基于脑电功率的疲劳驾驶检测研究python代码

这是一个基于脑电信号的疲劳驾驶检测的Python代码示例。它使用了EEG信号的功率谱密度来识别疲劳驾驶的迹象。

import numpy as np
import scipy.signal as signal
import matplotlib.pyplot as plt

# 加载数据
data = np.loadtxt('eeg_data.txt')

# 定义带通滤波器，滤除非常低频和非常高频的噪声
b, a = signal.butter(4, [1, 40], 'bandpass', fs=1000)

# 应用滤波器
filtered_data = signal.filtfilt(b, a, data, axis=0)

# 定义窗口大小和重叠窗口大小
win_size = 200
overlap = 100

# 计算每个窗口的功率谱密度
psd = []
for i in range(0, len(data) - win_size, overlap):
    f, p = signal.welch(filtered_data[i:i+win_size], fs=1000, nperseg=win_size)
    psd.append(p)

# 计算平均功率谱密度
avg_psd = np.mean(psd, axis=0)

# 绘制功率谱密度图
plt.plot(f, avg_psd)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Power Spectral Density (V^2/Hz)')
plt.show()

这个代码使用了NumPy、SciPy、Matplotlib等Python库，需要预先安装。它读取名为“eeg_data.txt”的文本文件，该文件包含一个EEG信号的时间序列。代码使用带通滤波器滤除噪声，并计算每个窗口的功率谱密度。最后，代码绘制了平均功率谱密度的图形。通过检查频率范围内的功率密度水平，可以识别疲劳驾驶迹象。