周申培 喬丙辰 陳 云

(武漢理工大學(xué)自動(dòng)化學(xué)院1) 管理學(xué)院2) 武漢 430070)

0 引 言

駕駛員的緊急制動(dòng)行為識(shí)別研究一直是汽車主動(dòng)安全領(lǐng)域的重要內(nèi)容，其對(duì)緊急制動(dòng)輔助系統(tǒng)激活時(shí)間點(diǎn)的確定、智能緊急制動(dòng)燈的優(yōu)化設(shè)計(jì)、自動(dòng)駕駛系統(tǒng)人-機(jī)模式的平滑切換,以及線控制動(dòng)系統(tǒng)控制信號(hào)的生成等具有重要價(jià)值[1-2].制動(dòng)行為識(shí)別涉及人的復(fù)雜性和不確定性[3]，現(xiàn)有研究主要從制動(dòng)行為的執(zhí)行階段進(jìn)行識(shí)別，以建立制動(dòng)行為和車輛狀態(tài)間的映射關(guān)系.Miller[4]將不同駕駛意圖下駕駛員的操作特性和信號(hào)的界限值結(jié)合，提出一種針對(duì)避障的制動(dòng)意圖識(shí)別系統(tǒng)；Liu等[5]基于制動(dòng)踏板數(shù)據(jù)對(duì)駕駛員的制動(dòng)行為進(jìn)行識(shí)別，并控制制動(dòng)踏板的液壓缸壓力，使駕駛員獲得良好的制動(dòng)踏板感覺(jué).王英范等[6]發(fā)現(xiàn)，制動(dòng)踏板位移(開(kāi)度)適合單獨(dú)作為駕駛員制動(dòng)行為識(shí)別的輸入?yún)?shù)，可有效提高辨識(shí)準(zhǔn)確度.然而，緊急制動(dòng)情況下會(huì)觸發(fā)一連串行為的級(jí)聯(lián)反應(yīng)，制動(dòng)踏板的響應(yīng)只是最后一個(gè)觸發(fā)事件.

因此，本研究擬引入駕駛員下肢sEMG信號(hào)來(lái)實(shí)現(xiàn)駕駛員緊急制動(dòng)行為的識(shí)別.通過(guò)測(cè)量下肢肌肉(包括脛骨前肌、腓腸肌和比目魚肌)所引起的肌電活動(dòng)，試圖在制動(dòng)踏板感應(yīng)之前準(zhǔn)確檢測(cè)腿部運(yùn)動(dòng)，以提前識(shí)別出緊急制動(dòng)行為，減少碰撞事故的發(fā)生率.另外，由于駕駛員緊急制動(dòng)時(shí)的下肢sEMG信號(hào)特征與常規(guī)制動(dòng)和加速換擋行為特征極為相似，故選擇常規(guī)制動(dòng)、加速換擋和緊急制動(dòng)樣本數(shù)據(jù)進(jìn)行特征提取和分類識(shí)別，以提高駕駛員緊急制動(dòng)行為的識(shí)別準(zhǔn)確度.

1 模擬駕駛實(shí)驗(yàn)設(shè)計(jì)

1.1 實(shí)驗(yàn)對(duì)象

本次共招募10名身心健康且慣用右手的非職業(yè)駕駛員進(jìn)行實(shí)驗(yàn)，年齡(24.5±2.5)歲.所有實(shí)驗(yàn)對(duì)象均持有駕駛執(zhí)照，且具有正?；虺C正到正常的視力.并在實(shí)驗(yàn)開(kāi)始前24h內(nèi)睡眠質(zhì)量均良好，無(wú)不良情緒，無(wú)飲酒或服用藥物的情況.

1.2 實(shí)驗(yàn)設(shè)備

本次實(shí)驗(yàn)所使用的設(shè)備包括某汽車駕駛模擬器、某ELONXI EMG 100-Ch-Y-RA肌電儀(采樣頻率為1 000 Hz)、RX-D2027柔性薄膜壓力傳感器(量程為2Kg)和基于STM32F103的數(shù)據(jù)采集與同步系統(tǒng)等.

