發(fā)布時間：2020-11-21 15:40

　　 職業(yè)緊張是目前眾多領(lǐng)域中研究的一個熱點。經(jīng)濟的發(fā)展和社會生產(chǎn)方式的變革使得越來越多的人在自己的職業(yè)崗位上感受到了緊張與壓力。職業(yè)緊張測量工具量表可以從宏觀上測出被試者的職業(yè)緊張狀況,但由于使用的差異仍存在許多問題。腦電信號中包含很多重要的生理信息,大腦皮層對外界刺激產(chǎn)生的行為可以通過腦電信號反映出來。利用腦電信號構(gòu)建網(wǎng)絡(luò)并分析其拓?fù)鋵傩阅転槁殬I(yè)緊張的臨床判斷提供思路。本文通過分析護士和學(xué)生的腦網(wǎng)絡(luò)從而判別出兩者之間不同的職業(yè)緊張程度,研究結(jié)果如下:1.基于內(nèi)部組成對齊的腦電原始信號以及節(jié)律信號的分析。選取16導(dǎo)聯(lián)腦電信號,利用內(nèi)部組成對齊(Inner Composition Alignment,IOTA)方法對學(xué)生和護士樣本構(gòu)建腦網(wǎng)絡(luò),并選取參數(shù)分析樣本之間的腦網(wǎng)絡(luò)差異性。利用特征提取技術(shù)對原始腦電信號進行處理得到節(jié)律信號,分析兩組樣本間節(jié)律信號的差異。結(jié)果表明,護士的腦網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)明顯復(fù)雜于學(xué)生的腦網(wǎng)絡(luò),原始腦電信號和節(jié)律信號中的β節(jié)律能夠有效區(qū)分護士和學(xué)生的IOTA系數(shù)以及腦網(wǎng)絡(luò)拓?fù)鋵傩浴?.基于Kendall的腦電原始信號以及節(jié)律信號的分析。采用Kendall等級相關(guān)方法對腦電信號作非線性處理。通過構(gòu)建分析護士和學(xué)生的腦網(wǎng)絡(luò),研究不同腦電信號之間是否具有差異性。應(yīng)用節(jié)律信號構(gòu)建網(wǎng)絡(luò),比較兩組樣本間的差異。采用獨立樣本T檢驗用于檢測結(jié)果是否具有可信性。結(jié)果顯示,在原始信號和β節(jié)律信號下,護士樣本的Kendall系數(shù)明顯高于學(xué)生的Kendall系數(shù),兩者的平均度和聚類系數(shù)也有顯著的區(qū)別。驗證了Kendall方法能用于區(qū)分學(xué)生和護士的腦電信號。3.基于安卓平臺的系統(tǒng)設(shè)計與實現(xiàn)。將本文研究的IOTA和Kendall算法功能實現(xiàn)于APP中。采用Java語言編程開發(fā)APP軟件,該系統(tǒng)可以完成一系列功能,包括數(shù)據(jù)的處理,算法的運行,結(jié)果的顯示以及均值方差圖的實現(xiàn)。通過對IOTA算法和Kendall算法的研究,發(fā)現(xiàn)兩種算法都能有效區(qū)分不同組樣本的腦網(wǎng)絡(luò)。對原始腦電信號和節(jié)律信號進行分析時,結(jié)果是原始腦電信號和β節(jié)律信號可以區(qū)分兩組數(shù)據(jù),而其他三種節(jié)律信號效果均不明顯。因此,可以應(yīng)用IOTA算法和Kendall算法基于原始信號或β節(jié)律信號研究樣本之間腦網(wǎng)絡(luò)的差異。
【學(xué)位單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：R131;TN911.6
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 緊張和職業(yè)緊張概念
    1.2 職業(yè)緊張研究現(xiàn)狀
    1.3 職業(yè)緊張研究意義
    1.4 論文結(jié)構(gòu)及內(nèi)容安排
第二章 EEG與腦網(wǎng)絡(luò)
    2.1 復(fù)雜網(wǎng)絡(luò)
    2.2 腦電信號基礎(chǔ)知識
        2.2.1 EEG概念
        2.2.2 EEG的采集
        2.2.3 EEG預(yù)處理
    2.3 腦網(wǎng)絡(luò)構(gòu)建
    2.4 本章小結(jié)
第三章 基于IOTA的腦網(wǎng)絡(luò)構(gòu)建與分析
    3.1 內(nèi)部組成對齊算法
    3.2 數(shù)據(jù)介紹
        3.2.1 數(shù)據(jù)來源
        3.2.2 數(shù)據(jù)預(yù)處理
    3.3 腦網(wǎng)絡(luò)構(gòu)建
    3.4 實驗結(jié)果分析
    3.5 差異性檢驗
    3.6 腦電節(jié)律信號
        3.6.1 節(jié)律信號特征與劃分
        3.6.2 基于節(jié)律信號的仿真結(jié)果分析
    3.7 本章小結(jié)
第四章 基于Kendall的職業(yè)緊張分析
    4.1 Kendall等級相關(guān)算法
    4.2 數(shù)據(jù)介紹
    4.3 腦網(wǎng)絡(luò)構(gòu)建
    4.4 實驗結(jié)果分析
        4.4.1 Kendall系數(shù)
        4.4.2 平均度
        4.4.3 聚類系數(shù)
    4.5 節(jié)律信號的實驗結(jié)果分析
        4.5.1 Kendall系數(shù)
        4.5.2 腦網(wǎng)絡(luò)拓?fù)鋵傩苑治?br>    4.6 本章小結(jié)
第五章 基于Android的系統(tǒng)開發(fā)實現(xiàn)
    5.1 Android相關(guān)知識簡介
    5.2 應(yīng)用軟件開發(fā)
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項目
致謝

