基于腦電信號的電子游戲腦力疲勞精準評價體系構(gòu)建與應用研究一、緒論1.1研究背景在科技飛速發(fā)展的當下，電子游戲行業(yè)呈現(xiàn)出蓬勃發(fā)展的態(tài)勢，已然成為全球文化娛樂產(chǎn)業(yè)的關鍵組成部分。從最初簡單的像素游戲，到如今具備高度逼真畫面與復雜劇情的3A大作，電子游戲在技術與內(nèi)容層面均實現(xiàn)了質(zhì)的飛躍。據(jù)相關數(shù)據(jù)統(tǒng)計，2023年全球電子游戲市場規(guī)模達到了2000億美元左右，中國作為全球最大的電子游戲市場之一，2023年國內(nèi)電子游戲市場實際銷售收入高達3029.64億元，同比增長13.95%，用戶規(guī)模也達到了6.68億人。這些數(shù)據(jù)充分表明，電子游戲在人們的生活中占據(jù)著愈發(fā)重要的地位。電子游戲類型豐富多樣，涵蓋了角色扮演、動作冒險、策略模擬、競技對抗等多種類型，能夠滿足不同玩家的興趣與需求。例如，《英雄聯(lián)盟》作為一款多人在線競技游戲，吸引了全球數(shù)億玩家參與，其職業(yè)聯(lián)賽更是備受矚目；而《原神》以其精美的畫面、豐富的劇情和開放的世界設定，在全球范圍內(nèi)收獲了大量粉絲。隨著5G、云計算、虛擬現(xiàn)實（VR）/增強現(xiàn)實（AR）等技術的不斷發(fā)展，電子游戲的體驗也在不斷升級，為玩家?guī)砹烁映两健⒒有詮姷挠螒蚋惺堋?G技術的高速低延遲特性，使得云游戲成為可能，玩家無需下載龐大的游戲客戶端，即可通過云端服務器實時游玩游戲；VR和AR技術則為玩家創(chuàng)造了更加真實的虛擬環(huán)境，讓玩家能夠身臨其境地感受游戲世界。然而，在電子游戲帶來娛樂與放松的同時，長時間游玩所引發(fā)的腦力疲勞問題也不容忽視。相關研究表明，當玩家連續(xù)進行2小時以上的高強度游戲時，就可能出現(xiàn)不同程度的腦力疲勞癥狀。據(jù)調(diào)查，約70%的游戲玩家在長時間游戲后會感到頭暈、注意力不集中、反應遲緩等，這些癥狀不僅會影響游戲體驗，降低游戲表現(xiàn)，還可能對玩家的身心健康造成長期的負面影響。若長期處于腦力疲勞狀態(tài)，可能導致記憶力下降、失眠、焦慮等問題，甚至會引發(fā)更嚴重的神經(jīng)系統(tǒng)疾病。在一些職業(yè)電競比賽中，選手們由于長時間高強度的訓練和比賽，經(jīng)常會出現(xiàn)腦力疲勞的情況，這不僅影響了他們的比賽發(fā)揮，還對他們的身體健康造成了威脅。準確評價電子游戲過程中的腦力疲勞狀態(tài)，對于保障玩家的健康和提升游戲體驗具有重要意義。傳統(tǒng)的主觀評價方法，如讓玩家自我報告疲勞程度，存在較大的主觀性和個體差異，不同玩家對疲勞的感知和表達可能各不相同，導致評價結(jié)果不夠準確可靠。行為觀察法雖然能夠通過觀察玩家的行為表現(xiàn)來推斷疲勞狀態(tài)，但一些細微的疲勞跡象可能難以被察覺，且容易受到環(huán)境因素的干擾。因此，尋找一種客觀、準確的腦力疲勞評價方法迫在眉睫。腦電信號（EEG）作為大腦神經(jīng)元活動的電生理表現(xiàn)，能夠直接反映大腦的功能狀態(tài)和認知過程，為解決這一問題提供了新的途徑。當大腦處于不同的疲勞狀態(tài)時，腦電信號的特征，如頻率、振幅、節(jié)律等會發(fā)生相應的變化。通過對這些變化的分析，可以準確地判斷大腦的疲勞程度。近年來，隨著腦電信號采集技術和數(shù)據(jù)分析方法的不斷發(fā)展，基于腦電信號的腦力疲勞評價方法逐漸成為研究的熱點。一些研究已經(jīng)成功地利用腦電信號識別出了不同程度的腦力疲勞狀態(tài)，為電子游戲腦力疲勞的評價提供了科學依據(jù)和技術支持。深入研究基于腦電信號的電子游戲腦力疲勞評價方法，對于促進電子游戲行業(yè)的健康發(fā)展、保障玩家的身心健康具有重要的現(xiàn)實意義。1.2研究目的與意義本研究旨在深入探究基于腦電信號的電子游戲腦力疲勞評價方法，具體目的如下：構(gòu)建客觀準確的評價方法：通過對腦電信號的深入分析，提取能夠有效反映腦力疲勞的特征指標，構(gòu)建一種客觀、準確、可靠的電子游戲腦力疲勞評價方法，彌補傳統(tǒng)評價方法的不足，為準確評估玩家在游戲過程中的腦力疲勞狀態(tài)提供科學工具。保障玩家的身心健康：準確評估腦力疲勞狀態(tài)，能夠及時提醒玩家休息，避免過度疲勞對身體和大腦造成損害，有助于預防因長期腦力疲勞引發(fā)的各種健康問題，如記憶力減退、注意力不集中、失眠、焦慮等，從而保障玩家的身心健康。為游戲設計提供參考依據(jù)：了解玩家在游戲過程中的腦力疲勞變化規(guī)律，能夠為游戲開發(fā)者提供有價值的參考，幫助他們優(yōu)化游戲設計，合理調(diào)整游戲難度、節(jié)奏和時長，使游戲更加符合玩家的認知和生理特點，減少玩家的疲勞感，提升游戲的趣味性和可玩性，促進電子游戲行業(yè)的健康發(fā)展。推動腦電信號技術在游戲領域的應用：本研究將進一步探索腦電信號在電子游戲領域的應用潛力，拓展腦電信號技術的應用范圍，為未來開發(fā)更加智能化、個性化的游戲交互系統(tǒng)奠定基礎，推動電子游戲與腦科學技術的深度融合。本研究具有重要的理論意義和實際應用價值：理論意義：豐富和完善了腦力疲勞評價的理論體系，深入揭示了電子游戲過程中大腦的生理機制和認知變化規(guī)律，為腦科學、心理學等相關學科的研究提供了新的視角和實證依據(jù)。同時，推動了腦電信號分析技術的發(fā)展，促進了多學科交叉融合，為解決復雜的現(xiàn)實問題提供了新的方法和思路。實際應用價值：對于游戲玩家而言，能夠幫助他們更好地了解自己在游戲過程中的身體狀態(tài)，合理安排游戲時間，避免過度疲勞，提升游戲體驗。對于游戲開發(fā)者來說，可以根據(jù)研究結(jié)果優(yōu)化游戲設計，提高游戲品質(zhì)，增強玩家的粘性和忠誠度，從而在激烈的市場競爭中獲得優(yōu)勢。此外，該研究成果還可以應用于職業(yè)電競訓練、心理評估、人機交互等領域，具有廣泛的應用前景。在職業(yè)電競訓練中，教練可以通過監(jiān)測選手的腦電信號，及時調(diào)整訓練計劃，提高訓練效果；在心理評估中，醫(yī)生可以利用腦電信號分析患者的精神狀態(tài)，輔助診斷和治療心理疾?。辉谌藱C交互領域，腦電信號技術可以實現(xiàn)更加自然、高效的人機交互，提升智能設備的用戶體驗。1.3國內(nèi)外研究現(xiàn)狀近年來，隨著電子游戲的普及和人們對大腦認知研究的深入，基于腦電信號的電子游戲腦力疲勞評價方法逐漸成為研究熱點。國內(nèi)外學者在腦電信號分析、腦力疲勞評價以及電子游戲相關研究等方面都取得了一定的成果。在腦電信號分析方面，國外研究起步較早，技術相對成熟。例如，美國的一些研究團隊利用先進的腦電采集設備，能夠高精度地獲取大腦的電生理信號。他們通過對腦電信號的時域、頻域和時頻域分析，提取出豐富的特征信息。在時域分析中，關注腦電信號的均值、方差、峰值等特征；頻域分析則借助傅里葉變換等方法，研究信號的頻率組成和功率分布；時頻域分析采用小波變換、短時傅里葉變換等技術，兼顧信號的時域和頻域特性，從而更全面地了解大腦的活動狀態(tài)。在情感識別研究中，通過分析腦電信號在不同頻段的能量變化，準確識別出了快樂、悲傷、憤怒等多種情緒狀態(tài)。國內(nèi)在腦電信號分析領域也取得了顯著進展。清華大學、浙江大學等高校的科研團隊，針對腦電信號的高噪聲、非平穩(wěn)性等特點，研發(fā)了一系列有效的預處理和特征提取方法。通過改進濾波算法，有效去除了工頻干擾、肌電干擾等噪聲，提高了腦電信號的質(zhì)量；在特征提取方面，不僅運用傳統(tǒng)的時域、頻域特征，還引入了非線性動力學特征，如熵、分形維數(shù)等，豐富了特征維度，提升了對大腦狀態(tài)的表征能力。國內(nèi)學者還在腦電信號分析算法的優(yōu)化和創(chuàng)新方面進行了大量研究，提出了一些具有自主知識產(chǎn)權(quán)的算法，在國際上引起了廣泛關注。在腦力疲勞評價研究方面，國外研究主要集中在建立客觀的評價指標體系和開發(fā)高效的評價模型。一些研究利用機器學習和深度學習算法，對腦電信號特征進行分類和回歸分析，實現(xiàn)了對腦力疲勞程度的自動識別。采用支持向量機（SVM）、隨機森林等傳統(tǒng)機器學習算法，以及卷積神經(jīng)網(wǎng)絡（CNN）、循環(huán)神經(jīng)網(wǎng)絡（RNN）等深度學習算法，對不同疲勞狀態(tài)下的腦電信號進行訓練和預測，取得了較高的準確率。研究人員還將眼動信號、心率變異性等生理信號與腦電信號相結(jié)合，構(gòu)建多模態(tài)的腦力疲勞評價模型，進一步提高了評價的準確性和可靠性。國內(nèi)學者在腦力疲勞評價方面，注重結(jié)合心理學和認知科學的理論，深入探究腦力疲勞的產(chǎn)生機制和影響因素。通過大量的實驗研究，分析了不同任務類型、任務難度、持續(xù)時間等因素對腦力疲勞的影響，為建立科學的評價體系提供了理論依據(jù)。