来源：期刊VIP网 时间：
作者：宋雨;牛泽瀚;刘俊杰;高强;崔建辉;王伟;吉月辉;宋晓琳;
单位：天津理工大学电气工程与自动化学院;天津市新能源电力变换传输与智能控制重点实验室;天津理工大学海运学院;天津理工大学工程训练中心;
摘要：船舶驾驶员的工作负荷状态直接影响航行安全与操作效率，高负荷状态下行为可靠性易于降低，进而导致人为操控失误发生。该研究采集了船员在执行日常航行任务（正常航行、船舶会遇、应急事件和靠泊）时的脑电信号（electroencephalogram,EEG），用于识别船员工作负荷。首先，根据多资源占用理论标定工作负荷，将船员的工作负荷分为高和低两种级别；然后，对脑电信号预处理后提取微分熵（differential entropy,DE）和相位锁相值（phase locking value, PLV）两类频域和空间域特征；最后，用多种机器学习分类器分类脑电工作负荷。结果表明，基于PLV特征与支持向量机方法分类器组合取得了最佳分类结果，平均准确率达到88.31%。船员在航行过程中额叶和枕叶的活跃性显著高于其他脑区，船员在执行航行任务时额叶和枕叶位置的电极连接关系较为紧密。
关键词：脑电信号;;船舶驾驶员;;工作负荷;;相位锁相值
基金资助：天津市普通高等学校本科教学改革与质量建设研究计划项目(A231006001);; 天津理工大学教学基金项目(YB23-09);天津理工大学研究生教育教学研究与改革项目(YBXM2403)
