Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Implementation av portabla REM-identifierande sensorer: Undersökning kring lämpliga, icke-påträngande metoder för REM-igenkänning
KTH, School of Electrical Engineering and Computer Science (EECS).
KTH, School of Electrical Engineering and Computer Science (EECS).
2018 (Swedish)Independent thesis Basic level (professional degree), 10 credits / 15 HE creditsStudent thesis
Abstract [en]

Trötthet i trafiken är ett stort problem i samhället. Det är särskilt farligt att trött framföra tunga lastbilar i trafiken eftersom dessa fordon är stora och har ofta livsavgörande roller vid inblandning i trafikolyckor. För att angripa problemet har det i denna rapport studerats kring vilket sömnstadie som är lämpligast att vakna under, i syfte att vakna pigg och alert samt vilka typer av tekniker och metoder som är lämpliga för att portabelt kunna detektera Rapid-Eye-Movement. Tidigare arbeten och studier har gjorts som påvisar att uppväckning i REM-sömn är optimalt för att känna sig alert. De valda metoderna är baserade på varianter av väletablerade tekniker som används för identifiering av sömnsteg. Elektrookulografi används för att mäta ögonrörelser med hjälp av fyra elektroder som är placerade på huvudet.

Kroppsrörelser upptäcks genom en accelerometer som fästs på armen. Pulsmätningar görs och används för att räkna ut pulsvariansen under sömnen. Målet är att skapa en prototyp som ska känna av när användaren är i REM-sömn och sedan väcka användaren.

Detta arbete är uppdelat i två inbyggda system som görs mellan två olika examensarbeten. Resultatet blev tre sensorer som fungerar individuellt. På grund av tidsbrist och en längre felsökning blev prototypen inte färdigställd. Innan sensorerna kan tillämpas i en produkt krävs det att ytterligare tester genomförs under monitorering av en sömnspecialist.

Abstract [sv]

Tiredness in traffic is a major problem in society. It is especially dangerous to drive heavy trucks when tired because these vehicles are large and often have vital roles when involved in traffic accidents. To address the problem, this degree project has studied which sleep stage is most appropriate to wake up during, in order to wake up sharp and alert, and what types of techniques and methods are suitable for portable detection of Rapid-Eye-Movement. Previous work and studies have been done which indicates that awakening during REM sleep is optimal for feeling alert. The chosen methods are based on variants of well-established techniques that are used to identify sleep stages. Electrooculography is used to measure eye movements using four electrodes placed on the head. Body movements are detected by an accelerometer attached to the arm. Pulse measurements are made and used to calculate the pulse variation during sleep. The goal is to create a prototype which will know when the user is in REM sleep and then wake the user up.

This work is divided into two embedded systems that are made between two different degree projects. The result was three sensors that worked individually. Due to lack of time and a longer troubleshooting, the prototype was not completed. Before the sensors can be used in a product, additional tests are required under the supervision of a sleep specialist.

Place, publisher, year, edition, pages
2018. , p. 42
Series
TRITA-EECS-EX ; 2018:141
Keywords [en]
REM - Rapid Eye Movement; NREM – Non-Rapid Eye Movement; PSG – Polysomnografi; EOG - Elektrookulografi; EKG - Elektrokardiografi; EEG - Elektroencefalografi; EMG - Elektromyografi; PPG - Fotopletysmografi; MEMS – Mikroelektromekaniska system; Sömn; Inbyggda System; Sensorbaserade System; Trafiksäkerhet
Keywords [sv]
REM - Rapid Eye Movement; NREM – Non-Rapid Eye Movement; PSG – Polysomnography; EOG - Electrooculography; EKG - Electrocardiography; EEG - Electroencephalography; EMG - Electromyography; PPG - Photoplethysmography; MEMS – Microelectromechanical systems; Sleep; Embedded Systems; Sensor Based Systems; Traffic safety
National Category
Electrical Engineering, Electronic Engineering, Information Engineering Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-232117OAI: oai:DiVA.org:kth-232117DiVA, id: diva2:1232444
Subject / course
Electronic- and Computer Systems
Educational program
Bachelor of Science in Engineering - Electronics and Computer Engineering
Supervisors
Examiners
Available from: 2018-07-11 Created: 2018-07-11 Last updated: 2018-07-11Bibliographically approved

Open Access in DiVA

fulltext(1954 kB)26 downloads
File information
File name FULLTEXT01.pdfFile size 1954 kBChecksum SHA-512
bd6287b35643ea1894d5dda01ee97505e2b8336bb147fc3ab79747b7840d287ad06005f5c7af17ee9d2f977a33fdc0ff32157fd42dd7301c654cd9615dc156d0
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering and Computer Science (EECS)
Electrical Engineering, Electronic Engineering, Information EngineeringComputer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 26 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 59 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf