电子游戏脑力疲劳对玩家的生理健康、产品的用户体验效果有着重要影响,脑电信号是评价脑力疲劳的“金标准”,能够直接、客观地反映大脑的活动情况。本文利用脑电信号的关键特征,结合主观评价和行为绩效的疲劳评价方法,对电子游戏脑力疲劳状态下的信号特征进行研究,并探索了疲劳状态分类模型的建立方法,具体的研究内容与成果如下:(1)电子游戏脑力疲劳实验任务设计。考虑脑力负荷的大小,利用NASA-TLX量表和被试的任务绩效分析多个难度水平实验任务的负荷差异,确定了具有代表性的简单和困难两种任务。(2)脑力疲劳主观评价量表的建立。总结以往主观评价的研究成果,设计初步的量表,通过问卷调查和信度、效度检验评价量表各个条目的有效性和一致性,最终确定了包含11个条目的评价量表。(3)脑力疲劳实验及信号预处理。利用电子游戏疲劳实验采集原始的脑电信号,在完成基线校正及去除坏波和部分伪迹后,利用巴特沃斯低通滤波器(Butterworth Low-pass Filter)滤掉了高于32Hz的大部分肌电信号和工频干扰,并通过小波变换(Wavelet Transform,WT)滤掉低于0.5Hz的信号以及部分肌电信号、背景噪声,最终获得0.5-32Hz的纯净的脑电信号,从信号的时频图可以看出滤波过程的有效性。(4)脑电信号特征提取及脑力疲劳分析。通过对被试主观评价和任务绩效结果的分析,确定了不同的脑力疲劳状态。从节律波相对能量、能量比值和样本熵的角度对不同疲劳状态下的脑电信号特征进行研究,获得以下结论:①被试在简单任务下的脑力疲劳持续增加,在困难任务下,被试产生短暂兴奋,之后疲劳逐渐积累。②通过对节律波δ、θ、α、β的相对能量和比值θ/α、(α+0)/β以及θ/(α+β)的均值分析和单因素方差分析,以及脑电地形图的比较,可以得出随着疲劳的增加,快波能量降低,慢波能量增加,其中以θ波和β波的变化最为显著,并且,三类参数均能成为电子游戏脑力疲劳的评价指标。③通过分析样本熵均值在不同疲劳状态下的差异,得出样本熵随着疲劳增加而减小,能够成为电子游戏脑力疲劳评价的特征指标。(4)基于支持向量机的分类器模型构建。利用多维特征指标建立了区分清醒和疲劳状态的二分类模型以及区分清醒、兴奋、疲劳、严重疲劳状态的四分类模型,其中二分类模型的分类准确率可以达到80%以上,性能较好,四分类模型的分类准确率只能达到65%,有待改进。本文研究成果是对脑力疲劳及其评价方法理论的重要补充,为电子游戏脑力疲劳实时监测提供了理论基础和技术支持,具有良好的应用前景。