基于语音心理声学分析的驾驶疲劳检测EI北大核心CSCD

针对现有方法在分析角度和特征参数上的局限性,提出一种基于语音心理声学分析的驾驶疲劳检测方法。首先,借助心理声学感知掩蔽处理步骤,将语音中的疲劳高敏感性频率成分突显出来,并给予其更多的Bark域临界频带描述,以获得更为细致的疲劳信息表达;其次,提取多种心理声学感知特征来量化描述语音中的疲劳异常音,并针对语音波形不同步而导致的特征提取误差问题,给出了语音帧的快速对准方案;最后,将语音样本与多个参考样本对比分析所得的感知特征向量,来分别搭建多个特征层模糊支持向量机（FSVM）分类器,并通过动态贝叶斯网络（DBN）的决策层融合判决,实现更为准确、鲁棒的驾驶疲劳检测。实验结果表明,该方法的查准率、查全率和平均正确率（为92.4%）均优于现有方法,尤其对重度疲劳的检测效果较佳（正确率达96.1%）。