在評價方法上，除了借鑒國外先進的技術和算法外，還結(jié)合國內(nèi)人群的特點，進行了針對性的改進和優(yōu)化。一些研究團隊提出了基于腦電信號復雜度分析的腦力疲勞評價方法，通過計算腦電信號的近似熵、樣本熵等復雜度指標，準確反映了大腦的疲勞程度，具有較高的應用價值。在電子游戲相關研究方面，國外對電子游戲?qū)φJ知能力的影響進行了廣泛而深入的探討。一些研究表明，適度玩電子游戲可以提高玩家的注意力、反應速度、空間認知能力等。美國的一項研究發(fā)現(xiàn)，經(jīng)常玩動作類游戲的玩家，在注意力分配和視覺搜索任務中的表現(xiàn)明顯優(yōu)于不玩游戲的人群。國外還對電子游戲成癮問題進行了大量研究，通過腦成像技術和心理學實驗，揭示了游戲成癮的神經(jīng)機制和心理特征，為預防和治療游戲成癮提供了理論支持。國內(nèi)在電子游戲研究領域，除了關注游戲?qū)ν婕艺J知和心理的影響外，還結(jié)合國內(nèi)游戲市場的特點，對游戲設計、游戲產(chǎn)業(yè)發(fā)展等方面進行了研究。研究人員通過對玩家行為數(shù)據(jù)的分析，了解玩家的游戲偏好和需求，為游戲開發(fā)者提供了有價值的參考，促進了國內(nèi)游戲產(chǎn)業(yè)的發(fā)展。國內(nèi)還在電子競技領域開展了大量研究，對電子競技選手的訓練方法、心理狀態(tài)調(diào)節(jié)、比賽策略等方面進行了深入探討，為提高我國電子競技水平提供了理論支持和實踐指導。盡管國內(nèi)外在基于腦電信號的電子游戲腦力疲勞評價方法研究方面取得了一定成果，但仍存在一些不足之處。目前的研究大多集中在實驗室環(huán)境下，與實際游戲場景存在一定差異，導致研究結(jié)果的實際應用受到限制。不同研究采用的腦電采集設備、實驗任務、數(shù)據(jù)分析方法等各不相同，缺乏統(tǒng)一的標準和規(guī)范，使得研究結(jié)果難以比較和驗證?，F(xiàn)有的腦力疲勞評價模型在準確性、穩(wěn)定性和泛化能力等方面還有待進一步提高，需要探索更加有效的特征提取和分類算法，以適應復雜多變的游戲場景和個體差異。1.4研究方法與技術路線為實現(xiàn)本研究目標，將綜合運用多種研究方法，確保研究的科學性、全面性和深入性。實驗研究法：這是本研究的核心方法。精心選取具有不同游戲經(jīng)驗和背景的參與者，以確保樣本的多樣性和代表性。讓他們在嚴格控制的實驗環(huán)境中進行各類電子游戲，涵蓋不同類型、難度和時長的游戲任務，模擬真實游戲場景。在游戲過程中，使用高精度的腦電信號采集設備，如EGIGeodesicEEGSystem600等，實時、準確地記錄參與者的腦電信號，同時同步記錄參與者的行為數(shù)據(jù)，如游戲操作頻率、反應時間、失誤次數(shù)等，以及通過問卷和訪談收集他們的主觀感受和疲勞評價，為后續(xù)分析提供多維度的數(shù)據(jù)支持。在研究不同類型游戲?qū)δX力疲勞的影響時，選擇動作類游戲《英雄聯(lián)盟》、策略類游戲《三國志》和角色扮演類游戲《原神》，讓參與者分別進行一定時長的游戲，記錄相關數(shù)據(jù)進行分析。文獻研究法：全面搜集國內(nèi)外關于腦電信號分析、腦力疲勞評價以及電子游戲相關的學術文獻、研究報告、專利等資料，了解該領域的研究現(xiàn)狀、發(fā)展趨勢和存在的問題。對這些資料進行系統(tǒng)梳理和深入分析，總結(jié)前人的研究成果和經(jīng)驗，為本研究提供堅實的理論基礎和研究思路，避免重復研究，確保研究的創(chuàng)新性和前沿性。通過對相關文獻的分析，了解到目前在腦電信號特征提取方面，常用的方法有時域分析、頻域分析和時頻域分析等，這些方法為后續(xù)實驗中的數(shù)據(jù)處理提供了參考。數(shù)據(jù)分析方法：在腦電信號預處理階段，采用濾波、去噪、基線校正等方法，去除信號中的噪聲和干擾，提高信號質(zhì)量。運用獨立成分分析（ICA）等技術去除眼電、肌電等偽跡，確保腦電信號的真實性和可靠性。在特征提取方面，結(jié)合時域、頻域和非線性動力學等多種方法，提取腦電信號的均值、方差、功率譜、近似熵、分形維數(shù)等特征，全面反映大腦的活動狀態(tài)。利用主成分分析（PCA）、線性判別分析（LDA）等降維方法，對高維特征進行篩選和降維，去除冗余信息，提高模型的訓練效率和分類準確率。采用支持向量機（SVM）、隨機森林（RF）、卷積神經(jīng)網(wǎng)絡（CNN）、循環(huán)神經(jīng)網(wǎng)絡（RNN）等機器學習和深度學習算法，構(gòu)建腦力疲勞分類模型，對不同疲勞程度的腦電信號進行分類和預測，并通過交叉驗證、準確率、召回率、F1值等指標對模型性能進行評估和優(yōu)化。在構(gòu)建分類模型時，對比SVM、RF和CNN三種算法在不同特征組合下的分類效果，選擇最優(yōu)的模型和特征組合。本研究的技術路線如下：前期準備：廣泛查閱文獻，了解基于腦電信號的腦力疲勞評價方法以及電子游戲相關研究的現(xiàn)狀和發(fā)展趨勢，明確研究目的和內(nèi)容，制定詳細的研究方案。根據(jù)研究需求，選擇合適的腦電信號采集設備和實驗游戲，搭建實驗平臺，對實驗設備進行調(diào)試和校準，確保實驗的順利進行。在選擇腦電信號采集設備時，綜合考慮設備的采樣率、通道數(shù)、精度等因素，最終選擇了一款采樣率高、通道數(shù)多且精度可靠的設備。實驗設計與數(shù)據(jù)采集：設計合理的游戲任務和實驗流程，招募參與者并進行實驗前的培訓和準備工作。在實驗過程中，嚴格按照實驗方案進行操作，確保數(shù)據(jù)采集的準確性和一致性。同時，注意記錄實驗過程中的各種細節(jié)和異常情況，以便后續(xù)分析。在實驗設計中，將游戲任務分為不同的階段，每個階段設置不同的難度和時長，觀察參與者在不同階段的腦電信號和行為表現(xiàn)。數(shù)據(jù)預處理與特征提?。簩Σ杉降哪X電信號和行為數(shù)據(jù)進行預處理，去除噪聲和干擾，提取有效的特征。對腦電信號進行濾波處理，去除工頻干擾和高頻噪聲；對行為數(shù)據(jù)進行清洗，去除異常值和錯誤數(shù)據(jù)。然后，運用多種特征提取方法，從預處理后的數(shù)據(jù)中提取能夠反映腦力疲勞的特征，構(gòu)建特征數(shù)據(jù)集。在特征提取過程中，嘗試不同的特征提取方法和參數(shù)設置，比較不同特征組合對后續(xù)分類效果的影響。模型構(gòu)建與訓練：選擇合適的機器學習和深度學習算法，構(gòu)建腦力疲勞分類模型，并使用訓練數(shù)據(jù)集對模型進行訓練和優(yōu)化。通過調(diào)整模型參數(shù)、選擇不同的特征組合等方式，提高模型的性能和泛化能力。在模型訓練過程中，采用交叉驗證的方法，將訓練數(shù)據(jù)集分為多個子集，輪流將其中一個子集作為驗證集，其余子集作為訓練集，以評估模型的性能和穩(wěn)定性。模型評估與驗證：使用測試數(shù)據(jù)集對訓練好的模型進行評估，通過準確率、召回率、F1值等指標衡量模型的分類性能。同時，采用獨立的實驗數(shù)據(jù)對模型進行驗證，確保模型的可靠性和有效性。在模型評估過程中，不僅關注模型的整體性能指標，還對不同疲勞程度的分類效果進行詳細分析，找出模型的優(yōu)勢和不足之處。結(jié)果分析與討論：對實驗結(jié)果進行深入分析，探討基于腦電信號的電子游戲腦力疲勞評價方法的可行性和有效性，分析不同因素對腦力疲勞的影響機制。與前人研究結(jié)果進行對比，討論本研究的創(chuàng)新點和不足之處，提出改進建議和未來研究方向。在結(jié)果分析中，運用統(tǒng)計分析方法，驗證不同因素對腦力疲勞影響的顯著性，為研究結(jié)論提供有力的支持。二、相關理論基礎2.1腦力疲勞概述2.1.1腦力疲勞的定義與機制腦力疲勞是指個體在長時間進行高強度的腦力活動后，大腦出現(xiàn)的一種暫時性的功能下降狀態(tài)。這種狀態(tài)表現(xiàn)為注意力難以集中、反應遲緩、思維能力減退、記憶力下降等一系列認知功能的衰退，同時還可能伴隨著身體的疲倦、困倦以及情緒上的低落、煩躁等非認知癥狀。從本質(zhì)上來說，腦力疲勞是大腦為了避免過度消耗而啟動的一種自我保護機制，它提醒個體需要適當休息，以恢復大腦的正常功能。腦力疲勞的產(chǎn)生機制是一個復雜的過程，涉及多個生理和心理層面。從神經(jīng)生理角度來看，長時間的腦力活動會導致大腦神經(jīng)元的能量消耗增加。神經(jīng)元活動需要消耗大量的三磷酸腺苷（ATP），當ATP儲備不足時，神經(jīng)元的興奮性會降低，神經(jīng)傳導速度減慢，從而影響大腦的信息處理能力。在進行復雜的數(shù)學運算或長時間的閱讀寫作時，大腦需要不斷地進行思考和分析，這會使神經(jīng)元持續(xù)處于活躍狀態(tài)，消耗大量的能量。隨著時間的推移，能量供應逐漸不足，就會出現(xiàn)大腦反應變慢、思維卡頓等疲勞癥狀。神經(jīng)遞質(zhì)系統(tǒng)的失衡也是導致腦力疲勞的重要因素之一。