首页
脑力负荷的脑电响应、识别与自适应脑-机交互技术研究
作者： 时间：2017-06-20访问量：
报告三：脑力负荷的脑电响应、识别与自适应脑-机交互技术研究
报告人：柯余峰
报告简介：脑力负荷（Mental Workload）表征工作状态下脑力资源占用率，是影响作业绩效的重要因素，过高或过低的脑力负荷都会使作业绩效下降，甚至造成人因失误、引发严重事故。脑电可敏感体现大脑对工作负荷的初始神经电生理响应，也是目前识别脑力负荷水平和研究其神经生理机制的重要手段之一。针对基于脑电的脑力负荷识别研究存在的跨任务和跨个体难题，以及脑力负荷识别在脑-机接口技术中的应用问题，开展了相关研究。首先，根据认知资源理论设计了两组实验，发现了自发脑电在不同任务下的脑力负荷响应的共性之处，特别是发现了tirERP在不同任务下随脑力负荷变化的一致性。其次，基于自发脑电对不同任务的脑力负荷响应的共性特征，结合支持向量回归建模，设计了跨任务特征筛选方法，突破了跨任务脑力负荷识别难题，实现了不同N-back任务之间和N-back与复杂模拟任务之间的跨任务脑力负荷识别。再次，基于tirERP分别实现了跨任务、跨个体和同时跨任务跨个体的脑力负荷识别，并且跨个体条件下基于tirERP的识别效果均高于自发脑电功率谱，并发现在跨个体条件下参与训练个体数比样本数对识别效果影响更大。最后，发现低负荷下建立BCI系统在高负荷下应用会显著影响BCI系统的识别率，而在适当负荷条件下建立BCI有助于降低这一影响。基于此提出了自适应ERP-BCI方法，并基于在线模拟验证了该方法克服脑力负荷影响的有效性。
报告人简介：柯余峰，1988年生人，2011~2017年天津大学明东教授课题组硕博连读，主要研究方向包括脑力负荷、脑-机接口、神经工效学等。
