曹征濤，熊瑾樂，梁學(xué)宇，王 聰，李敬潔，雍 偉

(1空軍特色醫(yī)學(xué)中心，北京 100142；2東南大學(xué)儀器科學(xué)與工程學(xué)院，江蘇 南京 210096)

駕駛員的疲勞是航空領(lǐng)域中的一個(gè)研究熱點(diǎn)，因?yàn)樗麄冊(cè)诠ぷ髌陂g會(huì)經(jīng)歷長(zhǎng)時(shí)間的狀態(tài)變化、晝夜節(jié)律紊亂和睡眠不足。復(fù)雜的操作系統(tǒng)和動(dòng)態(tài)需求要求駕駛者具有高水平的認(rèn)知能力，而疲勞會(huì)導(dǎo)致認(rèn)知能力和主觀感受下降，從而影響飛行安全[1]。因此，研究致力于探索疲勞的產(chǎn)生條件并優(yōu)化其檢測(cè)。通常認(rèn)為，疲勞并非由單一機(jī)制誘發(fā)，大量的內(nèi)在生理因素和外在環(huán)境因素導(dǎo)致駕駛員產(chǎn)生疲勞[2]。開始時(shí)間和休息安排等調(diào)度因素會(huì)影響睡眠調(diào)節(jié)過(guò)程，而任務(wù)持續(xù)時(shí)長(zhǎng)和任務(wù)需求會(huì)導(dǎo)致不同的工作量[3]。本試驗(yàn)旨在分析長(zhǎng)航時(shí)模擬飛行中執(zhí)行夜間飛行任務(wù)的駕駛員的狀態(tài)，通過(guò)獲取到的心電圖(electrocardiogram，ECG)信號(hào)完成心率變異性(heart rate variability，HRV)多參數(shù)指標(biāo)的計(jì)算，將出現(xiàn)休息的過(guò)程和執(zhí)行任務(wù)的過(guò)程進(jìn)行對(duì)比，初步對(duì)受試者夜間執(zhí)行任務(wù)的狀態(tài)和可能預(yù)警點(diǎn)進(jìn)行評(píng)估。

1 對(duì)象與方法

1.1 對(duì)象

健康男性志愿者8人，年齡18～22歲，平均(19.4±1.2)歲；身高169～173 cm，平均(171.0±1.3)cm；體質(zhì)量58～72 kg，平均(64.8±4.2)kg；均為右利手。生活規(guī)律，自述無(wú)睡眠障礙，無(wú)神經(jīng)及精神科用藥史和病史。試驗(yàn)前1周及試驗(yàn)期間禁用煙、酒、茶、咖啡等飲料及中樞興奮或抑制性藥物，避免劇烈運(yùn)動(dòng)。在試驗(yàn)開始前，受試者均完成了訓(xùn)練，能夠熟練操作模擬飛行系統(tǒng)，掌握正確的檢測(cè)方法。

1.2 方法

1.2.1 試驗(yàn)流程 試驗(yàn)前對(duì)受試者進(jìn)行講解，使其熟悉試驗(yàn)程序，受試者2人一組(1名機(jī)長(zhǎng)，1名副機(jī)長(zhǎng))，在波音737模擬飛行平臺(tái)上連續(xù)模擬飛行48 h(圖1)。飛行4.5 h時(shí)由副機(jī)長(zhǎng)開始進(jìn)行45 min睡眠休息，每隔5.5 h兩人交替休息1次，每人各休息8次。試驗(yàn)從早上9時(shí)開始模擬48 h連續(xù)飛行任務(wù)，期間持續(xù)采集ECG數(shù)據(jù)，并在模擬飛行前和飛行后以及中間每次休息前和休息后進(jìn)行主觀量表測(cè)評(píng)。

圖1 機(jī)長(zhǎng)(A)和副機(jī)長(zhǎng)(B)試驗(yàn)流程圖

根據(jù)試驗(yàn)時(shí)間安排(圖1)，其中圖1A表示機(jī)長(zhǎng)的試驗(yàn)安排，圖1B表示副機(jī)長(zhǎng)的試驗(yàn)安排。飛行部分除第1段及第8段外，時(shí)長(zhǎng)均為4 h，睡眠部分為45 min，恢復(fù)及交接飛行部分為45 min。在試驗(yàn)開始和結(jié)束以及中間每隔2段飛行的睡眠前后，均進(jìn)行主觀量表測(cè)評(píng)。在下文的結(jié)果部分，為了簡(jiǎn)要起見，采用C1～C4代表每個(gè)小組的機(jī)長(zhǎng)，D1～D4代表對(duì)應(yīng)的副機(jī)長(zhǎng)。