神經(jīng)遞質(zhì)是神經(jīng)元之間傳遞信息的化學物質(zhì)，它們在大腦的認知和情緒調(diào)節(jié)中起著關鍵作用。例如，多巴胺是一種與動機、獎勵和注意力相關的神經(jīng)遞質(zhì)，當大腦處于疲勞狀態(tài)時，多巴胺的分泌會減少，導致個體的注意力難以集中，對任務的興趣和動力下降。去甲腎上腺素參與調(diào)節(jié)大腦的覺醒和警覺水平，疲勞時其分泌異常也會使個體感到困倦、反應遲鈍。長時間的工作壓力或睡眠不足會打亂神經(jīng)遞質(zhì)的正常分泌節(jié)律，進而引發(fā)腦力疲勞。大腦的能量代謝和血液循環(huán)在腦力疲勞的發(fā)生中也扮演著重要角色。當大腦進行高強度的活動時，其對氧氣和葡萄糖的需求大幅增加。如果血液循環(huán)不能及時滿足這些需求，大腦就會因缺氧和能量供應不足而產(chǎn)生疲勞感。研究表明，長時間久坐不動會導致血液循環(huán)不暢，影響大腦的血液灌注，增加腦力疲勞的發(fā)生風險。此外，大腦在代謝過程中會產(chǎn)生一些代謝產(chǎn)物，如乳酸、腺苷等，這些物質(zhì)的積累會對神經(jīng)元的功能產(chǎn)生抑制作用，進一步加重腦力疲勞。乳酸的堆積會使大腦的酸性環(huán)境增強，影響神經(jīng)遞質(zhì)的合成和釋放，從而干擾大腦的正常功能。2.1.2電子游戲中腦力疲勞的表現(xiàn)與影響在電子游戲過程中，玩家常常會經(jīng)歷不同程度的腦力疲勞，其表現(xiàn)形式多樣，涉及認知、生理和行為等多個方面。在認知方面，最顯著的表現(xiàn)是注意力下降。玩家難以長時間將注意力集中在游戲任務上，容易被游戲中的無關元素或外界干擾因素吸引，導致對游戲關鍵信息的捕捉和處理能力降低。在玩競技類游戲時，玩家可能會因為注意力不集中而錯過對手的關鍵動作，從而做出錯誤的決策，影響游戲表現(xiàn)。記憶力減退也是常見的認知表現(xiàn)，玩家可能會忘記游戲中的重要情節(jié)、任務目標或操作步驟，需要反復查看提示或詢問隊友。在角色扮演類游戲中，玩家可能會忘記與NPC的對話內(nèi)容，導致無法順利完成任務。思維變得遲緩，對游戲中出現(xiàn)的復雜情況難以迅速做出準確的分析和判斷，決策速度明顯減慢。在策略類游戲中，玩家在面對對手的多種策略時，需要花費更多的時間來思考應對方案，從而錯失最佳時機。生理方面，腦力疲勞會引發(fā)一系列身體反應。玩家可能會感到頭痛，這是由于大腦長時間處于緊張狀態(tài)，導致腦血管收縮和舒張功能失調(diào)，引起頭部疼痛。眼睛疲勞也是常見的癥狀，長時間注視屏幕會使眼睛的睫狀肌持續(xù)收縮，導致眼睛干澀、酸脹、視物模糊，嚴重時甚至會影響視力。隨著游戲時間的延長，玩家還可能出現(xiàn)頸部和肩部肌肉緊張、僵硬的情況，這是因為在游戲過程中，玩家往往保持一個固定的姿勢，長時間不活動，使得頸部和肩部肌肉承受了較大的壓力。此外，疲勞還會導致身體困倦、乏力，玩家會不自覺地打哈欠，身體的活動能力和協(xié)調(diào)性下降。行為表現(xiàn)上，玩家的游戲操作準確性和流暢性會受到明顯影響。由于反應速度變慢和注意力不集中，玩家在進行游戲操作時容易出現(xiàn)失誤，如在射擊類游戲中，玩家可能會因為按鍵時機不準確而無法準確射擊目標；在賽車類游戲中，玩家可能會因為操作失誤而導致車輛失控。玩家的游戲節(jié)奏也會發(fā)生變化，可能會變得更加謹慎，不敢輕易采取行動，或者變得過于急躁，盲目地進行操作。一些玩家在疲勞狀態(tài)下，會頻繁地暫停游戲，或者表現(xiàn)出對游戲的不耐煩，甚至直接放棄游戲。電子游戲中的腦力疲勞對玩家會產(chǎn)生多方面的影響。它會嚴重降低游戲體驗，使玩家無法從游戲中獲得應有的樂趣和滿足感。原本令人興奮和投入的游戲變得枯燥乏味，玩家對游戲的興趣逐漸減退。對于競技類游戲玩家來說，腦力疲勞會直接影響比賽成績。在職業(yè)電競比賽中，選手們長時間的高強度比賽很容易導致腦力疲勞，一旦出現(xiàn)疲勞狀態(tài)，他們的反應速度、操作精度和戰(zhàn)術執(zhí)行能力都會下降，從而影響比賽的勝負。長期處于電子游戲中的腦力疲勞狀態(tài)還可能對玩家的身心健康造成損害。過度的疲勞會導致睡眠障礙，影響夜間的睡眠質(zhì)量，進而形成惡性循環(huán)，加重疲勞感。長期積累的腦力疲勞還可能引發(fā)焦慮、抑郁等心理問題，對玩家的心理健康產(chǎn)生負面影響。2.2腦電信號基礎2.2.1腦電信號的產(chǎn)生與特點腦電信號（Electroencephalogram，EEG）是大腦神經(jīng)元活動時產(chǎn)生的生物電信號，它是大腦功能狀態(tài)的電生理表現(xiàn)。大腦由約1000億個神經(jīng)元組成，這些神經(jīng)元通過突觸相互連接，形成了一個極其復雜的神經(jīng)網(wǎng)絡。當神經(jīng)元受到刺激而興奮時，會產(chǎn)生離子電流，這些離子電流在細胞外液中流動，形成了微弱的電場變化，這些變化通過頭皮表面的電極就可以被檢測到，從而記錄下腦電信號。當大腦進行視覺處理時，枕葉區(qū)域的神經(jīng)元會被激活，產(chǎn)生相應的腦電信號變化；在進行語言思考時，顳葉和額葉的神經(jīng)元活動會增強，也會反映在腦電信號中。腦電信號具有以下顯著特點：微弱性：腦電信號的幅值非常小，通常在微伏（μV）量級，一般在10-100μV之間。相比之下，日常生活中的電信號，如市電的電壓為220V，遠遠高于腦電信號的幅值。這種微弱性使得腦電信號在采集和處理過程中容易受到噪聲的干擾，對采集設備的靈敏度和抗干擾能力提出了很高的要求。高噪聲：腦電信號很容易受到多種噪聲的干擾。其中，環(huán)境噪聲，如電磁干擾、工頻干擾等，會混入腦電信號中，影響其質(zhì)量。生理噪聲也是重要的干擾源，眼電、肌電、心電等生理電信號會與腦電信號相互疊加，形成偽跡。眨眼動作會產(chǎn)生明顯的眼電信號，干擾腦電信號的記錄；肌肉的輕微收縮也會產(chǎn)生肌電信號，對腦電信號造成污染。這些噪聲和偽跡需要在數(shù)據(jù)預處理階段通過有效的方法進行去除，以提高腦電信號的可靠性和準確性。非平穩(wěn)性：腦電信號是一種典型的非平穩(wěn)信號，其統(tǒng)計特性隨時間不斷變化。大腦的生理狀態(tài)和認知活動是復雜多變的，在不同的任務、情緒、疲勞程度等條件下，腦電信號的頻率、幅值、節(jié)律等特征都會發(fā)生改變。在注意力集中時，腦電信號的某些頻段功率會發(fā)生變化；在疲勞狀態(tài)下，腦電信號的節(jié)律會變得不規(guī)則。這就要求在對腦電信號進行分析時，采用能夠適應非平穩(wěn)特性的方法，如時頻分析、非線性動力學分析等，以準確提取其特征信息。個體差異性：不同個體之間的腦電信號存在顯著的差異，這與個體的遺傳因素、大腦結(jié)構(gòu)和功能、生活習慣、健康狀況等多種因素有關。即使在相同的刺激和任務條件下，不同個體的腦電信號特征也可能各不相同。年齡對腦電信號有明顯影響，兒童和成年人的腦電信號在頻率分布和幅值等方面存在差異；長期進行某種特定訓練的個體，其腦電信號可能會表現(xiàn)出與常人不同的特征。這種個體差異性增加了基于腦電信號的研究和應用的難度，需要在數(shù)據(jù)分析和模型建立過程中充分考慮個體因素。2.2.2常見腦電信號分析方法為了從復雜的腦電信號中提取出能夠反映大腦功能狀態(tài)和認知過程的有效信息，研究人員發(fā)展了多種分析方法，這些方法可以大致分為時域分析、頻域分析和時頻分析等幾類。時域分析：時域分析是直接對腦電信號在時間維度上的波形進行分析，主要關注信號的幅值、潛伏期、持續(xù)時間等特征。事件相關電位（Event-RelatedPotential，ERP）是時域分析中常用的方法之一。它是大腦對特定刺激事件產(chǎn)生的一系列電生理反應，通過對多次刺激下的腦電信號進行疊加平均，去除隨機噪聲的干擾，從而突出與刺激相關的電位變化。P300是一種典型的ERP成分，通常在刺激呈現(xiàn)后的300毫秒左右出現(xiàn)，其幅值和潛伏期與認知過程密切相關，如注意力、記憶、決策等。在一個記憶任務中，當呈現(xiàn)目標刺激時，被試的腦電信號中會出現(xiàn)P300成分，通過分析P300的幅值和潛伏期，可以了解被試對目標刺激的認知加工過程和記憶效果。時域分析還包括對腦電信號的均值、方差、峰值等統(tǒng)計特征的計算，這些特征可以在一定程度上反映腦電信號的變化規(guī)律和大腦的活動狀態(tài)。頻域分析：頻域分析將腦電信號從時域轉(zhuǎn)換到頻域，研究信號的頻率組成和功率分布。傅里葉變換（FourierTransform，F(xiàn)T）是頻域分析的基礎，它可以將時域信號分解為不同頻率的正弦和余弦波的疊加，從而得到信號的頻譜。功率譜密度（PowerSpectralDensity，PSD）是頻域分析中常用的指標，它表示信號在各個頻率上的功率分布情況，反映了不同頻率成分對腦電信號總能量的貢獻。在睡眠研究中，通過分析腦電信號的功率譜密度，可以區(qū)分不同的睡眠階段。