【參考文獻】

相關(guān)期刊論文 前10條

1 徐金平;李朝林;趙容;;國內(nèi)核心期刊有關(guān)職業(yè)緊張論文的文獻計量分析[J];職業(yè)衛(wèi)生與應(yīng)急救援;2015年01期

2 董澤芹;侯鳳貞;戴加飛;劉新峰;李錦;王俊;;基于Kendall改進的同步算法癲癇腦網(wǎng)絡(luò)分析[J];物理學(xué)報;2014年20期

3 蘭亞佳;張洋;;職業(yè)緊張研究現(xiàn)狀與展望[J];川北醫(yī)學(xué)院學(xué)報;2014年01期

4 李健;朱陶;陳賽男;熊建;張樹山;;律師職業(yè)緊張與職業(yè)生命質(zhì)量的關(guān)系研究[J];中華疾病控制雜志;2013年09期

5 徐欣;周運;馬千里;;EEG數(shù)據(jù)信號的Matlab濾波仿真設(shè)計分析研究[J];南京郵電大學(xué)學(xué)報(自然科學(xué)版);2011年06期

6 趙春煜;邱天爽;;基于典型相關(guān)分析和小波變換的眼電偽跡去除[J];北京生物醫(yī)學(xué)工程;2011年05期

7 徐寶國;宋愛國;費樹岷;;在線腦機接口中腦電信號的特征提取與分類方法[J];電子學(xué)報;2011年05期

8 孫俊峰;洪祥飛;童善保;;復(fù)雜腦網(wǎng)絡(luò)研究進展——結(jié)構(gòu)、功能、計算與應(yīng)用[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2010年04期

9 連玉龍;劉繼文;張晨;袁芳;;基于中小學(xué)教師人群的腦力勞動者職業(yè)緊張評價體系的初步研究[J];衛(wèi)生研究;2010年05期

10 戴俊明;余慧珠;吳建華;吳翠娥;傅華;;不同職業(yè)緊張因子與抑郁癥狀的關(guān)聯(lián)分析[J];衛(wèi)生研究;2010年03期

相關(guān)博士學(xué)位論文 前1條

1 葉檸;基于腦電信號的腦—機接口的關(guān)鍵技術(shù)與實驗研究[D];東北大學(xué);2010年

本文編號：2893230