1.3 實(shí)驗(yàn)過(guò)程

先采用ELONXI肌電儀進(jìn)行最大自主收縮(maximum voluntary contraction, MVC)實(shí)驗(yàn)，分別測(cè)量受試者下肢脛骨前肌、腓腸肌和比目魚肌處的sEMG信號(hào)，以用于對(duì)實(shí)驗(yàn)過(guò)程中所采集的sEMG信號(hào)進(jìn)行非線性化處理，進(jìn)而得到肌肉激活程度值.模擬駕駛過(guò)程中，受試者需根據(jù)實(shí)際交通情況進(jìn)行加速換擋、緊急制動(dòng)和常規(guī)制動(dòng)操作，同步記錄其右下肢肌肉的sEMG信號(hào)和右足底壓力信號(hào).其中，每名受試者進(jìn)行45 min的連續(xù)駕駛實(shí)驗(yàn).

2 肌電信號(hào)特征提取

2.1 活動(dòng)段提取

活動(dòng)段提取是從連續(xù)采集的sEMG數(shù)據(jù)流中提取出對(duì)應(yīng)于動(dòng)作執(zhí)行時(shí)的有效片段，稱為活動(dòng)段(active segments)[7].目前，常采用滑動(dòng)矩形窗從信號(hào)能量的角度對(duì)sEMG信號(hào)進(jìn)行滑動(dòng)分析，根據(jù)一個(gè)矩形窗內(nèi)信號(hào)的能量和來(lái)判斷其是否處于動(dòng)作狀態(tài)[8].公式為

(1)

式中：Q為t時(shí)刻滑動(dòng)矩形窗內(nèi)sEMG能量值；Δt為滑動(dòng)矩形窗的寬度；sEMG(t)為所采集的sEMG序列.然后，分別設(shè)定動(dòng)作狀態(tài)能量閾值A(chǔ)和非動(dòng)作能量閾值B，以此判定動(dòng)作的起始與結(jié)束時(shí)刻.駕駛員進(jìn)行緊急制動(dòng)操作時(shí)，脛骨前肌處sEMG經(jīng)處理后的部分活動(dòng)段信號(hào)見(jiàn)圖1.

圖1 sEMG活動(dòng)段

2.2 特征提取

sEMG信號(hào)較為微弱、頻率低且易受干擾，主要噪聲干擾源包括外部電路的工頻干擾、心電干擾、相鄰肌肉群的活動(dòng)、AD轉(zhuǎn)換器等硬件設(shè)備干擾等.因此，在進(jìn)行特征提取前，先采用50Hz的陷波濾波器濾除工頻干擾，再經(jīng)過(guò)通帶為20～500 Hz的四階巴特沃斯濾波器進(jìn)行處理.

目前，廣泛采用的sEMG特征提取方法主要有時(shí)域法、頻域法、時(shí)頻域法、參數(shù)模型法等.相比之下，時(shí)域法、頻域法和模型參數(shù)法較為常用.其中，時(shí)域特征計(jì)算速度快、實(shí)時(shí)性高且有明顯的物理意義；頻域特征以頻率維度反映信號(hào)變化特性，平穩(wěn)性好；而模型參數(shù)法可以提取信號(hào)的高維特征，其特征具有一定的頻譜監(jiān)視功能、較為穩(wěn)定，能夠滿足實(shí)際要求,因此，本實(shí)驗(yàn)提取積分肌電值(iEMG)、均方根值(RMS)、平均功率頻率(MPF)、中位頻率(MF)和四階AR模型參數(shù)(aj,j=1,2,3,4)構(gòu)成特征向量.計(jì)算方法為

(2)

(3)

(4)

(5)

(6)

式中：xi為樣本點(diǎn)；N為采樣點(diǎn)數(shù)；P(f)為信號(hào)的功率譜密度；ni為殘留白噪聲；p為AR模型的階數(shù)；aj為AR模型的系數(shù)，其可由Yule-Walker方程得到.其中，緊急制動(dòng)時(shí)脛骨前肌的iEMG，RMS，MPF，MF曲線見(jiàn)圖2，橫軸為樣本點(diǎn)數(shù).