在深度睡眠階段，腦電信號中低頻成分（如delta波，0.5-3Hz）的功率較高；而在清醒狀態(tài)下，高頻成分（如beta波，13-30Hz）的功率相對較大。頻域分析還可以通過計算不同頻段之間的功率比值，如theta/alpha比值、beta/alpha比值等，來反映大腦的不同功能狀態(tài)，這些比值在注意力、疲勞等研究中具有重要的應用價值。時頻分析：由于腦電信號具有非平穩(wěn)性，單純的時域分析或頻域分析難以全面地反映其特征。時頻分析方法則兼顧了信號的時域和頻域信息，能夠展示信號在不同時間和頻率上的變化情況。短時傅里葉變換（Short-TimeFourierTransform，STFT）是一種簡單的時頻分析方法，它通過在時間軸上滑動一個固定長度的窗函數(shù)，對窗內(nèi)的信號進行傅里葉變換，從而得到信號的時頻分布。然而，STFT的窗函數(shù)長度固定，對于不同頻率成分的分辨率無法自適應調(diào)整。小波變換（WaveletTransform，WT）則克服了這一缺點，它采用可變寬度的小波基函數(shù)對信號進行分解，能夠在不同頻率下提供不同的時間分辨率，對于分析腦電信號這樣的非平穩(wěn)信號具有更好的效果。小波變換可以將腦電信號分解為不同尺度和頻率的小波系數(shù)，通過對這些系數(shù)的分析，可以提取出腦電信號在不同時間和頻率上的特征，如特定頻段的能量變化、時頻模式等，這些特征在癲癇檢測、認知功能研究等領域有著廣泛的應用。除了上述傳統(tǒng)的分析方法外，隨著機器學習和深度學習技術的不斷發(fā)展，這些方法也逐漸被應用于腦電信號分析中。支持向量機（SupportVectorMachine，SVM）、隨機森林（RandomForest，RF）等傳統(tǒng)機器學習算法可以對提取的腦電信號特征進行分類和回歸分析，實現(xiàn)對大腦狀態(tài)的識別和預測。卷積神經(jīng)網(wǎng)絡（ConvolutionalNeuralNetwork，CNN）、循環(huán)神經(jīng)網(wǎng)絡（RecurrentNeuralNetwork，RNN）等深度學習算法則可以自動學習腦電信號的特征表示，在腦電信號分類、情感識別、運動想象識別等任務中取得了較好的效果。這些智能算法為腦電信號分析提供了新的思路和方法，進一步推動了基于腦電信號的研究和應用的發(fā)展。2.3模式分類理論在基于腦電信號的電子游戲腦力疲勞評價研究中，模式分類理論起著關鍵作用，它能夠?qū)μ崛〉哪X電信號特征進行分類和識別，從而判斷大腦的疲勞狀態(tài)。支持向量機（SupportVectorMachine，SVM）和人工神經(jīng)網(wǎng)絡（ArtificialNeuralNetwork，ANN）是兩種常用的模式分類方法，它們在腦電信號分析中有著獨特的應用原理和優(yōu)勢。支持向量機：支持向量機是一種基于統(tǒng)計學習理論的二分類模型，其基本思想是在特征空間中尋找一個最優(yōu)分類超平面，使得不同類別的樣本之間的間隔最大化。對于線性可分的數(shù)據(jù)集，SVM可以找到一個線性超平面將兩類樣本完全分開，并且使間隔達到最大。對于線性不可分的數(shù)據(jù)集，SVM通過引入核函數(shù)，將低維的輸入空間映射到高維的特征空間，從而在高維空間中尋找線性可分的超平面。常用的核函數(shù)有線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)（RadialBasisFunction，RBF）等。徑向基核函數(shù)能夠?qū)?shù)據(jù)映射到一個無限維的特征空間，在處理復雜的非線性分類問題時表現(xiàn)出良好的性能。在腦電信號分析中，SVM常用于對不同疲勞狀態(tài)下的腦電信號特征進行分類。首先，從采集到的腦電信號中提取時域、頻域或時頻域等特征，這些特征構(gòu)成了SVM的輸入向量。然后，利用已標注疲勞狀態(tài)的腦電信號樣本作為訓練集，對SVM模型進行訓練，通過調(diào)整模型參數(shù)和選擇合適的核函數(shù)，使模型能夠準確地對訓練集中的不同疲勞狀態(tài)進行分類。使用SVM對正常狀態(tài)和疲勞狀態(tài)下的腦電信號進行分類，以腦電信號的功率譜特征作為輸入，通過RBF核函數(shù)將數(shù)據(jù)映射到高維空間，訓練得到的SVM模型能夠有效地識別出兩種狀態(tài)，準確率達到了85%以上。訓練完成后，使用測試集對模型進行評估，通過計算準確率、召回率、F1值等指標來衡量模型的性能。如果模型性能不理想，可以進一步調(diào)整參數(shù)或重新選擇特征，以提高模型的分類能力。人工神經(jīng)網(wǎng)絡：人工神經(jīng)網(wǎng)絡是一種模擬人類大腦神經(jīng)元結(jié)構(gòu)和功能的計算模型，它由大量的神經(jīng)元節(jié)點和連接這些節(jié)點的權(quán)重組成，通過對大量數(shù)據(jù)的學習來自動提取數(shù)據(jù)中的特征和模式。人工神經(jīng)網(wǎng)絡通常由輸入層、隱藏層和輸出層組成，各層之間通過權(quán)重相互連接。輸入層負責接收外部數(shù)據(jù)，隱藏層對輸入數(shù)據(jù)進行特征提取和非線性變換，輸出層則根據(jù)隱藏層的輸出進行分類或預測。在訓練過程中，通過不斷調(diào)整權(quán)重，使得網(wǎng)絡的輸出與實際標簽之間的誤差最小化。在基于腦電信號的腦力疲勞評價中，人工神經(jīng)網(wǎng)絡具有強大的自學習和自適應能力，能夠處理復雜的非線性關系。多層感知器（Multi-LayerPerceptron，MLP）是一種常用的人工神經(jīng)網(wǎng)絡結(jié)構(gòu)，它可以通過增加隱藏層的數(shù)量和節(jié)點數(shù)來提高模型的表達能力。在使用MLP進行腦電信號分類時，將腦電信號的特征作為輸入層的輸入，通過隱藏層的非線性變換，將原始特征轉(zhuǎn)化為更具代表性的特征，最后在輸出層得到分類結(jié)果。訓練過程中采用反向傳播算法（Backpropagation，BP）來調(diào)整權(quán)重，使得網(wǎng)絡的預測結(jié)果與真實標簽之間的誤差逐漸減小。通過實驗發(fā)現(xiàn)，使用包含兩個隱藏層的MLP對腦電信號進行分類，能夠有效識別出不同程度的腦力疲勞狀態(tài)，并且在不同個體的腦電信號數(shù)據(jù)上也具有較好的泛化能力。除了MLP，卷積神經(jīng)網(wǎng)絡（ConvolutionalNeuralNetwork，CNN）和循環(huán)神經(jīng)網(wǎng)絡（RecurrentNeuralNetwork，RNN）在腦電信號分析中也得到了廣泛應用。CNN具有卷積層和池化層，能夠自動提取腦電信號的局部特征和空間特征，對于處理具有空間結(jié)構(gòu)的腦電信號數(shù)據(jù)具有優(yōu)勢。在分析不同腦區(qū)的腦電信號時，CNN可以通過卷積操作學習到不同腦區(qū)之間的關系和特征，從而提高分類準確率。RNN則特別適合處理具有時間序列特征的腦電信號，它能夠?qū)r間序列中的歷史信息進行記憶和處理，通過隱藏層的循環(huán)連接來捕捉信號的時間依賴關系。長短期記憶網(wǎng)絡（LongShort-TermMemory，LSTM）是RNN的一種變體，它通過引入門控機制，有效地解決了RNN在處理長序列時的梯度消失和梯度爆炸問題，在腦電信號的時間序列分析中表現(xiàn)出色。在對長時間游戲過程中的腦電信號進行疲勞狀態(tài)分析時，LSTM能夠更好地捕捉腦電信號隨時間的變化趨勢，準確判斷疲勞狀態(tài)的變化。三、實驗設計與數(shù)據(jù)采集3.1實驗準備3.1.1實驗對象選取為確保實驗結(jié)果具有廣泛的代表性和可靠性，本實驗在實驗對象選取上遵循嚴格的標準。從不同背景的人群中招募了共計50名游戲玩家參與實驗。在游戲經(jīng)驗方面，涵蓋了新手玩家（游戲時長少于100小時）、中級玩家（游戲時長在100-500小時之間）和資深玩家（游戲時長超過500小時）。新手玩家由于對游戲操作和策略不夠熟悉，在游戲過程中需要投入更多的注意力和認知資源來學習和適應游戲，可能更容易產(chǎn)生腦力疲勞；中級玩家已經(jīng)掌握了一定的游戲技巧，但在面對高難度任務時仍需付出較多努力；資深玩家雖然對游戲較為精通，但長時間的高強度游戲也可能引發(fā)不同程度的疲勞。通過納入不同游戲經(jīng)驗的玩家，可以全面了解游戲經(jīng)驗對腦力疲勞的影響。在年齡分布上，分為18-25歲、26-35歲和36-45歲三個年齡段。不同年齡段的人群，其大腦的生理機能和認知能力存在差異。18-25歲的年輕人，大腦的反應速度和認知靈活性相對較高，但耐力可能稍弱；26-35歲的人群在認知能力和經(jīng)驗上相對平衡；36-45歲的人群雖然經(jīng)驗豐富，但大腦的反應速度和疲勞恢復能力可能會有所下降。