員的疲勞狀態(tài)；在眾多生理信號(hào)中，由于腦電信號(hào)（EEG）直接反映駕駛員的 大腦活動(dòng)，因此利用腦電信號(hào)判斷駕駛疲勞被公認(rèn)為是最準(zhǔn)確、最客觀的分析方法［1］。

本設(shè)備通過(guò)對(duì)腦電圖中各頻段的分析，找到腦部活動(dòng)所誘發(fā)的大腦神經(jīng)電規(guī)律的生理變化，極其準(zhǔn)確對(duì)人的精神狀態(tài)與情緒波動(dòng)進(jìn)行捕捉和判別，極大減少不良精神狀態(tài)對(duì)于駕駛者與車(chē)內(nèi)乘客的安全隱患。

1　系統(tǒng)概述

可穿戴計(jì)算是一種前瞻的計(jì)算模式，引領(lǐng)著新的發(fā)展潮 流，可穿戴設(shè)備在健康監(jiān)護(hù)領(lǐng)域扮演著重要的角色。無(wú)線(xiàn)通信網(wǎng)絡(luò)和微電子的發(fā)展，使得測(cè)量生命體征和運(yùn) 動(dòng)狀態(tài)的設(shè)備更加便攜，以至于可以在不影響人的日常活動(dòng) 的前提下長(zhǎng)時(shí)間佩戴。［2］本系統(tǒng)主要以無(wú)源干電極作為探針電極，大大簡(jiǎn)化佩戴與使用的過(guò)程，實(shí)現(xiàn)對(duì)駕駛者表皮腦電信號(hào)的采集。佩戴本系統(tǒng)后，被探針電極采集的腦電信號(hào)將經(jīng)過(guò)神念公司研制的TGAM腦電采集模塊，信號(hào)經(jīng)過(guò)濾波、放大、模數(shù)轉(zhuǎn)換后通關(guān)串口藍(lán)牙送入MCU進(jìn)行分析。MCU對(duì)上述經(jīng)過(guò)處理的數(shù)字信號(hào)進(jìn)行分析并做出判斷。若判斷駕駛者精神狀況不佳，則會(huì)做出相應(yīng)警告。

圖1　系統(tǒng)總體框圖Fig. 1 General block diagram of the system

2　硬件電路設(shè)計(jì)與設(shè)備選型

2.1MCU主控

智能穿戴類(lèi)設(shè)備應(yīng)用處理器主要選取低功耗 AP 以保證續(xù) 航時(shí)間，主流智能穿戴對(duì)處理器性能要求較低，夠用即可［3］。本系統(tǒng)選取意法半導(dǎo)體公司研制的ARM Cortex-M內(nèi)核單片機(jī)—STM32F103ZET6作為整個(gè)系統(tǒng)主控。工作主頻72MHz；同時(shí)ZET6還搭載了一個(gè)BXCAN控制器，只需外接一個(gè)收發(fā)器便可與CAN網(wǎng)絡(luò)中的其他節(jié)點(diǎn)通訊，提高本系統(tǒng)在汽車(chē)系統(tǒng)中的兼容性。ZET6時(shí)鐘輸入引腳接入8M無(wú)源晶振X1，晶振內(nèi)部自帶電容，可自行起振。MCU電源由USB口提供5V電壓，在經(jīng)過(guò)DC-DC芯片XC6206降壓至3V3進(jìn)行供電，并在3V3與5V電源間各接一個(gè)1UF濾波電容。Mcu boot0與boot1引腳經(jīng)10K下拉電阻穩(wěn)定接地，保證芯片以用戶(hù)模式啟動(dòng)。JTAG調(diào)試口swdio引腳與swclk引腳分別接10K上下拉電阻接入MCU的SWD調(diào)試引腳PA13，PA14以保證SWD正常通訊［4］。