圖2 緊急制動(dòng)時(shí)脛骨前肌sEMG特征值曲線

3 最優(yōu)sEMG分類器的設(shè)計(jì)與實(shí)現(xiàn)

3.1 支持向量機(jī)分類算法

針對(duì)二分線性分類問(wèn)題，給定分類樣本集(xi,yi),i=1,2,…,n；其中，xi∈Rn，表示數(shù)據(jù)點(diǎn)，yi∈(1,-1)，代表類別標(biāo)簽.支持向量機(jī)分類算法的目標(biāo)即是在當(dāng)前的n維數(shù)據(jù)空間中尋找最優(yōu)超平面，為

y=wTx+b

(7)

式中：w和b為待求參數(shù).

然而，針對(duì)二維空間的線性不可分問(wèn)題，需要將其向高維空間轉(zhuǎn)換，進(jìn)而使其變得線性可分，即轉(zhuǎn)變成二次優(yōu)化問(wèn)題，為

(8)

式中：C為懲罰因子；ξ為松弛變量.

針對(duì)約束最優(yōu)化問(wèn)題，常利用Lagrange對(duì)偶性將其轉(zhuǎn)換為對(duì)偶問(wèn)題，通過(guò)求解對(duì)偶問(wèn)題而得到原始問(wèn)題的解.在此，引入Lagrange乘子對(duì)問(wèn)題進(jìn)行轉(zhuǎn)化，那么支持向量機(jī)決策函數(shù)即為

(9)

式中：αi為L(zhǎng)agrange乘子；(xi·x)為兩個(gè)向量的點(diǎn)積.

進(jìn)而，采用核函數(shù)K(xi,x)來(lái)替代點(diǎn)積(xi·x)，且由于徑向基核函數(shù)(RBF)適應(yīng)性強(qiáng)，故選用其作為支持向量機(jī)的核函數(shù)[9]，分類決策函數(shù)變?yōu)?/p>

(10)

式中：σ為徑向基核函數(shù)的寬度.

3.2 sEMG的多分類算法

圖3 有向無(wú)環(huán)圖的支持向量機(jī)分類器

3.3 模型實(shí)現(xiàn)

結(jié)合時(shí)域法、頻域法和模型參數(shù)法對(duì)所有樣本信號(hào)的三類動(dòng)作sEMG進(jìn)行特征提取，選取iEMG,RMS,MPF,MF和四階AR模型參數(shù)(aj,j=1,2,3,4)構(gòu)成特征向量；計(jì)算訓(xùn)練樣本的特征向量值，對(duì)有向無(wú)環(huán)圖的支持向量機(jī)進(jìn)行訓(xùn)練，并采用遺傳算法對(duì)支持向機(jī)的參數(shù)進(jìn)行優(yōu)化，進(jìn)而通過(guò)交叉驗(yàn)證法得到C=7.68，σ=2.91.根據(jù)特征集和最優(yōu)參數(shù)建立基于sEMG的緊急制動(dòng)行為識(shí)別模型，并對(duì)測(cè)試樣本進(jìn)行測(cè)試，以檢驗(yàn)?zāi)Ｐ托阅?