研究不同年齡段玩家在游戲中的腦力疲勞表現(xiàn)，有助于深入了解年齡因素對腦力疲勞的作用機制。在性別方面，男性和女性玩家各占一半。性別差異可能導致在游戲偏好、游戲策略和心理狀態(tài)等方面存在不同，進而影響腦力疲勞的產(chǎn)生和發(fā)展。有研究表明，男性在空間認知和競爭類游戲中可能表現(xiàn)出一定優(yōu)勢，而女性在情感體驗和合作類游戲中可能有不同的感受。通過對比不同性別的玩家，能夠探究性別因素在電子游戲腦力疲勞中的作用。在招募過程中，對所有潛在參與者進行了初步的健康篩查，排除了患有精神疾病、神經(jīng)系統(tǒng)疾病、嚴重視力或聽力障礙以及其他可能影響實驗結(jié)果的健康問題的個體。同時，向參與者詳細介紹實驗的目的、流程、風險和收益，確保他們在充分理解的基礎上自愿參與實驗，并簽署知情同意書。3.1.2實驗儀器設備腦電采集設備：選用EGIGeodesicEEGSystem600高分辨率腦電采集系統(tǒng)，該系統(tǒng)配備了256通道的電極帽，能夠全面覆蓋大腦頭皮區(qū)域，精確采集不同腦區(qū)的電活動信號。其采樣率高達1000Hz，可準確捕捉腦電信號的細微變化，滿足對腦電信號高精度采集的需求。該系統(tǒng)還具備先進的抗干擾技術，能夠有效減少環(huán)境噪聲和生理噪聲對腦電信號的干擾，確保采集到的信號質(zhì)量穩(wěn)定可靠。采用了主動屏蔽技術，能夠降低外界電磁干擾，同時內(nèi)置的濾波器可對信號進行初步處理，去除高頻和低頻噪聲。在實驗前，對腦電采集設備進行了嚴格的校準和測試，確保電極的阻抗在正常范圍內(nèi)（一般要求低于5kΩ），以保證信號的有效傳輸和準確采集。游戲設備：為玩家提供統(tǒng)一的高性能電腦作為游戲設備，電腦配置為IntelCorei7處理器、NVIDIAGeForceRTX3080顯卡、16GB內(nèi)存和1TB固態(tài)硬盤，確保電腦能夠流暢運行各類主流電子游戲，避免因設備性能不足導致游戲卡頓，從而影響玩家的游戲體驗和腦力疲勞狀態(tài)。配備了27英寸的高刷新率電競顯示器，分辨率為2560×1440，刷新率為144Hz，能夠提供清晰、流暢的游戲畫面，減少視覺疲勞對實驗結(jié)果的干擾。還配備了專業(yè)的游戲鍵盤和鼠標，以保證玩家在游戲操作過程中的舒適性和準確性。其他輔助設備：使用EyeLink1000Plus眼動儀同步記錄玩家的眼動數(shù)據(jù)，包括注視點、注視時間、眼跳次數(shù)等，這些數(shù)據(jù)可以作為輔助信息，與腦電信號相結(jié)合，更全面地分析玩家在游戲過程中的認知狀態(tài)和注意力分配情況。例如，長時間的注視點固定可能表示玩家在集中注意力思考，而頻繁的眼跳可能意味著玩家在快速搜索信息。使用心率變異性監(jiān)測儀記錄玩家的心率變異性（HRV），HRV能夠反映自主神經(jīng)系統(tǒng)的活動狀態(tài)，可用于評估玩家在游戲過程中的心理壓力和疲勞程度。當玩家處于緊張或疲勞狀態(tài)時，HRV會發(fā)生相應的變化，通過監(jiān)測HRV可以為腦力疲勞的評價提供更多維度的生理指標支持。3.1.3電子游戲任務設計為全面探究不同因素對電子游戲腦力疲勞的影響，精心設計了多樣化的游戲任務，涵蓋不同類型、難度和時長。在游戲類型方面，選擇了動作類游戲《英雄聯(lián)盟》、策略類游戲《三國志14》和角色扮演類游戲《原神》。《英雄聯(lián)盟》作為一款多人在線競技動作游戲，需要玩家具備快速的反應能力、精準的操作技巧和良好的團隊協(xié)作能力。游戲中緊張刺激的戰(zhàn)斗節(jié)奏和復雜的技能釋放機制，對玩家的注意力和反應速度要求較高，容易引發(fā)腦力疲勞。玩家需要在短時間內(nèi)做出決策，如選擇合適的技能釋放時機、判斷敵方英雄的位置和行動意圖等，這會使大腦處于高度緊張的狀態(tài)。《三國志14》是一款策略模擬游戲，玩家需要在游戲中進行城市建設、資源管理、軍事戰(zhàn)略規(guī)劃等復雜操作。游戲過程中需要玩家進行大量的思考和分析，考慮各種因素之間的相互關系，制定合理的發(fā)展策略，這對玩家的思維能力和決策能力提出了很高的要求，長時間的游戲容易導致腦力負荷過重。玩家需要分析不同城市的資源優(yōu)勢、周邊勢力的威脅以及自身的發(fā)展方向，制定出相應的戰(zhàn)略計劃。《原神》是一款開放世界角色扮演游戲，玩家在游戲中需要探索廣闊的游戲世界、完成各種主線和支線任務、與各種怪物戰(zhàn)斗。游戲豐富的劇情和開放的世界設定，要求玩家具備較強的探索欲望和記憶力，同時在戰(zhàn)斗中也需要一定的操作技巧和策略思考，不同的任務和場景切換會給玩家?guī)聿煌哪X力挑戰(zhàn)。玩家在探索過程中需要記住各種地圖信息、任務目標和角色技能，這對記憶力是一種考驗。針對每種游戲類型，設置了簡單、中等和困難三個難度級別。在簡單難度下，游戲中的敵人AI較低，任務目標明確且難度較小，玩家能夠相對輕松地完成游戲任務，所需投入的腦力資源較少。在《英雄聯(lián)盟》簡單難度的人機對戰(zhàn)中，敵方電腦的操作較為簡單，行動規(guī)律容易預測，玩家可以輕松取得勝利。中等難度則適當增加了游戲的挑戰(zhàn)性，敵人的AI有所提高，任務難度適中，需要玩家投入一定的注意力和思考來應對。在《三國志14》中等難度下，敵方勢力的發(fā)展速度加快，對玩家的戰(zhàn)略規(guī)劃提出了更高的要求。困難難度下，游戲的挑戰(zhàn)性大幅提升，敵人具有更強的實力和智能，任務復雜且具有較高的難度，玩家需要高度集中注意力，運用各種策略和技巧才能完成任務，這會使玩家的腦力負荷顯著增加。在《原神》困難難度的副本挑戰(zhàn)中，怪物的攻擊力和防御力大幅提升，需要玩家合理搭配角色陣容，運用各種技能和戰(zhàn)術才能通關。游戲時長方面，分別設置了30分鐘、60分鐘和90分鐘三個時間段。通過不同時長的游戲任務，觀察玩家在游戲過程中腦力疲勞的發(fā)展變化規(guī)律。在30分鐘的游戲中，玩家可能剛剛進入游戲狀態(tài)，腦力疲勞程度相對較輕；60分鐘的游戲時長下，玩家可能開始出現(xiàn)一定程度的疲勞癥狀；而90分鐘的長時間游戲后，玩家的腦力疲勞可能會更加明顯。每個游戲任務之間設置10分鐘的休息時間，讓玩家能夠放松身心，緩解上一輪游戲帶來的疲勞，以確保下一輪游戲時的初始狀態(tài)相對一致。在休息時間內(nèi)，玩家可以自由活動、喝水、放松眼睛等，避免連續(xù)游戲?qū)е碌钠诜e累影響實驗結(jié)果。3.2實驗流程在實驗正式開始前，先引導參與者熟悉實驗環(huán)境，減輕他們的緊張感和陌生感。為參與者詳細介紹實驗的流程、規(guī)則和注意事項，確保他們清楚了解實驗的各個環(huán)節(jié)。向參與者說明在游戲過程中如果感到不適或疲勞，可以隨時告知實驗人員，以便及時采取相應措施。讓參與者進行一些簡單的游戲操作練習，使其熟悉游戲設備和操作方式，避免因操作不熟練而影響實驗結(jié)果。在練習過程中，實驗人員會給予必要的指導和幫助，確保參與者能夠順利完成游戲操作。為參與者佩戴好腦電采集設備、眼動儀和心率變異性監(jiān)測儀等設備，并進行設備調(diào)試，確保設備能夠正常工作，準確采集數(shù)據(jù)。在佩戴腦電采集設備時，要確保電極與頭皮緊密接觸，以獲得高質(zhì)量的腦電信號；調(diào)試眼動儀時，要保證其能夠準確跟蹤參與者的眼球運動；檢查心率變異性監(jiān)測儀的佩戴位置和連接情況，確保數(shù)據(jù)采集的準確性。實驗開始后，參與者按照預先設定的游戲任務順序依次進行游戲。在游戲過程中，嚴格控制實驗環(huán)境的穩(wěn)定性，保持室內(nèi)溫度、濕度和光線適宜，避免外界干擾因素對實驗結(jié)果產(chǎn)生影響。關閉實驗室的門窗，減少外界噪音的干擾；調(diào)整室內(nèi)燈光亮度，使其既不刺眼也不過暗，以保證參與者的視覺舒適度。實驗人員會在旁邊密切觀察參與者的狀態(tài)和行為表現(xiàn)，記錄游戲過程中出現(xiàn)的任何異常情況。若參與者出現(xiàn)身體不適、情緒波動較大或設備故障等問題，實驗人員會及時采取相應的措施進行處理。若參與者出現(xiàn)頭痛、頭暈等不適癥狀，會暫停實驗，讓參與者休息并給予必要的幫助；若設備出現(xiàn)故障，會立即進行維修或更換，確保實驗能夠繼續(xù)進行。腦電信號采集系統(tǒng)以1000Hz的采樣率持續(xù)記錄參與者的腦電信號，確保能夠捕捉到腦電信號的細微變化。對采集到的腦電信號進行實時監(jiān)測，觀察信號的穩(wěn)定性和質(zhì)量，若發(fā)現(xiàn)信號異常，及時檢查設備和電極連接情況，進行相應的調(diào)整。利用眼動儀同步記錄參與者的眼動數(shù)據(jù)，包括注視點、注視時間、眼跳次數(shù)等；通過心率變異性監(jiān)測儀記錄參與者的心率變異性數(shù)據(jù)，這些數(shù)據(jù)將作為輔助信息，與腦電信號相結(jié)合，用于綜合分析參與者的腦力疲勞狀態(tài)。