睡眠缺失下的大脑警觉度变化规律及自动分阶研究

发布时间：2017-10-23 20:30

  本文关键词：睡眠缺失下的大脑警觉度变化规律及自动分阶研究

  更多相关文章： 睡眠剥夺 警觉度分阶 自发脑电 诱发脑电 模式分类 特征降维

【摘要】：随着生活节奏的加快、社会竞争的加剧，许多特殊行业由于工作压力过大而导致睡眠缺失，甚至是失眠，进而导致：觉醒程度降低，执行能力降低；注意力降低，工作效率下降；应急反应能力降低，对危险信号的觉察判断能力下降，事故发生率提高。因而实时检测睡眠缺失过程中的警觉度变化规律，进而动态调整工作任务和工作负荷，减小事故发生率，变得尤为重要。例如宇航员长期在太空活动，昼夜节律改变引起的生理节律失调，太空失重隔离幽闭环境引起的时间感缺失，超负荷工作强度引起的压力过大，都会导致睡眠缺失和失眠现象。因而通过宇航员睡眠缺失情况判断警觉度状态，进而动态调整其任务强度，可以保证任务顺利完成。 本文在以往研究的基础上，设计36h睡眠剥夺实验，记录受试者睡眠缺失过程中的自发脑电、诱发脑电、主观向量表评测、按键反应等信号，并利用主观向量表、人工分期和睡眠剥夺时长进行信号标注；分析自发脑电中时域、频域、非线性特征，诱发脑电中CNV、P300、MMN特征及行为学特征，观测其在睡眠缺失下的变化规律，探索其生理意义；利用不同模式分类算法对脑电数据进行模式分类，，实现警觉度自动分阶，并引入不同的特征降维方法，降低数据冗余度，提高运算速度。 本文得到的结论主要有：在无工作负荷的前提下，睡眠缺失前12h，警觉度状态基本保持不变；睡眠缺失12h-24h，脑力资源不足，导致警觉度状态急剧下降，且枕部变化更为明显；睡眠剥夺24-36h，脑力资源影响与生物钟效应相互抵消，受试者警觉度状态保持基本稳定，处于第二平台期；随着睡眠剥夺时间的增加，个体间差异性逐渐增大；BP算法分类正确率为95.67%，易受局部最优解的影响，SVM算法分类正确率为99.17%，效果更佳；FDR导联优化可在保证分类正确率的前提下，降低特征维数，PCA特征优化特征维数降低幅度更大，但分类正确率不高。
【关键词】：睡眠剥夺 警觉度分阶 自发脑电 诱发脑电 模式分类 特征降维
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：R85
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 绪论9-18
• 1.1 引言9-10
• 1.2 警觉度的研究现状10-16
• 1.2.1 警觉度检测的意义10
• 1.2.2 警觉度的影响因子10-11
• 1.2.3 警觉度检测的研究现状11-16
• 1.3 论文的主要工作16-18
• 第二章 实验设计18-27
• 2.1 脑电基础18-22
• 2.1.1 脑结构18-19
• 2.1.2 脑电信号19-20
• 2.1.3 脑电特征20-22
• 2.2 实验方案和实验环境设计22-26
• 2.2.1 受试者和实验环境22
• 2.2.2 脑电采集设备22-23
• 2.2.3 实验方案设计23-25
• 2.2.4 数据标注25-26
• 2.3 本章小结26-27
• 第三章 睡眠剥夺下的自发脑电规律变化27-38
• 3.1 自发脑电预处理27-30
• 3.1.1 小波变换的原理27-28
• 3.1.2 小波阈值去噪28-30
• 3.2 自发脑电特征提取30-37
• 3.2.1 时域特征分析30-32
• 3.2.2 频域特征分析32-35
• 3.2.3 非线性特征分析35-37
• 3.3 本章小结37-38
• 第四章 睡眠剥夺下诱发脑电及行为学规律变化38-46
• 4.1 诱发脑电预处理38-39
• 4.1.1 独立分量分析原理38
• 4.1.2 独立分量分析去噪38-39
• 4.2 诱发脑电特征提取39-43
• 4.2.1 CNV实验39-40
• 4.2.2 P300 实验40-42
• 4.2.3 MMN实验42-43
• 4.3 行为学规律变化43-45
• 4.3.1 CNV实验43
• 4.3.2 P300 实验43-45
• 4.4 本章小结45-46
• 第五章 大脑警觉度分阶46-51
• 5.1 BP网络46-48
• 5.1.1 BP理论基础46-47
• 5.1.2 BP分类结果47-48
• 5.1.3 BP局限性48
• 5.2 SVM算法48-50
• 5.2.1 SVM理论基础49-50
• 5.2.2 SVM分类结果50
• 5.3 本章小结50-51
• 第六章 特征降维51-56
• 6.1 导联优化51-53
• 6.2 特征优化53-55
• 6.3 本章小结55-56
• 第七章 总结与展望56-59
• 7.1 总结56-57
• 7.1.1 本文主要成果56-57
• 7.1.2 本文创新工作点57
• 7.2 展望57-59
• 参考文献59-64
• 发表论文和参加科研情况说明64-65
• 附录65-66
• 致谢66

【参考文献】

中国期刊全文数据库 前5条

1 丁海艳;叶大田;;MMN提取过程中关键问题的讨论[J];北京生物医学工程;2006年01期

2 张爱华;张妍;王琦;;基于脉搏信号的心电特征研究[J];电子测量技术;2009年08期

3 葛家怡;周鹏;赵欣;刘海婴;王明时;;睡眠脑电时间序列的非线性样本熵研究[J];电子器件;2008年03期

4 和卫星;李宝;丁黎明;赵景波;;睡眠脑电的样本熵分析[J];微计算机信息;2007年03期

5 徐琳,许百华;非线性动力学脑电信号分析方法的研究与应用[J];心理科学;2005年03期

中国博士学位论文全文数据库 前1条

1 吴群;基于心电信号的驾驶疲劳检测方法研究[D];浙江大学;2008年

本文编号：1085259