译者序

原书序

原书前言

编者名单

A部分 驾驶行为与建模系统

第1章 多模式驾驶员压力检测

 1.1 简介

 1.2 UTDrive资料库、数据子集和转录协议

 1.3 利用语言信号进行压力检测

 1.4 使用CAN总线信号的分心/压力检测

 1.5 小结

 参考文献

第2章 根据语音分析驾驶员的情绪

 2.1 简介

 2.2 MFCC-MLP语音情绪

 2.3 语音情绪识别和分类实验

 2.4 小结、结论和未来的工作

 参考文献

第3章 根据驾驶操作信号辨别驾驶员状态

 3.1 简介

 3.2 驾驶行为信号特征

 3.3 驾驶行为模型

 3.4 实验结果

 3.5 小结

 参考文献

第4章 基于分层模式分割的驾驶员行为多层建模

 4.1 简介

 4.2 分层模式分割

 4.3 驾驶行为数据的分析

 4.4 讨论

 4.5 小结

 参考文献

B部分 车载交互系统/语音系统

第5章 车载通信系统的评价

 5.1 简介

 5.2 边界条件

 5.3 车载通信系统的信号处理

 5.4 ICC系统相关的评估类型

 5.5 车载通信系统的评估

 5.6 对ICC系统自动评估的几点想法

 5.7 小结

 参考文献

第6章 车内宽频带免提——系统设计和测试的新挑战

 6.1 简介

 6.2 传输延迟

 6.3 倾听的语音质量

 6.4 回声性能

 6.5 小结

 参考文献

第7章 “先讲后按”（TAP）：一种新颖的方式启动车内语音对话

 7.1 简介

 7.2 TAP系统

 7.3 声学回声消除和后置滤波器

 7.4 集成的噪声降低和语言活动的检测

 7.5 实验装置

 7.6 结果

 7.7 小结

 参考文献

第8章 对动态环境的认知对话系统：进展和挑战

 8.1 简介

 8.2 相关研究

 8.3 驾驶模拟器

 8.4 交互设置

 8.5 记录设定

 8.6 记录软件

 8.7 用户状态检测

 8.8 认知建模

 8.9 小结

 参考文献

第9章 车载语音和噪声语料库

 9.1 简介

 9.2 UT-D车辆噪声语料库

 9.3 CU移动

 9.4 噪声分析和模型

 9.5 小结

 参考文献

第10章 基于语音对话系统互动的增强型车载语音识别的极大似然框架

 10.1 简介

 10.2 用于车内环境的LIMA Mel滤波器组噪声减除

 10.3 实验程序

 10.4 数据分析和建议

 10.5 小结

 参考文献

第11章 在车载环境中应用变分模型进行鲁棒语音识别的特征补偿

 11.1 简介

 11.2 CU移动语料库

 11.3 变分模型分量

 11.4 采用变分模型组合的基于PCGMM特征补偿

 11.5 实验结果

 11.6 小结

 参考文献

第12章 在免提通信中使用感知滤波器组来进行双通道语音增强

 12.1 简介

 12.2 双通道语音增强

 12.3 实验

 12.4 小结

 参考文献

第13章 车内多送话器语音的最优增强

 13.1 简介

 13.2 推荐的方法

 13.3 真实的汽车数据试验

 13.4 小结

 参考文献

C部分 车辆的动力学、视觉、主动安全和资料库

第14章 为安全辅助驾驶提供交通路口的参考视图

 14.1 简介

 14.2 方法

 14.3 实际和虚拟摄像头

 14.4 生成引用视图

 14.5 实验结果

 14.6 小结

 参考文献

第15章 具有“环境感知”功能的汽车主动安全性和辅助驾驶的计算机视觉系统

 15.1 简介

 15.2 计算机视觉系统的车载应用

 15.3 系统效用分析和机电一体化集成

 15.4 小结

 参考文献

第16章 使用立体相机集成行人检测与定位

 16.1 简介

 16.2 总体策略