分析眼動數(shù)據(jù)可以了解參與者在游戲過程中的注意力分配和視覺搜索模式，心率變異性數(shù)據(jù)則能反映參與者的自主神經(jīng)系統(tǒng)活動狀態(tài)和心理壓力水平。在每個游戲任務結(jié)束后，參與者需要填寫一份主觀疲勞調(diào)查問卷，問卷采用李克特5點量表形式，從“完全不疲勞”到“非常疲勞”五個等級，讓參與者根據(jù)自己的感受對疲勞程度進行評價。問卷還包括對游戲難度、趣味性、專注度等方面的評價，以收集參與者對游戲體驗的主觀感受，這些信息有助于深入了解參與者在游戲過程中的心理狀態(tài)和疲勞產(chǎn)生的原因。詢問參與者在游戲過程中是否感到緊張、焦慮，以及游戲的難度是否適中，是否能夠吸引他們的注意力等。參與者完成所有游戲任務后，對他們進行簡短的訪談，進一步了解他們在游戲過程中的感受、策略和遇到的問題，為研究提供更豐富的定性數(shù)據(jù)。訪談過程中，鼓勵參與者自由表達自己的想法和感受，實驗人員會認真傾聽并記錄關鍵信息。3.3數(shù)據(jù)采集腦電信號采集：在實驗過程中，使用EGIGeodesicEEGSystem600腦電采集系統(tǒng)對參與者的腦電信號進行采集。為確保采集到高質(zhì)量的腦電信號，在佩戴電極帽前，需先用酒精棉球清潔參與者的頭皮，去除頭皮上的油脂和污垢，以降低頭皮電阻，提高電極與頭皮之間的導電性。根據(jù)國際10-20系統(tǒng)電極放置標準，將256通道電極帽準確佩戴在參與者頭部，確保每個電極都與頭皮緊密接觸。在佩戴過程中，要注意調(diào)整電極帽的位置，使其中心線與鼻子和眉心對齊，雙耳耳珠連線與該中心線的交叉點即為Cz點（頭部中心頂點），并將繃帶拉緊，使腦電帽與腦袋貼合，適當進行微調(diào)，確保佩戴完好。使用導電膏填充電極與頭皮之間的間隙，進一步降低電極阻抗，保證信號的穩(wěn)定傳輸。將導電膏抽入針筒時，盡量避免留下氣泡。在打?qū)щ姼鄷r，先打GND接地電極和參考電極（如雙側(cè)乳突參考電極點），一只手用平頭針管輕輕撥開被試的頭發(fā)，同時另一手按住電極，推入適量導電膏。確保GND接地電極和參考電極點打好之后，再打其它電極點。通過腦電采集系統(tǒng)自帶的阻抗檢測功能，實時監(jiān)測電極的阻抗，確保所有電極點的阻抗均低于5kΩ，對于阻抗過高的電極點，及時調(diào)整導電膏的用量或重新調(diào)整電極位置。在實驗過程中，要時刻關注腦電信號的質(zhì)量，若發(fā)現(xiàn)信號出現(xiàn)異常波動或干擾，及時檢查電極連接情況和被試的身體狀態(tài)，采取相應的措施進行處理。若發(fā)現(xiàn)某個電極點的信號不穩(wěn)定，可能是由于電極與頭皮接觸不良，可重新調(diào)整電極位置或添加導電膏；若被試出現(xiàn)身體抖動等情況，可能會導致肌電干擾混入腦電信號中，可提醒被試保持身體放松，減少不必要的動作。行為績效數(shù)據(jù)采集：通過游戲設備內(nèi)置的記錄軟件，實時采集參與者在游戲過程中的行為績效數(shù)據(jù)。對于動作類游戲《英雄聯(lián)盟》，記錄玩家的擊殺數(shù)、死亡數(shù)、助攻數(shù)、補兵數(shù)、技能釋放次數(shù)、技能命中率等數(shù)據(jù)。擊殺數(shù)和助攻數(shù)可以反映玩家在游戲中的戰(zhàn)斗貢獻和團隊協(xié)作能力；死亡數(shù)則能體現(xiàn)玩家在游戲中的生存能力和對危險的判斷能力；補兵數(shù)是衡量玩家對線發(fā)育能力的重要指標；技能釋放次數(shù)和技能命中率可以反映玩家的操作熟練度和技能運用能力。在策略類游戲《三國志14》中，記錄玩家的城市建設數(shù)量、資源采集量、軍事行動次數(shù)、戰(zhàn)爭勝負結(jié)果、外交策略使用次數(shù)等數(shù)據(jù)。城市建設數(shù)量和資源采集量可以反映玩家的經(jīng)濟發(fā)展能力和資源管理能力；軍事行動次數(shù)和戰(zhàn)爭勝負結(jié)果能體現(xiàn)玩家的軍事戰(zhàn)略能力和指揮能力；外交策略使用次數(shù)則能展示玩家的外交智慧和策略運用能力。在角色扮演類游戲《原神》中，記錄玩家的任務完成數(shù)量、探索區(qū)域面積、戰(zhàn)斗時長、角色升級次數(shù)、武器裝備獲取數(shù)量等數(shù)據(jù)。任務完成數(shù)量和探索區(qū)域面積可以反映玩家在游戲中的探索欲望和任務完成能力；戰(zhàn)斗時長能體現(xiàn)玩家在戰(zhàn)斗中的持久力和戰(zhàn)斗難度；角色升級次數(shù)和武器裝備獲取數(shù)量則能展示玩家的角色培養(yǎng)能力和游戲進度。主觀評價數(shù)據(jù)采集：在每個游戲任務結(jié)束后，立即讓參與者填寫主觀疲勞調(diào)查問卷。問卷采用李克特5點量表形式，從“完全不疲勞”到“非常疲勞”五個等級，讓參與者根據(jù)自己的感受對疲勞程度進行評價。問卷中還設置了一些開放式問題，如“在游戲過程中，你覺得哪些環(huán)節(jié)最容易讓你感到疲勞？”“你在游戲過程中的注意力集中程度如何？”“你認為游戲的難度和趣味性對你的疲勞感有怎樣的影響？”等，以收集參與者對游戲體驗的詳細主觀感受。在參與者填寫問卷時，實驗人員要確保他們理解問卷的問題和選項，如有疑問，及時進行解答。對于開放式問題，鼓勵參與者自由表達自己的想法和感受，不要受到限制。在所有游戲任務完成后，對參與者進行一對一的訪談。訪談內(nèi)容包括參與者在游戲過程中的策略運用、心理狀態(tài)變化、對游戲難度和趣味性的評價、對不同類型游戲的偏好以及對自己疲勞程度的進一步闡述等。在訪談過程中，營造輕松的氛圍，讓參與者能夠暢所欲言，實驗人員認真傾聽并詳細記錄參與者的回答，對于重要的觀點和信息，可進行追問，以獲取更深入的理解。四、腦電信號預處理4.1基線校正與直流漂移去除在腦電信號采集過程中，基線漂移和直流分量是常見的干擾因素，會對后續(xù)的信號分析產(chǎn)生嚴重影響，因此需要進行有效的去除?；€漂移通常表現(xiàn)為一種低頻的、緩慢變化的趨勢，它使得腦電信號的整體幅值出現(xiàn)上下波動，掩蓋了信號中的有效信息。而直流分量則是腦電信號中的固定偏移，它不包含大腦活動的有效信息，但會影響信號的幅值測量和分析。為了去除腦電信號的基線漂移和直流分量，本研究采用了以下方法：首先，通過對采集到的腦電信號進行均值計算，得到信號的直流分量。假設采集到的腦電信號為x(t)，t=1,2,\cdots,N，其中N為采樣點數(shù)，則直流分量DC可通過公式（1）計算：DC=\frac{1}{N}\sum_{t=1}^{N}x(t)然后，將每個采樣點的信號值減去直流分量，從而去除直流漂移，得到去除直流分量后的信號y(t)，公式（2）如下：y(t)=x(t)-DC對于基線漂移的去除，采用了小波變換的方法。小波變換是一種時頻分析方法，它能夠?qū)⑿盘柗纸獬刹煌l率的子帶，從而可以對不同頻率成分進行針對性的處理?；€漂移主要表現(xiàn)為低頻成分，通過小波變換的多尺度分解過程，在分解的低頻系數(shù)中可以觀察到信號的基線趨勢。選擇合適的小波基函數(shù)，如db4小波，對去除直流分量后的信號y(t)進行多層小波分解，得到不同尺度的小波系數(shù)。在低頻系數(shù)中，通過對這些系數(shù)進行處理，去除代表基線漂移的低頻成分?？梢圆捎瞄撝堤幚淼姆椒ǎ瑢⒌皖l系數(shù)中小于某個閾值的部分置零，然后再進行小波重構(gòu)，得到去除基線漂移后的腦電信號z(t)。通過這樣的處理，能夠有效地去除腦電信號中的基線漂移，保留信號中的高頻有效成分，為后續(xù)的分析提供更準確的信號數(shù)據(jù)。通過上述方法，能夠有效地去除腦電信號中的基線漂移和直流分量，提高信號的質(zhì)量和可靠性。以實驗采集到的一段腦電信號為例，在去除基線漂移和直流分量之前，信號存在明顯的低頻波動和固定偏移，使得信號的波形難以準確分析。經(jīng)過處理后，信號的基線變得平穩(wěn)，有效成分更加突出，為后續(xù)的特征提取和模型訓練提供了良好的數(shù)據(jù)基礎。4.2壞波與眼電偽跡處理在腦電信號采集中，壞波和眼電偽跡是常見的干擾因素，嚴重影響信號質(zhì)量和后續(xù)分析結(jié)果的準確性，必須進行有效識別和去除。壞波通常是指由于電極接觸不良、被試身體突然移動或其他突發(fā)干擾導致的異常腦電信號，其幅值、形態(tài)或頻率與正常腦電信號存在顯著差異。眼電偽跡則是由眼球運動和眨眼等眼部活動產(chǎn)生的電信號，由于其幅值較大，往往會掩蓋腦電信號中的有用信息，對分析造成干擾。對于壞波的識別，本研究采用了以下方法：首先，設定幅值閾值，通常正常腦電信號的幅值在一定范圍內(nèi)波動，如在±100μV之間。若某段腦電信號的幅值超過該閾值的一定倍數(shù)，如3倍，即認為該段信號可能是壞波。通過計算每個采樣點的幅值，并與設定的閾值進行比較，標記出幅值異常的信號段。觀察信號的形態(tài)，正常腦電信號具有相對穩(wěn)定的波形特征，而壞波的波形往往呈現(xiàn)出不規(guī)則、突變的特點。