表1 疲勞量表主觀記錄 (分)

表2 試驗(yàn)個(gè)體HRV指標(biāo)

表3 個(gè)人模型準(zhǔn)確率 (%)

1.2.2 試驗(yàn)設(shè)備 本試驗(yàn)采用表貼式生理指標(biāo)監(jiān)測(cè)系統(tǒng)，可以實(shí)時(shí)采集ECG信號(hào)，并將數(shù)據(jù)實(shí)時(shí)上傳存儲(chǔ)。該設(shè)備ECG性能指標(biāo)如下：①采樣率：200 Hz；②A/D：10 bit；③心率測(cè)量范圍：15～240次/min；④心率測(cè)量精度：±2次/min或者±2%取大者；⑤動(dòng)態(tài)輸入范圍：10 mV；⑥共模抑制：≥70 dB；⑦計(jì)時(shí)準(zhǔn)確性：24 h內(nèi)的總誤差不超過(guò)±10 s。

1.2.3 試驗(yàn)指標(biāo) ①主觀指標(biāo)：采用斯坦福嗜睡量表，按1～7分自主評(píng)定嗜睡感，1分為“精力旺盛、頭腦清醒、警覺性好”，7分為“馬上可以睡著，強(qiáng)睜著才能保持覺醒”，1～7分為嗜睡感逐漸增強(qiáng)；采用自認(rèn)疲勞分級(jí)表(rating of perceived exertion，RPE)，按0～10分自主評(píng)定疲勞感，0分為無(wú)疲勞感，1～4分疲勞感比較輕，5分疲勞感有點(diǎn)重，6～9分疲勞感重，10分疲勞感非常重。②客觀指標(biāo)：ECG信號(hào)(采樣頻率200 Hz)；閃光融合頻率(離散測(cè)量)；反應(yīng)時(shí)和運(yùn)動(dòng)時(shí)(離散測(cè)量)；收縮壓；舒張壓；脈率；血氧；呼吸率；體溫(每15 min測(cè)量1次)。

在本試驗(yàn)中，只有ECG信號(hào)是實(shí)時(shí)連續(xù)測(cè)量，所以在分析數(shù)據(jù)時(shí)以ECG信號(hào)作為主體對(duì)象進(jìn)行分析。生理指標(biāo)監(jiān)測(cè)系統(tǒng)提供的ECG波形經(jīng)過(guò)人工標(biāo)注處理后，對(duì)RR間隔進(jìn)行HRV解算，由于判斷狀態(tài)變化，將整體48 h的數(shù)據(jù)進(jìn)行分段分析，每一段為3 min，約200點(diǎn)RR間隔，計(jì)算得到對(duì)應(yīng)時(shí)間段的HRV指標(biāo)(共10個(gè))，包括三類：一是HRV時(shí)域指標(biāo)，包括RR間隔均值(RR mean)、RR間隔標(biāo)準(zhǔn)差(standard deviation of RR intervals，SDNN)、相鄰RR間隔差值的均方根值(square root of the mean squared differences of successive RR intervals，RMSSD)、相差超過(guò)50 ms的連續(xù)RR間隔百分比(percentage of successive RR intervals differing by more than 50 ms，pNN50)；二是HRV頻域指標(biāo)，包括低頻分量(low frequency，LF)、高頻分量(high frequency，HF)、低頻與高頻之比(LF/HF ratio，LF/HF)；三是非線性指標(biāo)，包括傳統(tǒng)閾值樣本熵(sample entropy with traditional threshold，SampEnrt)、物理閾值樣本熵(sample entropy with physical threshold，SampEnrp)和模糊測(cè)度熵(fuzzy measure entropy，F(xiàn)uzzyMEn)[4-5]。

