CACC驾驶员肢体肌电信号表征的操纵意图预测方法

摘要

本发明公开了一种CACC驾驶员肢体肌电信号表征的操纵意图预测方法，将CACC驾驶员肢体肌电信号特征数据作为深入学算法进行训练，从CACC驾驶员肢体肌电信号特征数据预测出CACC驾驶员下一时刻肢体的操纵动作模式A_i，最后通过增益因子的线性拉普拉斯传递函数得到CACC汽车下一时刻的位置、速度和加速度。通过构建CACC工况下的驾驶员肢体肌电特征参数与不同操纵动作模式的映射关系，采用误差反馈在线自学的方式准确识别出驾驶员肢体的不同操纵动作模式，进而预知自车下一时刻的行驶状态。

主权项

CACC驾驶员肢体肌电信号表征的操纵意图预测方法，其特征在于，包括如下步骤：S1将CACC驾驶员肢体肌电信号特征数据作为稀疏自动编码机的输入，稀疏自动编码机的隐层与输出层的转换函数使用tan‑sigmoid转换函数，训练得到CACC驾驶员肌体肌电信号的特征模板；S2将步骤S1中得到的特征模板经过卷积后作为Pooling层的输入，通过特征提取层，使每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征，一旦该局部特征被提取后，它与其它特征之间的位置关系也随之确定下来；通过Logistic回归模型得到隐层，由此得到神经网络的每个单元，将多个单元组合起来构成完整的卷积神经网络，最终输出得到CACC驾驶员下一时刻肢体的操纵动作模式A_i，i＝1,2,...,I，I为CACC驾驶员操纵动作模式的输出单元数；S3通过增益因子K的线性拉普拉斯传递函数G得到表征CACC汽车下一时刻行驶状态的量：位置p、速度v和加速度a：分别计算CACC驾驶员操作动作模式A_i与位置p、速度v和加速度a的传递函数，在得到传递函数后，根据输入的CACC驾驶员操作动作模式A_i的量，求出输出量位置p、速度v和加速度a，从而达到预测CACC下一时刻行驶状态的目的。