圖2　MCU及其外圍電路AFig. 2 MCU and its peripheral circuit A

圖3　MCU及其外圍電路BFig. 3 MCU and its peripheral circuit B

2.2CAN總線(xiàn)收發(fā)電路

CAN 總線(xiàn)作為最初就專(zhuān)門(mén)為車(chē)輛通訊設(shè)計(jì)的現(xiàn)場(chǎng)總線(xiàn)，在車(chē)間通訊和車(chē)聯(lián)網(wǎng)領(lǐng)域有著不可 或缺的作用［5］。MCU攜帶的BXCAN通過(guò)引腳PB9，PB8與CAN收發(fā)芯片TJA1050串行通訊，TJA1050是控制器區(qū)域網(wǎng)絡(luò)（CAN）協(xié)議控制器和物理總線(xiàn)之間的接口，是一種標(biāo)準(zhǔn)的高速CAN收發(fā)器。TJA1050可以為總線(xiàn)提供差動(dòng)發(fā)送性能，為CAN控制器提供差動(dòng)接收性能。總線(xiàn)間數(shù)據(jù)傳輸通過(guò)收發(fā)器間電平轉(zhuǎn)換，由串口數(shù)據(jù)轉(zhuǎn)化成CAN總線(xiàn)差分電平，CAN兩根線(xiàn)間并聯(lián)120R終端電阻，以使阻抗連續(xù)，消除反射。

圖4　CAN總線(xiàn)收發(fā)電路Fig. 4 CAN bus transceiver circuit

2.3藍(lán)牙4.0透?jìng)麟娐?/p>

本系統(tǒng)采用支持最新藍(lán)牙4.0技術(shù)的SPP-A藍(lán)牙模塊，具有極低的運(yùn)行和待機(jī)功耗可以使一粒紐扣電池連續(xù)工作數(shù)年之久。此外，低成本和跨廠商互操作性，3毫秒低延遲、100米以上超長(zhǎng)距離、AES-128加密等諸多特色。同時(shí)還可向下兼容藍(lán)牙2.0設(shè)備，具有良好的實(shí)用性。藍(lán)牙使用的是免費(fèi)的ISM頻段，與工作在同一頻段的802.11b和HomeRF等無(wú)線(xiàn)通信網(wǎng)絡(luò)共存，相互之間的干擾在所難免，為避免干擾，藍(lán)牙協(xié)議采用自適應(yīng)跳幀的協(xié)議［6］。MCU串口USART1通過(guò)引腳PA9（TX）與PA10（RX）連接藍(lán)牙串口模塊SPP-A，以實(shí)現(xiàn)與TGAM模塊的無(wú)線(xiàn)通訊。

圖5　藍(lán)牙透?jìng)麟娐稦ig. 5 Bluetooth transmission circuit

2.4無(wú)源探針干電極

人的大腦中有不計(jì)其數(shù)的神經(jīng)元負(fù)責(zé)傳導(dǎo)信息，信息在神經(jīng)元內(nèi)以電流形式傳導(dǎo)，傳導(dǎo)過(guò)程中產(chǎn)生微小電場(chǎng)，由于神經(jīng)元數(shù)量眾多，神經(jīng)元的放電現(xiàn)象可在頭皮表面產(chǎn)生微弱電位。腦電信號(hào)便是通過(guò)電極記錄下腦細(xì)胞群的自發(fā)性，節(jié)律性電活動(dòng)。當(dāng)人精神趨向于某一狀態(tài)時(shí)，大量相似的微小電信號(hào)可被位于頭皮表面的電壓傳感器（探針電極）捕捉到，但由于其有較高的時(shí)變敏感性，采集過(guò)程易受外界環(huán)境與人體自身干擾［7］。成年人的腦波信號(hào)強(qiáng)度范圍在1uV～100uV之間。

在醫(yī)用研究設(shè)備，如Biopac中，常常采用銀-氯化銀電極作為EEG電極（腦電采集點(diǎn)電極），通過(guò)在電極與皮膚間涂抹導(dǎo)電凝膠，減少極—膚間阻抗，使電極與皮膚間形成耦合通路，以類(lèi)似方法的我們稱(chēng)為濕電極。但導(dǎo)電凝膠等電介質(zhì)不便于清洗，使用過(guò)程也過(guò)于繁瑣。

本系統(tǒng)使用基于電容耦合信號(hào)的原理的無(wú)源干電極作為腦電采集點(diǎn)電極，大大簡(jiǎn)化了使用過(guò)程，佩戴方便安全。同時(shí)系統(tǒng)還采用參考導(dǎo)聯(lián)組合的電位參考點(diǎn)作為理論上的零電位點(diǎn)，以便描記到腦電活動(dòng)原形即電位絕對(duì)值。參考導(dǎo)聯(lián)的電位參考點(diǎn)一般選擇在雙側(cè)耳垂［8］，因此REF電極（參考點(diǎn)電極）參考電位電極采用雙面耳夾式設(shè)計(jì)，佩戴穩(wěn)定。

