运动性疲劳会给健康人和有运动功能障碍的患者造成不同程度的损害,因此如何对运动性疲劳进行有效的检测吸引了大量的研究。基于脑电信号探讨脑区间的关系以检测运动性疲劳是目前研究的热点。然而大脑存在不同功能分区且有很多通道,从大量通道中选出与运动更相关的通道,不仅可以降低计算复杂度,还可以提高疲劳检测准确率。先前的研究都是基于单通道幅值变化识别运动相关通道,这些研究仅限于单通道,而忽略了通道间的相互作用。然而,大脑不同功能区存在相互作用,会构成一个复杂系统来完成相应的任务。相比单通道特征,基于通道间的相互作用而构建的脑网络被证明更具结构上的稳定性。据此,本文将基于脑网络识别运动相关通道。主要工作和成果包括:(1)基于相位同步(PLV)构建两种类型的脑功能网络,然后从中提取全局网络指标和局部网络指标,结合Borg值(疲劳程度打分值),以此展开运动相关通道的识别研究。1)全局网络指标显著性检验结果显示,不同年龄层被试的全局指标存在较大差异,因此被试中的成人和儿童被分开以讨论运动相关通道的识别。2)本文利用皮尔逊(Pearson)显著相关性的方法进行通道选择,即将局部网络指标与Borg值显著相关的通道视为运动相关通道。3)基于Relief算法进行通道选择并与基于Pearson显著相关性的通道选择结果进行比较。(2)对以上运动相关通道的选择结果在两种策略下进行验证,即基于相位同步的验证策略,通过观察通道对的PLV随Borg值变化的情况来评价疲劳检测效果,以及基于分类的验证策略,通过比较局部网络指标的分类准确率大小来评价疲劳检测效果。在以上两种策略中,将验证均分为两部分进行。1)基于Pearson显著相关性的通道选择的内部验证,将运动相关通道作为实验组,相同数量的非运动相关通道作为对照组,比较两组疲劳检测效果。2)基于Pearson显著相关性和基于Relief算法的通道选择的比较验证,即比较两者所选择的运动相关通道的疲劳检测效果。实验结果表明,在两种验证策略中,基于Pearson显著相关性所选择的运动相关通道的疲劳检测效果更好,验证了基于Pearson显著相关性的通道选择方法以及利用该方法所识别的运动相关通道的有效可靠性,其运动相关通道选择结果为研究运动性疲劳和脑区间关系的研究人员提供了一定的参考,对基于脑电信号的运动性疲劳检测和评估具有重要意义。