以上三個(gè)維度，以HRV為目標(biāo)，集中在交感和副交感活躍度的判別和分類，但是有不同側(cè)重[6]。時(shí)域指標(biāo)反映了其時(shí)間維度的變異性大小；頻域指標(biāo)反映了頻率維度的能量分布；非線性指標(biāo)反映了序列中的模式多少，即復(fù)雜程度。用三個(gè)維度進(jìn)行分析有兩方面的原因：一是互相補(bǔ)充，多角度分析；二是增加魯棒性，減少對(duì)數(shù)據(jù)絕對(duì)準(zhǔn)確性的依賴。鑒于時(shí)域和頻域指標(biāo)比較常見，因此下文僅簡(jiǎn)述非線性指標(biāo)。

在過(guò)去對(duì)于HRV的研究中，人們常常關(guān)注線性方法，但信號(hào)的復(fù)雜起源使得傳統(tǒng)的線性方法往往有所局限。為了解決這一問題，非線性方法與混沌理論得到了發(fā)展，其中尤為突出的是針對(duì)人體系統(tǒng)本身非線性動(dòng)力學(xué)屬性而發(fā)展起來(lái)的非線性動(dòng)力學(xué)分析[7]。在現(xiàn)有的非線性動(dòng)力學(xué)方法中，熵測(cè)度是一類重要的方法，因其特別適用于短時(shí)(約幾分鐘)信號(hào)分析，具有較高臨床應(yīng)用價(jià)值；并且，作為量化生理時(shí)間序列的規(guī)律性的一種寶貴工具，熵理論也加深了人們對(duì)心血管系統(tǒng)的基本機(jī)制的理解。

本研究采用了RICHMAN等[8]提出的樣本熵(sample entropy，SampEn)，該方法是近似熵的改進(jìn)，較好地解決了之前計(jì)算中存在的自匹配問題，被廣泛地應(yīng)用于ECG信號(hào)分析、脈診信號(hào)分析以及腦電圖(electroencephalogram，EEG)信號(hào)情感識(shí)別等研究[9-11]。為了避免傳統(tǒng)閾值rt下SampEn計(jì)算中的不一致性和無(wú)效值問題，本研究采用了一種具有物理意義的新閾值rp[4]。之前關(guān)于心力衰竭與心房顫動(dòng)檢測(cè)的分析結(jié)果證明具有物理意義的固定閾值更加有效，其優(yōu)點(diǎn)有：①避免了RR片段計(jì)算中產(chǎn)生的無(wú)效熵值；②閾值的選取由生理信號(hào)的采樣分辨率決定，因而在實(shí)際醫(yī)學(xué)應(yīng)用中更為穩(wěn)定；③靈活的閾值選取在處理信號(hào)波動(dòng)時(shí)具有更好的穩(wěn)健性。此外，為了克服SampEn中采用階躍函數(shù)作為閾值函數(shù)而導(dǎo)致的不一致性等問題，本研究還使用了FuzzyMEn[12]，該方法分別從局部和整體度量信號(hào)中隱含的復(fù)雜度，從而更加準(zhǔn)確地刻畫生理信號(hào)的內(nèi)在非線性本質(zhì)。

在試驗(yàn)過(guò)程中，由于只在部分休息前后采集了閃光融合頻率(離散測(cè)量)、反應(yīng)時(shí)和運(yùn)動(dòng)時(shí)(離散測(cè)量)這兩個(gè)指標(biāo)，故只能作為前后對(duì)比，來(lái)判斷休息前后狀態(tài)是否變化，而無(wú)法從一段連續(xù)的飛行狀態(tài)中判斷個(gè)體的變化。同時(shí)，在試驗(yàn)飛行過(guò)程中，每15 min測(cè)量收縮壓、舒張壓、脈率、血氧、呼吸率、體溫，由受試者主動(dòng)報(bào)給檢測(cè)人員。鑒于記錄時(shí)間的分散性，盡管不能作為產(chǎn)生連續(xù)變化的明確指標(biāo)依據(jù)，這些生理參數(shù)仍然可以作為后期輔助標(biāo)簽對(duì)現(xiàn)有的HRV參數(shù)進(jìn)行分析。

1.2.4 統(tǒng)計(jì)學(xué)分析 本試驗(yàn)的數(shù)據(jù)采用Matlab 2020a進(jìn)行分析，計(jì)算HRV的相關(guān)指標(biāo)，用K均值聚類算法和K近鄰算法對(duì)現(xiàn)有時(shí)間刻度下的HRV參數(shù)進(jìn)行計(jì)算，同時(shí)使用支持向量機(jī)(support vector machines，SVM)和樸素貝葉斯分類器(naive Bayes classifier，NBC)，對(duì)不同狀態(tài)下的參數(shù)進(jìn)行計(jì)算。