2.5TGAM腦電采集模塊

NeuroSky公司研制的TGAM腦電采集模塊是一款消費(fèi)級(jí)的單通道腦電采集與處理模塊。正常狀態(tài)下成人左前額的腦電活動(dòng)較為明顯，易于被電極采集。因此將EEG電極置于左前額處，將REF電極置于耳垂處，通過(guò)計(jì)算參考電勢(shì)，EEG電極和REF電極差分采集腦電信號(hào)后送入模塊。該模塊集成神念公司TGAT芯片，能直接連接干電極，讀取所采集的原始腦波信號(hào)，模塊經(jīng)運(yùn)放、濾波、ADC處理轉(zhuǎn)為數(shù)字信號(hào)，得到數(shù)字信號(hào)后，TGAT芯片內(nèi)部分析出α、β、δ、γ、θ等8組獨(dú)立腦波數(shù)據(jù)，并處理輸出Neurosky獲得專(zhuān)利的eSense專(zhuān)注度和放松度指數(shù)數(shù)據(jù)，最后由UART接口輸出。此模塊采樣率為512Hz，頻率范圍3Hz-100Hz，輸出512Hz的腦波原始波形數(shù)據(jù)、8組1Hz的獨(dú)立的腦波數(shù)據(jù)及eSense指數(shù)數(shù)據(jù)。eSense算法具有動(dòng)態(tài)自學(xué)習(xí)能力，它采用“慢速自適應(yīng)”算法，可以針對(duì)不同使用者腦電波信號(hào)在正常范圍內(nèi)的波動(dòng)趨勢(shì)和個(gè)體差異進(jìn)行動(dòng)態(tài)補(bǔ)償。由于采用了自適應(yīng)技術(shù)，使得本設(shè)備能夠適用于不同的人群和不同的周邊環(huán)境，并且在這些不同的應(yīng)用場(chǎng)景下都能夠具有非常好的準(zhǔn)確性和可靠性。

3　數(shù)據(jù)的檢測(cè)及處理

3.1腦集中度測(cè)量

傳統(tǒng)腦電圖學(xué)認(rèn)為，人類(lèi)的腦電圖是由各種頻率和波形構(gòu)成的，形態(tài)復(fù)雜多樣。在嚴(yán)格意義上，腦電圖不是正弦波，但仍可以看作是近似正弦波的生物電現(xiàn)象［9］，且通常以正弦波的頻率與波形進(jìn)行描述通過(guò)EEG電極，探測(cè)大腦不同部位以及不同波段的電位變化，并將其放大至可分析觀測(cè)的水平，便可獲得實(shí)時(shí)腦電數(shù)據(jù)。本設(shè)備使用神念公司開(kāi)發(fā)的TGAT生物信號(hào)處理芯片，集成NeuroSky eSense算法，解讀出“eSense參數(shù)”。其中“eSense專(zhuān)注度指數(shù)”表明了使用者精神“集中度”水平或“注意度”水平的強(qiáng)烈程度，該指數(shù)值的范圍是0到100［10］。心煩意亂、精神恍惚、注意力不集中以及焦慮等精神狀態(tài)都將降低專(zhuān)注度指數(shù)的數(shù)值?！癳Sense放松度指數(shù)” 表明了使用者精神“平靜度”水平或者“放松度”水平。閉上眼睛通常是提高放松度值的有效方法。為了極化兩種狀態(tài)的特征波形，本文以閱讀與閉目養(yǎng)神作為誘發(fā)事件，分別采集兩種狀態(tài)下的腦電實(shí)時(shí)波形，選擇20歲左右成年男性作為測(cè)試樣本，測(cè)試結(jié)果如圖4圖5所示。

圖6　集中時(shí)EEG電極所采集的實(shí)時(shí)腦電波形Fig.6 Real time brain wave shape collected by EEG electrode in concentration time

圖7　放松時(shí)EEG電極所采集的實(shí)時(shí)腦電波形Fig. 7 Real time brain wave shape collected by EEG electrode during relaxation

在兩種不同精神狀態(tài)下，腦波信號(hào)變化明顯，可見(jiàn)該設(shè)備可準(zhǔn)確判別樣本精神狀態(tài)的變化，為系統(tǒng)提供可靠的使用者狀態(tài)判斷依據(jù)。

3.2MCU數(shù)據(jù)處理及程序設(shè)計(jì)

