基于BP神經(jīng)網(wǎng)絡與隱馬爾科夫鏈的駕駛狀態(tài)識別.pdf

1、本文首先介紹了國內外關于駕駛狀態(tài)和相關汽車主動安全技術的研究成果以及面臨的問題，根據(jù)近年來相關學者提出的以人為中心的汽車主動安全系統(tǒng)設計思想，提出了基于BP神經(jīng)網(wǎng)絡與隱馬爾科夫鏈的駕駛狀態(tài)識別模型，實現(xiàn)“以人為中心”的汽車主動安全預警控制系統(tǒng)，提高汽車的主動安全性。
　　其次，分析了隱馬爾科夫鏈廣泛應用于駕駛狀態(tài)識別領域的原因，并通過實例介紹了HMM的相關參數(shù)，如狀態(tài)轉移概率矩陣、狀態(tài)觀察概率矩陣和初始概率等，同時對它的三個算法：

2、前向.后向算法、Viterbi算法和Baum-Weich算法以及對應解決的問題：評估問題、解碼問題和學習問題進行詳細的敘述并給出算法的測試，驗證了算法的有效性。
　　然后，對駕駛狀態(tài)的組成主因子進行分析，得到三種駕駛狀態(tài)的初始決策向量。并介紹了BP神經(jīng)網(wǎng)絡的理論，在了解理論的基礎上設計出用于駕駛狀態(tài)識別的BP神經(jīng)網(wǎng)絡結構，再利用MATLAB中的神經(jīng)網(wǎng)絡工具箱函數(shù)創(chuàng)建出BP模型，通過相應的算法和訓練函數(shù)實現(xiàn)BP網(wǎng)絡的訓練。