SVM是一種二分類模型，它的基本模型是定義在特征空間上的間隔最大的線性分類器，間隔最大使它有別于感知機(jī)；SVM還包括核技巧，這使它成為實(shí)質(zhì)上的非線性分類器。SVM的學(xué)習(xí)策略就是間隔最大化，可形式化為一個(gè)求解凸二次規(guī)劃的問題，也等價(jià)于正則化的合頁(yè)損失函數(shù)的最小化問題；SVM的學(xué)習(xí)算法就是求解凸二次規(guī)劃的最優(yōu)化算法[13]。

NBC是一系列以假設(shè)特征之間強(qiáng)(樸素)獨(dú)立下運(yùn)用貝葉斯定理為基礎(chǔ)的簡(jiǎn)單概率分類器。該分類器模型會(huì)給問題實(shí)例分配用特征值表示的類標(biāo)簽，類標(biāo)簽取自有限集合。它不是訓(xùn)練這種分類器的單一算法，而是一系列基于相同原理的算法：所有NBC都假定樣本每個(gè)特征與其他特征都不相關(guān)。貝葉斯方法提供了推理的一種概率手段，它假定待考查的變量遵循某種概率分布，且可根據(jù)這些概率及己觀察到的數(shù)據(jù)進(jìn)行推理，從而作出最優(yōu)的決策。

本試驗(yàn)的分類建模使用SVM作為多特征多分類的主要分類器，同時(shí)用NBC進(jìn)行輔助概率確定分類，從而完成準(zhǔn)確率、敏感性和特異性的計(jì)算。

2 結(jié)果

2.1 全時(shí)程疲勞分析結(jié)果

本章節(jié)通過(guò)主觀指標(biāo)給出試驗(yàn)各個(gè)階段的疲勞程度評(píng)估，將算取的ECG信號(hào)根據(jù)不同時(shí)間段所對(duì)應(yīng)的嗜睡和疲勞數(shù)值進(jìn)行標(biāo)簽的賦值，并且刻畫出試驗(yàn)過(guò)程中連續(xù)的HRV指標(biāo)變化(表1)。

試驗(yàn)設(shè)計(jì)進(jìn)行了對(duì)于疲勞狀態(tài)的主觀和客觀記錄，對(duì)于短時(shí)間序列的疲勞判斷，目前學(xué)術(shù)界并沒有標(biāo)準(zhǔn)指標(biāo)的量化指標(biāo)，根據(jù)文獻(xiàn)調(diào)查，歐美進(jìn)行疲勞判斷的是小組中的心理人員，心理人員設(shè)計(jì)問卷并進(jìn)行等時(shí)間間隔問卷調(diào)查，然后通過(guò)心理人員對(duì)試驗(yàn)員的問卷調(diào)查結(jié)果判斷該時(shí)刻的疲勞程度。而根據(jù)此次試驗(yàn)的調(diào)查結(jié)果進(jìn)行標(biāo)注時(shí)，我們選用主觀加客觀的標(biāo)注形式，其中主觀因素為疲勞量表測(cè)量，疲勞量表為個(gè)人對(duì)自己疲勞程度的判斷，由輕到重為0～10分，客觀評(píng)價(jià)指標(biāo)為閃光融合頻率和反應(yīng)時(shí)運(yùn)動(dòng)時(shí)。

圖2分別展示了4組試驗(yàn)人員在48 h試驗(yàn)過(guò)稱中的ECG RR間隔，主觀疲勞指標(biāo)以及閃光融合頻率的變化，從圖中可以看出，RPE的數(shù)值個(gè)體差異性較大，每個(gè)試驗(yàn)個(gè)體對(duì)自身疲勞的判定受主觀影響較大，同時(shí)閃光融合頻率在各次測(cè)量時(shí)所表現(xiàn)出的變化規(guī)律一致性較弱。