MCU程序流程圖如圖8所示，系統(tǒng)整體程序由四部分組成：上下行通訊，數(shù)據(jù)采樣分析，PID控制器，行車(chē)數(shù)據(jù)的傳遞。系統(tǒng)啟動(dòng)后將首先進(jìn)行各外設(shè)初始化，完成后循環(huán)抓取串口緩沖區(qū)中的數(shù)據(jù)，當(dāng)抓取數(shù)據(jù)特征位符合數(shù)據(jù)流特征位時(shí)，視藍(lán)牙連接正常。本系統(tǒng)藍(lán)牙采用115200bps 8N1模式，保證數(shù)據(jù)傳輸?shù)膶?shí)效性與準(zhǔn)確性。

當(dāng)藍(lán)牙正常連接時(shí)，通過(guò)藍(lán)牙串口，MCU收到由TGAM采集處理過(guò)的腦波數(shù)據(jù)流，其中小包數(shù)據(jù)為實(shí)時(shí)發(fā)送的原始腦波數(shù)據(jù)，大包數(shù)據(jù)為經(jīng)過(guò)eSense算法分析處理過(guò)的eSense參數(shù)。系統(tǒng)將每秒抓取一次藍(lán)牙回傳的腦電數(shù)據(jù)，當(dāng)信號(hào)強(qiáng)度高于80%時(shí)，視為使用者正常佩戴，系統(tǒng)自檢通過(guò)。自檢通過(guò)后，MCU將連續(xù)抓取10S內(nèi)的所有腦電數(shù)據(jù)，以冒泡排序法舍棄最大值與最小值，在對(duì)剩余數(shù)據(jù)取平均值，得到較為準(zhǔn)確的腦電數(shù)據(jù)并以此作為對(duì)使用者精神狀態(tài)的判別依據(jù)。每次采樣結(jié)果將被系統(tǒng)記錄于系統(tǒng)內(nèi)存空間中特定緩沖區(qū)內(nèi)，以繪制使用者精神狀態(tài)折線(xiàn)圖，正常狀態(tài)下成年人精神狀態(tài)趨向波動(dòng)平穩(wěn)，系統(tǒng)將通過(guò)記錄下的數(shù)據(jù)，計(jì)算波峰與波谷的均值，再在每次數(shù)據(jù)更新時(shí)比較新數(shù)據(jù)與前一次數(shù)據(jù)折線(xiàn)的斜率，以獲得佩戴者精神狀態(tài)變化速率，當(dāng)斜率呈現(xiàn)負(fù)增長(zhǎng)時(shí)，系統(tǒng)將加快數(shù)據(jù)更新頻率至3S更新一次數(shù)據(jù)，并在專(zhuān)注參數(shù)低于閾值時(shí)，向駕駛者進(jìn)行報(bào)警，同時(shí)向行車(chē)電腦發(fā)送制動(dòng)信號(hào)。

系統(tǒng)采用STM32F1自帶的BXCAN與行車(chē)電腦進(jìn)行通訊，can總線(xiàn)配置根據(jù)不同車(chē)載系統(tǒng)可單獨(dú)定制，系統(tǒng)本身作為一個(gè)節(jié)點(diǎn)，接入使用者車(chē)輛CAN總線(xiàn)中，若檢測(cè)到使用者專(zhuān)注度指數(shù)低于閾值，則通過(guò)總線(xiàn)傳遞制動(dòng)信號(hào)數(shù)據(jù)，同時(shí)傳回的車(chē)輛行駛速度與行程信息作為反饋傳回系統(tǒng)進(jìn)行誤差控制，以保證車(chē)輛不會(huì)發(fā)生因?yàn)橹苿?dòng)過(guò)猛而失控或在高速路中突然停車(chē)等超調(diào)現(xiàn)象。

本系統(tǒng)采用增量式數(shù)字PID控制，通過(guò)每一控制周期從行車(chē)電腦中讀取當(dāng)前車(chē)輛行駛速度 vi_ FeedBack，將 vi_FeedBack與根據(jù)腦電數(shù)據(jù)分析得出的車(chē)輛期望速度vi_Ref比較，有以下公式求得速度偏差error1與速度偏差率d_error.當(dāng)佩戴者精神狀態(tài)正常時(shí)，本系統(tǒng)PID控制器不參與調(diào)控，當(dāng)佩戴者出現(xiàn)精神狀態(tài)不振時(shí)，則將代入系統(tǒng)預(yù)設(shè)的期望車(chē)速，同時(shí)PID控制器參與調(diào)控車(chē)速。

