Оценка состояния оператора в условиях электромагнитного шумового излучения


https://doi.org/10.21122/2309-4923-2020-4-45-53

Полный текст:


Аннотация

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.


Об авторах

А. B. Сидоренко
Белорусский государственный университет
Беларусь
Доктор технических наук, профессор кафедры физики и аэрокосмических технологий факультета радиофизики и компьютерных технологий


Н. А. Солодухо
Белорусский государственный университет
Беларусь

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

 



Список литературы

1. Сидоренко, А.В., Солодухо Н. А. Эмоциональное состояние оператора при воздействии электромагнитного шумового излучения. Доклады БГУИР. 2019;(4):5–10.

2. 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.

3. Сидоренко, А. В. Методы информационного анализа биоэлектрических сигналов. Мн.: БГУ; 2003.

4. 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.

5. 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.

6. 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.

7. 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.

8. Bachmann M., Lass J., Hinrikus H. Single channel EEG analysis for detection of depression. Biomedical Signal Processing and Control.2017;31:391–397.

9. Hong Peng, A method of identifying chronic stress by EEG. Personal and Ubiquitous Computing. 2013;17(17):1341– 1347.

10. Perrin S. L. Waking qEEG to assess psychophysiological stress and alertness during simulated on-call conditions. International Journal of Psychophysiology. 2019;141:93–100.

11. Lili Li, EEG-based Mental Fatigue Detection by Spectral Non-negative Matrix Factorization. Conf Proc IEEE Eng Med Biol Soc. 2016;2016: 3716–3719.

12. 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.

13. Rui Xu, How Physical Activities Affect Mental Fatigue Based on EEG Energy, Connectivity, and Complexity. Frontiers in Neurology. 2018;9:1–13.

14. Сидоренко А. В., Солодухо Н. А. Воздействие шумового излучения на центральную нервную систему. Электроника ИНФО. 2016;(11):58–62.


Дополнительные файлы

Для цитирования: Сидоренко А.B., Солодухо Н.А. Оценка состояния оператора в условиях электромагнитного шумового излучения. «Системный анализ и прикладная информатика». 2020;(4):45-53. https://doi.org/10.21122/2309-4923-2020-4-45-53

For citation: Sidorenko A.V., Saladukha M.A. Evaluation of operator’s state under the influence of electromagnetic noise generator. «System analysis and applied information science». 2020;(4):45-53. (In Russ.) https://doi.org/10.21122/2309-4923-2020-4-45-53

Просмотров: 69

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2309-4923 (Print)
ISSN 2414-0481 (Online)