左側(cè)y軸為RR間隔值，右側(cè)y軸為閃光融合頻率；RPE的數(shù)值通過(guò)直方圖顏色漸變體現(xiàn)，藍(lán)色為不疲勞(RPE=0分)，紅色為疲勞(RPE=7分)；兩段飛行間的睡眠和恢復(fù)階段分別用淺灰色和深灰色表示。C1～C4代表每個(gè)小組的機(jī)長(zhǎng)；D1～D4代表對(duì)應(yīng)的副機(jī)長(zhǎng)。ECG：心電圖。

試驗(yàn)個(gè)體的全程，表中所列舉的各個(gè)HRV指標(biāo)將作為提取的特征輸入各個(gè)試驗(yàn)個(gè)體所對(duì)應(yīng)的模型，采用70%作為訓(xùn)練集，30%作為測(cè)試集，利用SVM和NBC相結(jié)合的優(yōu)化分類方法，對(duì)試驗(yàn)過(guò)程中疲勞與非疲勞狀態(tài)進(jìn)行區(qū)分(表2)。

考慮到個(gè)體的特性不同、標(biāo)準(zhǔn)不同，為了消除個(gè)體差異性對(duì)于模型建立的影響，在給出標(biāo)注時(shí)，我們將不同試驗(yàn)員的疲勞分成3級(jí)，分級(jí)由個(gè)人參與本次試驗(yàn)的狀態(tài)而定。由疲勞量表的兩個(gè)極值決定將主觀指標(biāo)均分為3級(jí)。由于疲勞量表和其余測(cè)試的間隔之間較長(zhǎng)，兩次測(cè)量中間的數(shù)據(jù)的標(biāo)簽以兩端的標(biāo)簽給出。為了使模型更貼近于個(gè)人，該結(jié)果的計(jì)算模型為個(gè)人單輸入和個(gè)人單輸出，即每次試驗(yàn)針對(duì)每一名試驗(yàn)員，構(gòu)建其個(gè)人模型進(jìn)行演算；因而本次試驗(yàn)的結(jié)果共有8次輸入輸出。每次輸入特征矩陣后，隨機(jī)選出其中70%的數(shù)據(jù)作為訓(xùn)練集，30%作為測(cè)試集，共循環(huán)20次，對(duì)于所有的準(zhǔn)確率結(jié)果去極值并取平均值(表3)。

直觀來(lái)看，在分析試驗(yàn)全時(shí)程數(shù)據(jù)時(shí)，根據(jù)主觀加客觀的分析方式在準(zhǔn)確率上并不能讓人滿意。其原因主要是主觀疲勞量表在疲勞程度相對(duì)不明顯或者對(duì)比不明顯時(shí)，標(biāo)簽的賦值不夠準(zhǔn)確、過(guò)于分散，無(wú)法幫助我們區(qū)分不同飛行時(shí)間段受試者狀態(tài)的變化。

2.2 夜間飛行狀態(tài)評(píng)估結(jié)果

圖3展示了以RR mean和SDNN為特征對(duì)試驗(yàn)整個(gè)過(guò)程中疲勞與非疲勞狀態(tài)進(jìn)行區(qū)分的準(zhǔn)確率結(jié)果。從圖中可以看出，雖然疲勞狀態(tài)判定的準(zhǔn)確率結(jié)果個(gè)體差異性較大，準(zhǔn)確率大于90%的段落主要分布在夜間，即飛行段落3和4、7和8，分別對(duì)應(yīng)試驗(yàn)第1日和第2日的上下半夜時(shí)間段。其中，飛行段落3和7，即兩個(gè)夜晚的上半夜至午夜時(shí)間段，疲勞和非疲勞的差異較為明顯，故以這兩段為研究對(duì)象，展開進(jìn)一步研究。為了區(qū)別起見，在下文中將用第1日來(lái)代指第3段飛行段落，以第2日來(lái)代指第7段飛行段落。

C1～C4代表每個(gè)小組的機(jī)長(zhǎng)；D1～D4代表對(duì)應(yīng)的副機(jī)長(zhǎng)。圖中右側(cè)數(shù)字為以RR mean和SDNN為特征對(duì)試驗(yàn)特定飛行過(guò)程中疲勞與非疲勞狀態(tài)進(jìn)行區(qū)分的準(zhǔn)確率。RR mean：RR相隔均值；SDNN：RR間隔標(biāo)準(zhǔn)差。