3.3抗干擾能力

本設(shè)備噪聲主要來(lái)自眼電、肌電等人體自身電信號(hào)，外界電子信號(hào)干擾等。如圖9所示，當(dāng)充電USB線(xiàn)靠近至10cm左右時(shí)，噪聲明顯變強(qiáng)，但通過(guò)系統(tǒng)多個(gè)濾波器對(duì)腦電信號(hào)進(jìn)行濾波與放大，系統(tǒng)仍能獲得較為準(zhǔn)確的腦波數(shù)據(jù)。

如圖10所示，當(dāng)樣本處于正常精神狀態(tài)下，頻繁眨眼可能導(dǎo)致噪聲峰值陡增，但幾乎不影響設(shè)備對(duì)于腦電信號(hào)的采集，眼電偽跡被設(shè)備準(zhǔn)確判別，并加以過(guò)濾。

圖8　程序運(yùn)行流程圖Fig. 8 Program flow chart

圖9　充電線(xiàn)靠近至10cm時(shí)測(cè)得的腦電波形Fig. 9 EEG waveforms measured at the charging line close to 10cm

圖10　頻繁眨眼狀態(tài)下所測(cè)腦電波形Fig.10 The measured EEG waveform in the blink of an eye

4　結(jié)論

本文主要闡述了一種可穿戴的通過(guò)實(shí)時(shí)檢測(cè)駕駛者的腦波信號(hào)，實(shí)現(xiàn)對(duì)駕駛者精神狀態(tài)判斷的系統(tǒng)，通過(guò)簡(jiǎn)易方便的佩戴方式提高了其易用性，無(wú)線(xiàn)藍(lán)牙連接增加了系統(tǒng)的便捷性，抗干擾性能優(yōu)良，足以在日常干擾條件下實(shí)現(xiàn)對(duì)腦波的準(zhǔn)確采集，使本系統(tǒng)佩戴者在駕駛期間的精神狀態(tài)保持在安全駕駛要求的范圍內(nèi)，有助于倡導(dǎo)安全駕駛，減少疲勞駕駛所引起的交通事故。

附錄：硬件電路設(shè)計(jì)原理圖與實(shí)物圖

圖11　系統(tǒng)腦電采集模塊實(shí)物圖Fig. 11 Physical map of EEG acquisition module

圖12　系統(tǒng)主控MCU實(shí)物圖Fig. 12 Physical map of main control

［1］ 葉檸，孫宇舸.基于EEG小波包子帶能量比的疲勞駕駛檢測(cè)方法［J］. 東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2012.08.

YE Ning，SUN Yu-ge.A Fatigue Driving Detection Method Based on Wavelet Packet Sub-band Energy Ratio of EEG［J］，Journal of Northeastern University （NATURAL SCIENCE EDITION） ，2012.08.

［2］ 吳金獎(jiǎng)，陳建新，田峰，等. 可穿戴無(wú)線(xiàn)生理參數(shù)監(jiān)測(cè)設(shè)備的設(shè)計(jì)與實(shí)現(xiàn)［J］. 計(jì)算機(jī)應(yīng)用，2014，S2：330-332+351.

WU Jin-jiang，CHEN Jian-xin，TIAN Feng，ZHOU Liang.Design and implementation of wearable wireless physiological parameter moni-toring device［J］. Journal of Computer Applications，2014，S2：330-332+351.

［3］ 劉思言. 可穿戴智能設(shè)備引領(lǐng)未來(lái)終端市場(chǎng)諸多關(guān)鍵技術(shù)仍待突破［J］. 世界電信，2013，12：38-42.

LIU Si-yan.Wearable smart devices to lead the future market to many key technical breakthrough terminal［J］. World Telecommunications ，2013，12：38-42.

［4］ Yiu J，宋巖譯.ARM Cortex-3權(quán)威指南［M］. 北京：北京航空航大學(xué)出版社，2009.

YIU J ，SONG Yan translated.Cortex-3 ARM authoritative guide［M］Beijing，Beijing University of Aeronautics and Astronautics Press，2009.

［5］ 李春艷，陳敬軒 .CAN通訊中的一種動(dòng)態(tài)自同步方法設(shè)計(jì)［J］.新型工業(yè)化，2015，5（4）：55-60.