利用小波變換等時頻分析方法，對腦電信號的波形進行分析，檢測是否存在異常的波形特征，如尖銳的脈沖、突然的跳變等，以進一步確認壞波。對于眼電偽跡的識別，基于眼電信號與腦電信號在頻率和空間分布上的差異來進行。眼電信號的頻率相對較低，主要集中在0-10Hz的頻段，而腦電信號則包含了更豐富的頻率成分。通過帶通濾波，將腦電信號中0-10Hz頻段的信號分離出來，作為眼電偽跡的候選信號。眼電信號在頭皮上的分布具有一定的空間特征，主要集中在眼眶周圍的電極位置。通過分析不同電極位置的信號相關性，若某些電極之間的信號相關性在該低頻段明顯高于其他電極，且符合眼電信號的空間分布特征，則可判斷這些電極上的信號可能包含眼電偽跡。在壞波和眼電偽跡的去除方面，采用了獨立成分分析（ICA）和小波變換相結(jié)合的方法。ICA是一種盲源分離技術，它假設觀測信號是由多個相互獨立的源信號混合而成，通過對觀測信號的統(tǒng)計分析，能夠?qū)⒒旌闲盘柗纸鉃楦鱾€獨立的成分。在腦電信號處理中，ICA可以將腦電信號和眼電偽跡等干擾信號分離出來。將采集到的多通道腦電信號作為ICA的輸入，經(jīng)過ICA分解后，得到多個獨立成分。通過對這些獨立成分的分析，根據(jù)眼電偽跡和壞波的特征，如頻率、幅值、空間分布等，識別出包含眼電偽跡和壞波的成分。將識別出的這些成分從原始腦電信號中去除，然后進行信號重構(gòu)，得到去除眼電偽跡和壞波后的腦電信號。對于一些殘留的眼電偽跡和細微的壞波，采用小波變換進行進一步處理。小波變換能夠?qū)⑿盘柗纸鉃椴煌l率的子帶，對于低頻的眼電偽跡和異常的壞波成分，可以在小波域中通過閾值處理等方法進行抑制或去除。選擇合適的小波基函數(shù)，如db4小波，對經(jīng)過ICA處理后的腦電信號進行多層小波分解，得到不同尺度的小波系數(shù)。在低頻小波系數(shù)中，對代表眼電偽跡和壞波的系數(shù)進行閾值處理，將小于閾值的系數(shù)置零，然后再進行小波重構(gòu)，進一步提高腦電信號的質(zhì)量。通過上述方法，能夠有效地識別和去除腦電信號中的壞波和眼電偽跡。以實驗采集到的一段包含眼電偽跡和壞波的腦電信號為例，在處理前，信號中存在明顯的眼電偽跡干擾和壞波，使得信號的波形雜亂無章，無法準確分析。經(jīng)過ICA和小波變換處理后，眼電偽跡和壞波被成功去除，信號的波形變得清晰、穩(wěn)定，為后續(xù)的特征提取和分析提供了可靠的數(shù)據(jù)基礎。4.3信號重采樣與截取在腦電信號處理過程中，重采樣和截取特定時間段的數(shù)據(jù)是至關重要的步驟，它們對后續(xù)的分析和模型訓練具有重要影響。腦電信號采集設備的采樣率通常較高，在本實驗中采用的EGIGeodesicEEGSystem600腦電采集系統(tǒng)采樣率高達1000Hz。然而，過高的采樣率會產(chǎn)生大量的數(shù)據(jù)，增加數(shù)據(jù)存儲和處理的負擔，同時可能引入不必要的高頻噪聲，對分析結(jié)果產(chǎn)生干擾。因此，需要對采集到的腦電信號進行重采樣，將其轉(zhuǎn)換為合適的采樣率，既能保留信號的關鍵特征，又能提高處理效率。本研究采用線性插值法對腦電信號進行重采樣。線性插值是一種簡單而有效的重采樣方法，它基于相鄰采樣點之間的線性關系來估計新的采樣點值。假設原始腦電信號為x(n)，采樣率為f_s，要將其重采樣到采樣率f_{snew}，則重采樣后的信號y(m)可通過以下步驟計算：首先，計算重采樣因子r=\frac{f_{snew}}{f_s}；然后，對于新采樣點m，其對應的原始信號索引n為n=m/r。若n為整數(shù)，則y(m)=x(n)；若n不是整數(shù)，設n的整數(shù)部分為n_1，小數(shù)部分為\alpha，則y(m)=(1-\alpha)x(n_1)+\alphax(n_1+1)。通過這種方式，能夠在保證信號特征基本不變的前提下，將腦電信號重采樣到合適的頻率，本研究將其重采樣到250Hz，有效減少了數(shù)據(jù)量，同時避免了信息的過度丟失。除了重采樣，截取特定時間段的腦電信號數(shù)據(jù)也是必要的操作。在實驗過程中，采集到的腦電信號往往包含了游戲開始前、休息時間以及游戲結(jié)束后的無用數(shù)據(jù)，這些數(shù)據(jù)會干擾后續(xù)的分析，因此需要將其去除，只保留游戲過程中的有效數(shù)據(jù)段。根據(jù)實驗設計，每個游戲任務都有明確的開始和結(jié)束時間標記，通過這些標記，可以準確地從連續(xù)的腦電信號中截取游戲過程中的數(shù)據(jù)段。在一個時長為90分鐘的游戲任務中，通過時間標記，能夠準確截取從游戲開始到結(jié)束的這90分鐘內(nèi)的腦電信號數(shù)據(jù)，去除任務開始前和結(jié)束后的無關數(shù)據(jù)。對于不同類型和難度的游戲任務，由于其對玩家腦力的要求和引起的疲勞程度不同，可能需要截取不同時間段的數(shù)據(jù)進行分析。對于難度較高、容易引起快速疲勞的游戲任務，可能更關注游戲前半段的腦電信號變化，因為在這個階段玩家的疲勞發(fā)展較為明顯；而對于難度較低、疲勞發(fā)展相對緩慢的游戲任務，則可以截取整個游戲過程的數(shù)據(jù)進行全面分析。通過合理地重采樣和截取腦電信號數(shù)據(jù)，能夠為后續(xù)的特征提取和模型訓練提供高質(zhì)量的數(shù)據(jù)基礎，提高基于腦電信號的電子游戲腦力疲勞評價方法的準確性和可靠性。4.4濾波處理在腦電信號采集過程中，不可避免地會混入各種噪聲，如工頻干擾（50Hz或60Hz的交流電干擾）、高頻噪聲（主要來源于電子設備的熱噪聲、電磁輻射等）以及低頻噪聲（可能由電極與頭皮接觸不良、身體緩慢移動等引起）。這些噪聲會嚴重干擾腦電信號的分析，掩蓋大腦活動的真實信息，因此需要進行濾波處理，以去除噪聲，提高信號的信噪比。本研究采用巴特沃斯低通濾波器去除高頻噪聲。巴特沃斯低通濾波器是一種在通帶內(nèi)具有平坦幅頻響應的濾波器，其傳遞函數(shù)的幅度平方特性為：|H(j\omega)|^2=\frac{1}{1+(\frac{\omega}{\omega_c})^{2n}}其中，\omega為角頻率，\omega_c為截止角頻率，n為濾波器的階數(shù)。通過合理選擇截止頻率\omega_c和階數(shù)n，可以有效地去除高頻噪聲，同時保留腦電信號的主要成分。在本實驗中，經(jīng)過多次實驗和分析，確定截止頻率為40Hz，階數(shù)為4。這是因為腦電信號的主要頻率成分通常在0-30Hz之間，將截止頻率設置為40Hz可以在保留腦電信號的同時，有效去除40Hz以上的高頻噪聲。選擇階數(shù)為4可以在保證濾波效果的前提下，避免濾波器對信號造成過度的相位失真。經(jīng)過巴特沃斯低通濾波器處理后，高頻噪聲得到了顯著抑制，腦電信號的波形更加清晰，為后續(xù)的分析提供了更好的數(shù)據(jù)基礎。對于低頻噪聲，采用小波消噪的方法。小波變換是一種時頻分析方法，它能夠?qū)⑿盘柗纸獬刹煌l率的子帶，從而可以對不同頻率成分進行針對性的處理。低頻噪聲主要集中在小波變換的低頻系數(shù)中，通過對低頻系數(shù)進行閾值處理，可以有效地去除低頻噪聲。選擇db4小波作為小波基函數(shù)，對腦電信號進行5層小波分解。db4小波具有較好的時頻局部化特性，適合處理腦電信號這樣的非平穩(wěn)信號。在分解得到的低頻系數(shù)中，設定一個合適的閾值，將小于閾值的系數(shù)置零，然后再進行小波重構(gòu)，得到去除低頻噪聲后的腦電信號。通過這種方法，能夠在去除低頻噪聲的同時，最大程度地保留腦電信號的細節(jié)信息。以一段實際采集到的腦電信號為例，在濾波處理前，信號中存在明顯的高頻噪聲和低頻噪聲，使得信號的波形雜亂無章，難以準確分析。經(jīng)過巴特沃斯低通濾波和小波消噪處理后，高頻噪聲和低頻噪聲均得到了有效去除，信號的波形變得平滑、穩(wěn)定，腦電信號的特征更加明顯，為后續(xù)的特征提取和模型訓練提供了可靠的數(shù)據(jù)保障。通過濾波處理，腦電信號的質(zhì)量得到了顯著提高，為基于腦電信號的電子游戲腦力疲勞評價方法的研究奠定了堅實的基礎。五、腦力疲勞評價指標提取與分析5.1腦電節(jié)律波特征提取與分析5.1.1節(jié)律波與腦力疲勞關系腦電信號包含多種節(jié)律波，其中α波（8-13Hz）、β波（14-30Hz）、θ波（4-7Hz）和δ波（0.5-3Hz）在反映腦力疲勞狀態(tài)方面具有重要作用，它們在腦力疲勞狀態(tài)下呈現(xiàn)出特定的變化規(guī)律。α波被視為大腦放松和覺醒的重要指標。當大腦處于清醒且放松的狀態(tài)時，α波活動相對較強，在枕葉等區(qū)域尤為明顯。然而，隨著腦力疲勞的逐漸積累，α波的能量會發(fā)生顯著變化。研究表明，長時間進行電子游戲?qū)е履X力疲勞時，α波的絕對能量和相對能量通常會增加。這是因為在疲勞狀態(tài)下，大腦的抑制性活動增強，α波作為一種抑制性節(jié)律，其能量相應上升。α波的頻率也可能會發(fā)生變化，出現(xiàn)頻率降低的趨勢，這反映了大腦神經(jīng)活動的減慢和反應能力的下降。