圖4展示了以10個(gè)HRV指標(biāo)為特征對(duì)試驗(yàn)2 d上半夜的疲勞與非疲勞狀態(tài)進(jìn)行區(qū)分的準(zhǔn)確率結(jié)果。圖中多數(shù)試驗(yàn)個(gè)體的疲勞判別準(zhǔn)確率在90%上下，同時(shí)，相比于圖5中僅用兩個(gè)時(shí)域HRV指標(biāo)，部分個(gè)體準(zhǔn)確率上升，而有些個(gè)體的準(zhǔn)確率有所下降，說(shuō)明采用試驗(yàn)涉及的全體HRV指標(biāo)并不是判別疲勞的最佳方案，故進(jìn)一步對(duì)特征的組合進(jìn)行研究。

C1～C4代表每個(gè)小組的機(jī)長(zhǎng)；D1～D4代表對(duì)應(yīng)的副機(jī)長(zhǎng)。圖中數(shù)字為分別以時(shí)域、頻域和非線性HRV特征對(duì)試驗(yàn)特定飛行過(guò)程中疲勞與非疲勞狀態(tài)進(jìn)行區(qū)分的準(zhǔn)確率。HRV：心率變異性。

圖5展示了分別以HRV時(shí)域指標(biāo)(RR mean，SDNN，RMSSD，pNN50)、頻域指標(biāo)(LF，HF，LF/HF)和非線性指標(biāo)(SampEnrt，SampEnrp，F(xiàn)uzzyMEn)為特征對(duì)試驗(yàn)2 d上半夜的疲勞與非疲勞狀態(tài)進(jìn)行區(qū)分的準(zhǔn)確率結(jié)果。從圖5中可以看出，三類特征的總體效果相差不大，準(zhǔn)確率均超過(guò)80%，且大部分飛行段落的分類結(jié)果超過(guò)90%。并且，對(duì)比第1日和第2日，可以看出在試驗(yàn)第2日的相同時(shí)間段疲勞與非疲勞段落之間的差異更明顯。因此，出于對(duì)準(zhǔn)確率和計(jì)算效率的考慮，單獨(dú)使用時(shí)域、頻域或非線性中的一類特征進(jìn)行分類是較為合理的方案。

圖6展示了利用SampEnrt、SampEnrp和FuzzyMEn分別刻畫48 h試驗(yàn)過(guò)程中D4個(gè)體的飛行與休息段落。從圖中可以看出，模擬飛行階段和睡眠階段的熵值有較為明顯的區(qū)別，睡眠時(shí)期的熵值明顯較低，且物理閾值樣本熵相較于傳統(tǒng)閾值樣本熵和模糊測(cè)度熵可以更好地體現(xiàn)出這種區(qū)別。這為在未來(lái)的研究中進(jìn)一步評(píng)估飛行模擬中的不同生理狀態(tài)提供了可能性。

SampEn rt：傳統(tǒng)閾值樣本熵；SampEn rp：物理閾值樣本熵；FuzzyMEn：模糊測(cè)度熵；HRV：心率變異性。

3 討論

超過(guò)70%的航空事故可歸因于人為因素，飛行員疲勞現(xiàn)在被認(rèn)為是管理和改善飛行安全的關(guān)鍵決定因素之一[14]。在運(yùn)輸行業(yè)中，駕駛員最常見的疲勞原因是睡眠不足、休息質(zhì)量差、壓力和過(guò)度工作[15]。對(duì)于疲勞的有效檢測(cè)與預(yù)警可以降低飛行中事故的發(fā)生概率。