LI Chunyan，CHEN Jingxuan.A Design of a Dynamic Synchronized Method in CAN［J］，The Journal of New Industrialization，2015，5（4）：55-60.

［6］ 余飛，莊奕琪. 藍(lán)牙數(shù)據(jù)傳輸增強(qiáng)技術(shù)研究及其基帶芯片設(shè)計(jì)實(shí)現(xiàn)［D］.西安，西安科技大學(xué)，2013.

YU Fei，ZHUANG Yi-qi.Research on Enhancing the Transmission Performance of Bluetooth and baseband IC design［D］.Xi’an，Xi`an University of Science and Technology，2013.

［7］ 郇小寧，黃新林.微弱腦信號(hào)專(zhuān)注度特征提取與識(shí)別［J］.科學(xué)技術(shù)與工程，2015（05）：1671-1815 .

XUN Xiao-ning ，HUANG Xin-lin .The feature extraction and recognition of the concentration degree of weak brain signal［J］.Science Technology and Engineering ，2015（05）：1671—1815.

［8］ 魯在清.腦電圖的判讀與描述及其他［J］. 現(xiàn)代電生理學(xué)雜志，2011.

LU Zai-qing .The interpretation and description of EEG and other［J］. The Journal of Modern Electrophysiology，2011.

［9］ 魯在清.腦電圖的檢測(cè)結(jié)果及評(píng)價(jià)［J］.現(xiàn)代電生理學(xué)雜志，2010.

LU Zai-qing.The detection results of EEG and evaluation［J］.The Journal of Modern Electrophysiology，2010 .

［10］ 王靜茜，莫榮，蔡曉東. 基于NeuroSky TGAM腦機(jī)接口的EEG識(shí)別［J］.讀寫(xiě)算（教研版），2014（13）.

WANG Jing-qian，MO Rong，CAI Xiao-dong.EEG recognition based on TGAM NeuroSky brain computer interface［J］..Read Write and Count，2014（13）.

［11］ 劉迪，陸檑，朱曉非，等.基于 MSP430 控制的智能小車(chē)設(shè)計(jì) ［J］.新型工業(yè)化，2014，4（3）：70-73.

LIU Di，LU Lei，ZHU Xiao-fei，et al. The design of intelligent vehicle based on MSP430 control［J］，The Journal of New Industrialization，2014，4（3）：70-73.

Fatigue Driving Monitoring System based on Think Gear ASIC Module

DU Guan-hong1， LI Qing-zhi2， DONG Zheng-xin3

（1.School of Automation， Nanjing Institute of Technology， Nanjing 211167， China； 2.Kangni College， Nanjing Institute of Technology，Nanjing 211167， China； 3.School of Automation， Nanjing Institute of Technology， Nanjing 211167， China）

In recent years， as the development of biology， medicine， control science in the field of development， bioelectricity research has gradually become a new frontier in the field， this article is based on this background， based on the absolute being to read company developed the tgam EEG acquisition module for driver fatigue monitoring model is used. The application can not only collect and analyze the EEG data in real time， but also distinguish the bad mental state of the user， and send out the alarm to the driving computer. The device has the characteristics of low price， accurate measurement， strong anti-interference ability and convenient carrying， and can be applied to daily life with good application prospect.

Application of automation technology；EEG monitoring；Wearable devices；Think Gear ASIC Module

10.19335/j.cnki.2095-6649.2016.08.004

DU Guan-hong， LI Qing-zhi ， DONG Zheng-xin. Fatigue Driving Monitoring System based on Think Gear ASIC Module［J］. The Journal of New Industrialization，2016，6（8）: 22-30.

南京工程學(xué)院大學(xué)生科技創(chuàng)新基金 項(xiàng)目編號(hào)TB20160503

杜冠宏（1995-），男，本科在讀，研究方向?yàn)闄z測(cè)技術(shù)與自動(dòng)化裝置；李慶之（1994-），男，本科在讀，研究方向?yàn)闄z測(cè)技術(shù)與自動(dòng)化裝置；董正心（1996-），女，本科在讀，研究方向?yàn)闄z測(cè)技術(shù)與自動(dòng)化裝置

本文引用格式：杜冠宏，李慶之，董正心.基于TGAM模塊的疲勞駕駛監(jiān)測(cè)系統(tǒng)［J］. 新型工業(yè)化，2016，6（8）：22-30.