sapiСистемный анализ и прикладная информатика«System analysis and applied information science»2309-49232414-0481Belarusian National Technical University10.21122/2309-4923-2020-4-45-53sapi-496Research ArticleОбработка информации и принятие решенийData processing and decision–makingОценка состояния оператора в условиях электромагнитного шумового излученияEvaluation of operator’s state under the influence of electromagnetic noise generatorСидоренкоА. B.SidorenkoA. V.

Доктор технических наук, профессор кафедры физики и аэрокосмических технологий факультета радиофизики и компьютерных технологий

Doctor of science in techniques, professor of physics and aerospace technology department of radiophysics and computer technologies faculty

sidorenkoA@yandex.ruСолодухоН. А.SaladukhaM. A.

Магистр физико-математических наук, старший преподаватель кафедры телекоммуникаций и информационных технологий факультета радиофизики и компьютерных технологий

 

Master of physics and mathematics, senior teacher of telecommunication and information technology department of radiophysics and computer technologies faculty

malkomus@gmail.comБелорусский государственный университетБеларусьBelarusian State UniversityBelarus202028012021044553Copyright © Сидоренко А.B., Солодухо Н.А., 20212021Сидоренко А.B., Солодухо Н.А.Sidorenko A.V., Saladukha M.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sapi.bntu.by/jour/article/view/496

Цель работы, результаты которой представлены в рамках статьи, заключалась в исследовании закономерностей изменений нелинейных параметров ЭЭГ, представленных выборочной энтропией, корреляционной размерностью, фрактальной размерностью, сложностью Лемпеля-Зива при облучении оператора электромагнитным шумовым излучением. Вместе с вышеуказанными нелинейными параметрами исследовалось изменение спектральной плотности мощности дельта-, тета-, альфа- и бета-ритмов. Изменение спектральной плотности мощности бетаи тета-ритмов, фрактальной размерности и выборочной энтропии при облучении было связано с изменением вышеуказанных параметров при депрессии. Изменение спектральной плотности мощности дельта-, тета-, альфа- и бета-ритмов, корреляционной размерности и сложности Лемпеля-Зива при облучении было связано с изменением вышеуказанных параметров при стрессе. Изменение спектральной плотности мощности тета-ритма, выборочной энтропии и сложности Лемпеля-Зива при облучении было связано с изменением вышеуказанных параметров при умственной усталости. Мощность генератора электромагнитного шума составляла 30мВт, спектральный диапазон составлял 5ГГц, а сам генератор представлял собой генератор электромагнитного шумового излучения на транзисторах. Было изучено математическое описание расчета нелинейных параметров, представленных выборочной энтропией, корреляционной размерностью, фрактальной размерностью и сложностью Лемпеля-Зива. Регистрация электроэнцефалограмм осуществлялась по схеме “10/20” с использованием электроэнцефалографа “Нейрокартограф” фирмы МБН. Результаты работы показали наличие депрессивного и стрессового состояния, а также отсутствие умственной усталости при воздействии электромагнитным шумовым излучением, если руководствоваться изменением выборочной энтропии, корреляционной размерности, фрактальной размерности, сложности Лемпеля-Зива и спектральной плотности мощности.