在一項針對電子游戲玩家的實驗中，隨著游戲時間的延長，玩家的腦力疲勞程度逐漸加深，腦電信號中α波的能量在2小時后相比初始狀態(tài)增加了30%，頻率從10Hz降低到8Hz左右。β波與大腦的興奮、注意力集中和認知活動密切相關。在大腦處于警覺和積極思考狀態(tài)時，β波的活動較為活躍，尤其是在額葉和頂葉區(qū)域。當出現(xiàn)腦力疲勞時，β波的能量會下降。這是由于疲勞使得大腦的興奮性降低，神經(jīng)活動的強度減弱，導致β波的能量輸出減少。β波的活動范圍也會縮小，原本廣泛分布的β波活動在疲勞狀態(tài)下可能會集中在特定腦區(qū)，且強度減弱。在進行策略類電子游戲時，隨著游戲難度的增加和時間的推移，玩家出現(xiàn)疲勞，此時腦電信號中β波在額葉區(qū)域的能量降低了25%，且活動范圍明顯縮小。θ波通常在大腦處于困倦、冥想或注意力不集中狀態(tài)時出現(xiàn)，其能量水平與腦力疲勞程度呈正相關。在電子游戲過程中，當玩家開始感到疲勞時，θ波的能量會逐漸升高，特別是在額葉和顳葉區(qū)域。這是因為疲勞導致大腦的警覺性下降，進入一種相對放松但注意力不集中的狀態(tài)，從而引發(fā)θ波活動的增強。θ波的出現(xiàn)頻率也會增加，表明大腦的狀態(tài)逐漸從清醒向困倦轉(zhuǎn)變。在長時間玩角色扮演類游戲后，玩家的疲勞感增強，腦電信號中θ波在額葉區(qū)域的能量在3小時后相比初始狀態(tài)增加了40%，出現(xiàn)頻率也明顯提高。δ波是頻率最低的腦電節(jié)律波，主要出現(xiàn)在深度睡眠和昏迷狀態(tài)。在清醒狀態(tài)下，正常個體的δ波能量較低。但當大腦處于極度疲勞狀態(tài)時，δ波的能量會顯著增加。這是因為極度疲勞使得大腦的功能接近睡眠狀態(tài)，神經(jīng)活動變得緩慢且同步化，從而導致δ波活動增強。在進行高強度的電子游戲競賽時，選手經(jīng)過長時間的比賽后，若出現(xiàn)極度疲勞，腦電信號中δ波的能量可能會增加數(shù)倍，表明大腦已經(jīng)處于非常疲勞的狀態(tài)，接近睡眠的邊緣。5.1.2節(jié)律波特征提取方法本研究采用小波變換方法提取腦電信號中α、β、θ、δ節(jié)律波的相對能量、能量比等特征，具體步驟如下：小波變換：小波變換是一種時頻分析方法，能夠?qū)⑿盘柗纸獬刹煌l率的子帶，非常適合處理腦電信號這種非平穩(wěn)信號。選擇合適的小波基函數(shù)，如db4小波，對預處理后的腦電信號進行多層小波分解。db4小波具有良好的時頻局部化特性，能夠有效地捕捉腦電信號的特征。將腦電信號進行5層小波分解，得到不同尺度的小波系數(shù)。這些小波系數(shù)包含了腦電信號在不同頻率和時間上的信息。節(jié)律波頻段劃分：根據(jù)α、β、θ、δ節(jié)律波的頻率范圍，在小波分解后的系數(shù)中確定對應的頻段。α波頻段為8-13Hz，β波頻段為14-30Hz，θ波頻段為4-7Hz，δ波頻段為0.5-3Hz。通過對小波系數(shù)的分析，提取出對應頻段的系數(shù)，用于后續(xù)的特征計算。在第3層和第4層小波系數(shù)中，找到與α波頻段對應的系數(shù)范圍，提取出這些系數(shù)，以獲取α波的相關信息。相對能量計算：計算每個節(jié)律波頻段的能量，假設某節(jié)律波頻段的小波系數(shù)為c_{ij}，i表示尺度，j表示時間點，則該頻段的能量E可通過公式（3）計算：E=\sum_{j}|c_{ij}|^2然后計算各節(jié)律波的相對能量，即某節(jié)律波的能量與所有節(jié)律波總能量的比值。設α波的能量為E_{\alpha}，β波的能量為E_{\beta}，θ波的能量為E_{\theta}，δ波的能量為E_{\delta}，則α波的相對能量RE_{\alpha}通過公式（4）計算：RE_{\alpha}=\frac{E_{\alpha}}{E_{\alpha}+E_{\beta}+E_{\theta}+E_{\delta}}以此類推，可以得到β波、θ波和δ波的相對能量。相對能量能夠反映各節(jié)律波在總能量中的占比，更直觀地展示不同節(jié)律波的變化情況。能量比計算：計算不同節(jié)律波之間的能量比，如\theta/\alpha能量比、\beta/\alpha能量比等。\theta/\alpha能量比通過公式（5）計算：R_{\theta/\alpha}=\frac{E_{\theta}}{E_{\alpha}}這些能量比能夠反映不同節(jié)律波之間的相對關系，對于分析腦力疲勞狀態(tài)具有重要意義。研究表明，\theta/\alpha能量比在腦力疲勞狀態(tài)下會顯著增加，因為隨著疲勞的加深，θ波能量上升，α波能量變化相對較小，導致該比值增大。通過計算這些能量比，可以更準確地判斷大腦的疲勞程度。5.1.3實驗數(shù)據(jù)分析通過對實驗采集的腦電信號數(shù)據(jù)進行分析，深入探討不同游戲階段節(jié)律波特征變化與腦力疲勞的關聯(lián)。以動作類游戲《英雄聯(lián)盟》為例，在游戲開始階段（0-15分鐘），玩家處于興奮和專注狀態(tài)，此時腦電信號中β波的相對能量較高，約占總能量的35%，表明大腦處于警覺和積極思考狀態(tài)。α波的相對能量為25%，處于正常的放松水平。θ波和δ波的相對能量較低，分別為15%和5%左右，說明大腦尚未出現(xiàn)明顯的疲勞跡象。隨著游戲的進行（15-30分鐘），玩家的注意力持續(xù)集中，腦力消耗逐漸增加。β波的相對能量開始下降，降至30%左右，這表明大腦的興奮性有所降低。α波的相對能量略有上升，達到28%，反映出大腦開始出現(xiàn)一定程度的疲勞，抑制性活動增強。θ波的相對能量上升至18%，顯示出大腦的警覺性開始下降，注意力出現(xiàn)分散。在游戲后期（30-60分鐘），玩家的腦力疲勞進一步加深。β波的相對能量繼續(xù)下降，降至25%左右，大腦的興奮和認知能力明顯減弱。α波的相對能量顯著增加，達到35%，表明大腦的抑制性活動進一步增強，疲勞感加劇。θ波的相對能量大幅上升，達到25%，說明大腦已經(jīng)處于較為疲勞的狀態(tài)，注意力難以集中。δ波的相對能量也有所增加，達到7%左右，顯示大腦的疲勞程度已經(jīng)接近一定的閾值，接近睡眠狀態(tài)的邊緣。在整個游戲過程中，\theta/\alpha能量比呈現(xiàn)出逐漸上升的趨勢。在游戲開始階段，\theta/\alpha能量比約為0.6，隨著游戲的進行，在30分鐘時，該比值上升至0.8，到游戲結(jié)束時，\theta/\alpha能量比達到1.1，這與腦力疲勞程度的增加密切相關。通過對多個玩家在不同游戲階段的節(jié)律波特征數(shù)據(jù)分析，發(fā)現(xiàn)這些特征變化與主觀疲勞評價和行為績效數(shù)據(jù)具有較高的相關性。玩家在游戲結(jié)束后的主觀疲勞評價得分與腦電信號中α波相對能量、\theta/\alpha能量比等特征之間的相關系數(shù)達到0.8以上，表明這些節(jié)律波特征能夠有效地反映電子游戲過程中的腦力疲勞狀態(tài)。5.2樣本熵特征提取與分析5.2.1樣本熵原理與特點樣本熵（SampleEntropy，SampEn）是一種用于度量時間序列復雜性的非線性動力學參數(shù)，由Richman和Moorman于2000年提出，作為近似熵（ApproximateEntropy，ApEn）的改進版本。它通過計算時間序列中模式的相似性和規(guī)律性來反映序列的復雜程度，在腦電信號分析中具有獨特的優(yōu)勢，能夠有效揭示大腦在不同狀態(tài)下的活動變化。樣本熵的計算基于以下原理：對于給定的時間序列x(n)，n=1,2,\cdots,N，首先將其構(gòu)建為m維向量序列X_m(i)，其中X_m(i)=[x(i),x(i+1),\cdots,x(i+m-1)]，1\leqi\leqN-m。然后定義兩個m維向量X_m(i)和X_m(j)之間的距離d[X_m(i),X_m(j)]為兩者對應元素差值的最大值，即d[X_m(i),X_m(j)]=\max_{0\leqk\leqm-1}|x(i+k)-x(j+k)|，i\neqj，1\leqi,j\leqN-m。對于給定的閾值r，統(tǒng)計滿足d[X_m(i),X_m(j)]\ltr的向量對的數(shù)量，并計算其與距離總數(shù)的比值B^m_i(r)。再將m維向量擴展為m+1維向量，重復上述步驟，得到B^{m+1}_i(r)。樣本熵SampEn(m,r,N)的計算公式為：SampEn(m,r,N)=-\ln\frac{\sum_{i=1}^{N-m}B^{m+1}_i(r)}{\sum_{i=1}^{N-m}B^m_i(r)}樣本熵具有以下特點：首先，樣本熵對數(shù)據(jù)長度的要求相對較低，即使在數(shù)據(jù)量有限的情況下，也能較為準確地反映時間序列的復雜性。這一特點使得它在處理腦電信號等實際采集數(shù)據(jù)時具有很大的優(yōu)勢，因為腦電信號的采集往往受到實驗條件和被試者耐受性的限