基于脑电功率谱密度的作业人员脑力负荷评估方法

发布时间：2024-04-02 19:31

　　脑力负荷状态的准确识别对减少因作业人员无效脑力负荷导致的人因事故具有重要意义。针对人-机系统中作业人员脑力负荷客观评估问题开展了基于MATB-Ⅱ平台的3种不同脑力负荷水平下的航空情境实验,记录16名被试的NASA任务负荷指数(NASA-TLX)量表数据和脑电(EEG)信号,提出了一种基于脑电功率谱密度(PSD)和支持向量机(SVM)的个体脑力负荷评估方法。结果表明:随着实验设计脑力负荷水平增加,被试的主观脑力负荷得分显著提高(p<0.001),这表明该实验任务设计较好地诱发了低负荷、中负荷和高负荷情境。在此基础上,通过网格搜索法确定个体脑力负荷评估模型的统一优化参数,惩罚系数取3 000,核函数参数取0.000 1,模型测试正确率达到0.966 5±0.029 8,宏平均的受试者工作特征曲线下的面积(Macro-AUC)达到0.991 0±0.011 4。本文为作业人员脑力负荷状态的客观和准确评估提供了一种新的办法,为后期作业人员脑力负荷状态的实时判别提供模型基础。

【文章页数】：8 页

【部分图文】：

图1MATB-Ⅱ平台任务界面

MATB-Ⅱ平台任务界面如图1所示。1.2.2主观测评方法

图2脑电采集系统

采用国际脑电图学会标定的10-20电极导联定位标准[17]，利用NeuroscanNeuamps系统（Synamps2,Scan4.3,EIPaso,USA）采集32导联脑电（FP1、FP2、F7、F3、FZ、F4、F8、FT7、FC3、FCZ、FC4、FT8、A1、T3、C....

图34种节律能量的脑电地形图

图3展现了低负荷、中负荷和高负荷下16名被试平均能量的脑电地形图。可知，随着脑力负荷增加，4种节律的能量均不断增大，且低负荷和中负荷之间的变化相较于中负荷和高负荷之间的变化更明显，这可能与不同脑力负荷水平下任务唤醒频次设计有关。2.3建模准备

图4SVM网格搜索结果与统一优化参数

最终确定个体脑力负荷评估模型的统一优化参数为C=3000、gamma=0.0001，如图4所示，其中正确率为由四折交叉验证的平均验证正确率。3.3建模结果

本文编号：3946092