электромагнитный шумдепрессиястрессумственная усталостьЭЭГelectromagnetic noisedepressionstressmental fatigueelectroencephalogramReferencesСидоренко, А.В., Солодухо Н. А. Эмоциональное состояние оператора при воздействии электромагнитного шумового излучения. Доклады БГУИР. 2019;(4):5–10.Sidorenko A. V., Solodyuho N.A. Emotion state of operator subjected by electromagnetic noise radiation. Doklady BGUIR. 2019;(4):5–10. (In Russ.)Richman J. S., Moorman J. R. Physiological time-series analysis using approximate entropy and sample entropy. Am. J. Physiol. Heart Circ. Physiol. 2000;278(6):2039–2049.Richman J. S., Moorman J. R. Physiological time-series analysis using approximate entropy and sample entropy. Am. J. Physiol. Heart Circ. Physiol. 2000;278(6):2039–2049.Сидоренко, А. В. Методы информационного анализа биоэлектрических сигналов. Мн.: БГУ; 2003.Sidorenko A. V. Metody informacionnogo analiza biojelektricheskih signalov. Minsk: BGU; 2003. (in Russ.)Harne B. P. Higuchi Fractal Dimension Analysis of EEG Signal before and after OM Chanting to Observe Overall Effect on Brain. IJECE. 2014;4(4):585–592.Harne B. P. Higuchi Fractal Dimension Analysis of EEG Signal before and after OM Chanting to Observe Overall Effect on Brain. IJECE. 2014;4(4):585–592.Petrov L.A., Lewin P. L., Czaszejko T. On the Applicability of Nonlinear Time series Methods for Partial Discharge Analysis. IEEE Transactions on Dielectrics and Electrical Insulation. 2014;21:284–293.Petrov L.A., Lewin P. L., Czaszejko T. On the Applicability of Nonlinear Time series Methods for Partial Discharge Analysis. IEEE Transactions on Dielectrics and Electrical Insulation. 2014;21:284–293.Armitage R., Hoffman R. F., Rush A. J. Biological rhythm disturbance in depression: temporal coherence of ultradian sleep EEG rhythms. Psychol Med. 1999;29(6):1435–1448.Armitage R., Hoffman R. F., Rush A. J. Biological rhythm disturbance in depression: temporal coherence of ultradian sleep EEG rhythms. Psychol Med. 1999;29(6):1435–1448.Bachmann M. Spectral Asymmetry and Higuchi’s Fractal Dimension Measures of Depression Electroencephalogram. Computational and Mathematical Methods in Medicine. 2013;2013:251638–1–251638–8.Bachmann M. Spectral Asymmetry and Higuchi’s Fractal Dimension Measures of Depression Electroencephalogram. Computational and Mathematical Methods in Medicine. 2013;2013:251638–1–251638–8.Bachmann M., Lass J., Hinrikus H. Single channel EEG analysis for detection of depression. Biomedical Signal Processing and Control.2017;31:391–397.Bachmann M., Lass J., Hinrikus H. Single channel EEG analysis for detection of depression. Biomedical Signal Processing and Control.2017;31:391–397.Hong Peng, A method of identifying chronic stress by EEG. Personal and Ubiquitous Computing. 2013;17(17):1341– 1347.Hong Peng, A method of identifying chronic stress by EEG. Personal and Ubiquitous Computing. 2013;17(17):1341– 1347.Perrin S. L. Waking qEEG to assess psychophysiological stress and alertness during simulated on-call conditions. International Journal of Psychophysiology. 2019;141:93–100.Perrin S. L. Waking qEEG to assess psychophysiological stress and alertness during simulated on-call conditions. International Journal of Psychophysiology. 2019;141:93–100.Lili Li, EEG-based Mental Fatigue Detection by Spectral Non-negative Matrix Factorization. Conf Proc IEEE Eng Med Biol Soc. 2016;2016: 3716–3719.Lili Li, EEG-based Mental Fatigue Detection by Spectral Non-negative Matrix Factorization. Conf Proc IEEE Eng Med Biol Soc. 2016;2016: 3716–3719.Fei Wang, EEG-based mental fatigue assessment during driving by using sample entropy and rhythm energy. The 5th Annual IEEE International Conference on Cyber Technology in Automation, Control and Intelligent Systems. 2015;2015:1906–1911.Fei Wang, EEG-based mental fatigue assessment during driving by using sample entropy and rhythm energy. The 5th Annual IEEE International Conference on Cyber Technology in Automation, Control and Intelligent Systems. 2015;2015:1906–1911.Rui Xu, How Physical Activities Affect Mental Fatigue Based on EEG Energy, Connectivity, and Complexity. Frontiers in Neurology. 2018;9:1–13.Rui Xu, How Physical Activities Affect Mental Fatigue Based on EEG Energy, Connectivity, and Complexity. Frontiers in Neurology. 2018;9:1–13.Сидоренко А. В., Солодухо Н. А. Воздействие шумового излучения на центральную нервную систему. Электроника ИНФО. 2016;(11):58–62.Sidorenko A. V., Soloduho N.A. Vozdejstvie shumovogo izluchenija na central’nuju nervnuju sistemu. Jelektronika INFO. 2016;(11):58–62. (In Russ.)

The authors declare that there are no conflicts of interest present.