疲勞的無(wú)創(chuàng)測(cè)定主要涉及主觀和客觀兩種方法。主觀方法包括自評(píng)量表和問卷，較容易受到個(gè)人主觀判斷的影響，并且在試驗(yàn)期間很難頻繁地實(shí)施問卷[16]?？陀^方法如反應(yīng)時(shí)和運(yùn)動(dòng)時(shí)等通過(guò)嵌入式行為指標(biāo)進(jìn)行的監(jiān)測(cè)仍然無(wú)法實(shí)現(xiàn)持續(xù)測(cè)量；使用試驗(yàn)人員的身體運(yùn)動(dòng)(如眼瞼運(yùn)動(dòng)和凝視運(yùn)動(dòng))進(jìn)行檢測(cè)則缺乏有效的硬件支持。在這種情況下，包括EEG、眼電圖和ECG在內(nèi)的電生理信號(hào)被用于描述駕駛?cè)藛T的精神負(fù)荷、精神疲勞和困倦等概念[17]。其中，EEG已被公認(rèn)為評(píng)估駕駛員和飛行員疲勞的黃金標(biāo)準(zhǔn)[18]。然而，EEG的高成本和難以操作阻礙了其在實(shí)際監(jiān)測(cè)中的應(yīng)用，作為一種簡(jiǎn)單且快速的測(cè)量方法，ECG已成為疲勞測(cè)量的重要指標(biāo)之一。研究已證實(shí)心率和HRV與心理生理學(xué)領(lǐng)域的困倦和工作量有關(guān)，李巖輝[19]以HRV中的LF/HF表征高原公路駕駛員自主神經(jīng)系統(tǒng)受疲勞的影響；祝榮欣等[20]驗(yàn)證了HRV指標(biāo)可以有效識(shí)別聯(lián)合收獲機(jī)駕駛?cè)说钠跔顟B(tài)；趙小靜等[21]通過(guò)分析睡眠剝奪受試者，證明了HRV指標(biāo)可以作為輔助手段，對(duì)腦力疲勞狀態(tài)實(shí)現(xiàn)更有效的評(píng)測(cè)；向洪義等[22]通過(guò)結(jié)合HRV特征和呼吸頻率，建立了駕駛疲勞識(shí)別模型，在模擬駕駛試驗(yàn)中準(zhǔn)確率達(dá)到了80%以上。

本研究同時(shí)采用了主觀和客觀無(wú)創(chuàng)疲勞測(cè)量方法，其中客觀測(cè)量方法包括反應(yīng)時(shí)、運(yùn)動(dòng)時(shí)、閃光融合頻率以及ECG信號(hào)等。其中，僅有ECG信號(hào)實(shí)現(xiàn)了連續(xù)測(cè)量，能較為客觀地反映飛行員試驗(yàn)過(guò)程中的生理狀態(tài)變化。

過(guò)去的研究?jī)A向于將疲勞分為身體疲勞和精神疲勞，前者被認(rèn)為等同于肌肉疲勞，而后者本質(zhì)上被認(rèn)為是心理疲勞[18]。足球等體育活動(dòng)主要涉及身體疲勞，而駕駛等單調(diào)任務(wù)主要導(dǎo)致精神疲勞[23]。本研究實(shí)施了輪班飛行模擬，飛行員長(zhǎng)時(shí)間坐在模擬平臺(tái)前，易造成精神上的疲勞感；并且，本試驗(yàn)包含夜間飛行，因此困倦也是決定疲勞的一個(gè)主要因素[24]。盡管一些研究認(rèn)為疲勞和困倦是等同的，但疲勞不僅僅等同于困倦或嗜睡[25]。事實(shí)上，困倦主要受睡眠缺乏、晝夜節(jié)律和清醒時(shí)間的調(diào)節(jié)，而任務(wù)時(shí)間和認(rèn)知工作量會(huì)累積精神疲勞。即使受試者沒有處于晝夜節(jié)律的困倦期，飛行模擬中的低喚醒工作狀態(tài)也可能會(huì)導(dǎo)致精神疲勞。因此，對(duì)于飛行員疲勞的評(píng)估應(yīng)當(dāng)綜合考量困倦和工作量，這對(duì)夜間飛行階段尤為重要。

綜上所述，HRV作為一種無(wú)創(chuàng)的連續(xù)生理指標(biāo)，可以清晰地體現(xiàn)不同狀態(tài)下的自主神經(jīng)系統(tǒng)變化，通過(guò)結(jié)合相關(guān)分類模型和算法，可靠地完成了對(duì)模擬飛行試驗(yàn)中飛行員疲勞狀況的評(píng)估。雖然長(zhǎng)航時(shí)飛行中疲勞的形成仍有待進(jìn)一步的研究，合理的工作時(shí)間安排顯然是該領(lǐng)域的一個(gè)焦點(diǎn)問題。對(duì)于疲勞的有效檢測(cè)與預(yù)警可以啟示我們?nèi)绾胃玫匕才泡啺喙ぷ鲿r(shí)間，從而降低飛行中事故的發(fā)生概率。