4 實(shí)驗(yàn)結(jié)果分析

為驗(yàn)證本研究中特征提取方法的有效性與緊急制動(dòng)識(shí)別模型的準(zhǔn)確性，將45組數(shù)據(jù)作為基于有向無(wú)環(huán)圖的支持向量機(jī)的輸入，其中包括30組訓(xùn)練樣本和15組測(cè)試樣本數(shù)據(jù).為了能夠在駕駛員腳底動(dòng)作執(zhí)行前準(zhǔn)確識(shí)別出緊急制動(dòng)行為，選擇與緊急制動(dòng)行為特征相似的常規(guī)制動(dòng)行為和加速換擋行為構(gòu)成三種不同動(dòng)作.分別針對(duì)同一駕駛員的特征數(shù)據(jù)、不同駕駛員的特征數(shù)據(jù)進(jìn)行分類，并對(duì)不同個(gè)體間的不同動(dòng)作進(jìn)行分類，得到駕駛員3中不同動(dòng)作的識(shí)別率，重點(diǎn)關(guān)注其緊急制動(dòng)行為的識(shí)別率.將所有受試駕駛員的動(dòng)作識(shí)別率求平均，獲得動(dòng)作識(shí)別率結(jié)果見(jiàn)表1.

表1 動(dòng)作識(shí)別率%

89.382.788.283.490.981.8

對(duì)比試驗(yàn)結(jié)果表明，所提取sEMG活動(dòng)段內(nèi)的特征向量用于動(dòng)作識(shí)別，具有較高的識(shí)別率.其中，針對(duì)常規(guī)制動(dòng)、加速換擋和緊急制動(dòng)共三種駕駛行為，同一駕駛員的識(shí)別率平均能達(dá)到89.5%，不同駕駛員間的識(shí)別率平均為82.6%.同時(shí)，駕駛員緊急制動(dòng)行為的識(shí)別率相對(duì)較高，同一駕駛員的動(dòng)作識(shí)別率高達(dá)90.9%，不同駕駛員間的識(shí)別率為81.8%.

另外，評(píng)估了在檢測(cè)駕駛員緊急制動(dòng)行為時(shí)，使用sEMG的輔助識(shí)別系統(tǒng)比以往僅依靠制動(dòng)踏板反應(yīng)的識(shí)別系統(tǒng)的提前時(shí)間，見(jiàn)圖4.

圖4 時(shí)差計(jì)算示意

圖4中A點(diǎn)為駕駛員緊急制動(dòng)時(shí)脛骨前肌最大激活程度點(diǎn)，即足部由油門踏板抬起到最高點(diǎn)處；B點(diǎn)為駕駛員足部作用在剎車踏板時(shí)的壓力開(kāi)始產(chǎn)生點(diǎn).其中，本研究可以在A點(diǎn)前，根據(jù)駕駛員下肢sEMG信號(hào)識(shí)別出其緊急制動(dòng)行為，即能夠在緊急操作制動(dòng)踏板前準(zhǔn)確識(shí)別，對(duì)每次實(shí)驗(yàn)進(jìn)行平均計(jì)算，提前時(shí)間為220 ms；以100 km/h的行駛速度計(jì)算，制動(dòng)距離將減少6.1 m.因此，采用下肢sEMG進(jìn)行制動(dòng)行為識(shí)別具有明顯的實(shí)用價(jià)值.

5 結(jié) 束 語(yǔ)

提出將下肢sEMG信號(hào)引入到駕駛員緊急制動(dòng)行為識(shí)別模型中，利用基于有向無(wú)環(huán)圖的支持向量機(jī)構(gòu)建分類器對(duì)緊急制動(dòng)行為進(jìn)行識(shí)別.實(shí)驗(yàn)研究表明，同個(gè)體緊急制動(dòng)行為識(shí)別率高達(dá)90.9%，不同個(gè)體識(shí)別率平均達(dá)81.8%；且該系統(tǒng)能夠在緊急操作制動(dòng)踏板前220 ms進(jìn)行識(shí)別，以100 km/h的行駛速度計(jì)算，制動(dòng)距離將減少6.1 m.接一下要重點(diǎn)研究分類算法的改進(jìn)，以提高不同個(gè)體的緊急制動(dòng)行為識(shí)別率.