 16.3 行人检测

 16.4 行人实例的定位

 16.5 利用先验高度分布

 16.6 实验结果

 16.7小结

 参考文献

第17章 一种基于人类感知系统局限性的超车判断检测：驾驶员辅助系统的作用

 17.1 简介

 17.2 在超车过程中驾驶员依赖的视觉信息

 17.3 超车和跟车任务之间的主要差异

 17.4 驾驶员辅助预警系统

 17.5 在人机自动化交互中人的因素

 17.6 设计DAS来克服驾驶员的知觉局限性

 17.7 小结

 参考文献

第18章 驾驶员分心多模式跟踪的进展

 18.1 简介

 18.2 相关工作

 18.3 在实际道路条件下记录驾驶员

 18.4 评估驾驶员的分心

 18.5 多通道特征的分析

 18.6 驾驶员分心的预测

 18.7 讨论和小结

 参考文献

第19章 一种车道改变轨迹建模的随机方法

 19.1 简介

 19.2 使用隐型Markov模型对轨迹建模

 19.3 轨迹选择

 19.4 评价

 19.5 小结以及未来要做的工作

 参考文献

第20章 主动安全性中通过时间序列的随机方法和模式识别进行的CAN总线信号分析

 20.1 简介

 20.2 CAN总线数据分析

 20.3 系统和应用

 20.4 小结

 参考文献

D部分 交通运输、车辆通信和下一代汽车系统

第21章 车载通信网络间实时多媒体流的自适应差错恢复机制

 21.1 简介

 21.2 实时多媒体流

 21.3 前向纠错

 21.4 数据包交错技术

 21.5 自适应FEC和交错技术

 21.6 小结

 参考文献

第22章 Matisse：模拟交通安全情境的大型多智能体系统

 22.1 简介

 22.2 超级基础设施Soteria概述

 22.3 Matisse：Soteria的仿真平台

 22.4 单元控制器架构

 22.5 案例研究：模型执行

 22.6 小结

 参考文献

汉森编著的《车载系统和安全的数字信号处理》是由发表于第四届两年一度的车载系统和安全的数字信号处理（DSP）研讨会的论文编辑而成，这些论文的作者均为世界级专家，他们的研究领域主要是将人的因素集成到车载系统上来增强汽车的安全性。本书为减少驾驶员分心以及防止道路事故提供了新的方法，主要介绍了将DSP技术应用到自适应汽车、车载对话系统、人机界面、视频与音频处理以及车载语音系统等方面。

《车载系统和安全的数字信号处理》主要包括以下内容：智能汽车的最新进展——这些车辆考虑并适应驾驶员；驾驶员—车辆界面考虑了驾驶员的驾驶任务和认知工作；车载数据库开发和分享的最好应用；用于鲁棒驾驶员监视和驾驶员识别的多传感器分析和融合技术的相关信息；车辆之间以及车辆与基础设施之间通信的知识分享。

本书适用于在控制工程、信号处理、音频和视频处理、人机界面、人的因素和运输工程等领域工作的工程技术人员、学生、汽车制造商、政府基础管理人员和工程师。

随着汽车工业的发展以及电子设备的广泛应用，驾驶员在驾驶过程中经常会出现各种分心的现象。如果分心的时间过长，次数过多，那么将引起交通事故，危及驾驶员、乘客和其他路面交通参与者的人身安全。为识别驾驶员的分心，需要对驾驶员的状态进行识别，这些识别要基于驾驶员的语音、情绪和状态等多个方面，同时驾驶辅助系统的设置如何考虑驾驶员并适应驾驶员来增加汽车的安全性等。上述这些内容都与汽车安全相关，需要对车载系统进行大量的研究工作，涉及控制工程、信号处理、音频和视频处理、人机界面和运输工程等领域多个领域。

为此，在美国德克萨斯州达拉斯举办的第四届研讨会，讨论了车载系统和安全的数字信号处理问题。汉森编著的《车载系统和安全的数字信号处理》对研讨会期间所发表的论文进行了编辑，从而能够帮助该领域的研究人员，共同探讨车辆内的数字信号处理技术的发展，来减少驾驶员的分心，来提高汽车行驶安全性。