当前位置:主页 > 科技论文 > 网络通信论文 >

用心电RR间期分析音乐干预脑力负荷的研究

发布时间:2020-06-18 06:06
【摘要】:人在复杂环境下往往会造成较高的脑力负荷,过高的脑力负荷会使人快速疲劳,脑的灵活性降低,工作绩效降低等。施加在人思维意识中的脑力负荷会导致交感神经系统和副交感神经系统电活动的变化以及与神经系统活动相关代谢的变化,体现在心跳、心电、脑电等活动的变化。因此,对脑力负荷的检测识别就具有很重要的意义。由于心电信号具有便于采集的优点,越来越多的学者将它用于脑力负荷检测识别的研究。而目前大多数的研究都是采用单一无干预的脑力负荷任务进行研究,对于有干预的脑力负荷的研究相对较少。因此,本文基于前人研究的基础,使用心电RR间期对音乐干预脑力负荷的生理模式进行研究。内容如下:(1)本文设计的脑力负荷任务为五位数加减法和两位数加减法算术任务,分别设计了有音乐干预和无音乐干预状态下做算术任务的心电信号采集实验。首先通过放松静坐、无音乐干预状态下做不同算术任务,并获取无音乐干预状态下不同脑力负荷生理反应数据样本。另外,通过放松静坐、有音乐干预状态下做不同算术任务来获得有音乐干预状态下不同脑力负荷的生理反应数据样本。最后,对被试自评量表得分进行T检验分析的方式确定五位数加减法为高脑力负荷,两位数加减法为低脑力负荷。(2)使用MATLAB软件对采集到的心电数据进行去噪处理,通过编写程序准确定位和手动校正心电信号的R波波峰,即可计算得到RR间期序列。接着对RR间期序列进行特征提取,提取的特征包括统计特征、非线性特征、Krawtchouk矩特征、小波包分解能量特征。使用T检验分析发现对于不同干预状态和不同脑力负荷下生理参数的变化有所不同,但在一定程度上反映了心脏的自主神经活动。同一脑力负荷下有音乐干预状态RR间期均值、RR间期相邻差均方根等七个生理参数均较无音乐干预有所减小,说明有音乐干预脑力负荷使交感神经激活,副交感神经受到抑制。而在同一干预状态下高脑力负荷的RR间期均值、间隔一次差等五个生理参数均较低脑力负荷的值有所减小,反映脑力负荷的增高使得心跳间隔减小,交感神经被激活。(3)随后采用后向选择算法对提取的特征进行特征选择,使用极限学习机和留一被试法交叉验证、BP神经网络和留一被试法交叉验证这两种方法对不同干预状态不同脑力负荷程度的生理模式进行区分度分析,并得到对应生理模式下的最简特征组合。其中使用两种算法对相同脑力负荷下有或无音乐干预生理模式进行识别分类,同时,对同一干预状态下高脑力负荷和低脑力负荷生理模式也进行识别分类。最后,探讨了高脑力负荷下任务正确和任务错误两个数据集在生理模式上的可区分性,结果表明这两个数据集的可区分度较差。本文通过研究音乐干预脑力负荷的生理模式,结果发现生理参数在一定程度上能反映不同干预下不同脑力负荷的心脏自主神经活动。分析了不同干预下不同脑力负荷生理模式的可区分度,还探讨了高脑力负荷下任务正确和任务错误生理模式的区分性。为远程教学任务中脑力负荷检测提供一定的参考价值。
【学位授予单位】:西南大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:R318;TN911.7
【图文】:

闹钟,设备,任务结束,生理信号


集到最优的心电信号。为了方便数据的采集和处理,实验用到的两个设备的信号逡逑采样频率都设置为512Hz。MP150多通道生理信号记录仪和Shimmer心电采集设逡逑备如图2.2所示.逡逑生iM号逦I逡逑B逦电脑逦g逡逑_无线连接逡逑服务器逦s逦逡逑?希丁邋—逡逑图2.1实验环境设置逡逑11^逡逑图2.2邋MP150设备(左)和Shi_er设备(右)逡逑在实验所用的桌子上摆放着可以定时的闹钟,定时闹钟主要用于被试做任务逡逑时时间的监控,时间设置为20分钟,被试在规定的时间内做算术任务,时间倒计逡逑时结束后闹钟发出响声被试立即停止任务。任务结束后,被试要填写被试自评量逡逑表。对自己本次任务的表现进行打分。逡逑8逡逑

实验环境


集到最优的心电信号。为了方便数据的采集和处理,实验用到的两个设备的信号逡逑采样频率都设置为512Hz。MP150多通道生理信号记录仪和Shimmer心电采集设逡逑备如图2.2所示.逡逑生iM号逦I逡逑B逦电脑逦g逡逑_无线连接逡逑服务器逦s逦逡逑?希丁邋—逡逑图2.1实验环境设置逡逑11^逡逑图2.2邋MP150设备(左)和Shi_er设备(右)逡逑在实验所用的桌子上摆放着可以定时的闹钟,定时闹钟主要用于被试做任务逡逑时时间的监控,时间设置为20分钟,被试在规定的时间内做算术任务,时间倒计逡逑时结束后闹钟发出响声被试立即停止任务。任务结束后,被试要填写被试自评量逡逑表。对自己本次任务的表现进行打分。逡逑8逡逑

【参考文献】

相关期刊论文 前10条

1 郭孜政;潘毅润;潘雨帆;吴志敏;肖琼;谭永刚;张骏;;基于EEG熵值的驾驶员脑力负荷水平识别方法[J];东南大学学报(自然科学版);2015年05期

2 明东;柯余峰;何峰;赵欣;王春慧;綦宏志;焦学军;张力新;陈善广;;基于生理信号的脑力负荷检测及自适应自动化系统研究:40年回顾与最新进展[J];电子测量与仪器学报;2015年01期

3 潘津津;焦学军;姜劲;徐凤刚;杨涵钧;;利用功能性近红外光谱成像方法评估脑力负荷[J];光学学报;2014年11期

4 王连震;裴玉龙;;基于贝叶斯网络的驾驶疲劳程度识别模型[J];城市交通;2014年03期

5 李佳源;;情感计算的研究现状与认知困境[J];自然辩证法通讯;2012年02期

6 钱宇华;梁吉业;王锋;;面向非完备决策表的正向近似特征选择加速算法[J];计算机学报;2011年03期

7 史秋亮;林江;;基于小波包分解与能量特征提取的相关分析法[J];声学与电子工程;2010年04期

8 曾芸;武和雷;;基于小波包的频带能量特征提取及智能诊断[J];计算技术与自动化;2008年04期

9 崔凯;孙林岩;孙林辉;;心率变异性度量脑力负荷的有效性[J];工业工程与管理;2008年03期

10 肖融;吴薇莉;张伟;;中文版社交恐怖症量表的信度和效度检验[J];华西医学;2007年03期

相关博士学位论文 前1条

1 温万惠;基于生理信号的情感识别方法研究[D];西南大学;2010年

相关硕士学位论文 前2条

1 王坤;压力状态下的心跳生理模式研究[D];西南大学;2017年

2 杨敏;非线性特征用于心电信号的情感识别[D];西南大学;2013年



本文编号:2718818

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/2718818.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户dc677***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com