中文摘要：

随着生活节奏的加快和工作压力的加大，脑力疲劳日益成为影响人们身心健康和工作效率的最大负面因素之一。脑力疲劳的传统评估方法如主观量表和行为学测试存在信度低且需要被试者主动配合等局限性。近年来，一些电生理指标已经介入脑力疲劳的研究中，但由于电生理信号源于非线性、时变、非平稳的复杂系统，故而传统信号处理方法存在很大的局限性。考虑到大脑系统的非线性动力学特性和单一研究方法存在的局限性，本项目提出运用非线性动力学理论结合经典信号处理方法来研究脑电、心电等多种电生理信号，旨在揭示脑力疲劳的非线性本质和更好地洞察人体的节律。在电生理指标研究基础上，本课题将进一步融合主观量表和行为学指标，利用机器智能学习方法来系统、综合、定量地对脑力疲劳进行风险评估和早期预警研究。本课题的研究成果将为多参数信号脑力疲劳实时监测技术提供理论基础，更为降低因脑力疲劳造成的交通事故、操作故障、人员伤亡提供理论依据和有效手段。