二.項目應認真閱讀自然科學基金項目管理和財務管理有關規(guī)定、辦法（查 五.國家自然科學基金歸口管理部門負責審核項目年度《進展報告、項目。理想結果或甚至失敗，特別是面上項目這種情況，也請在報告中實事求是地反映出來，說明工作狀況和發(fā)展態(tài)勢，供國家自然科學基金和專家參考。。年度計劃要點和調(diào)整情況外研究發(fā)展狀況及項目進展情況做了必要的調(diào)整和變動，哪些研究內(nèi)容未按計劃進行，原因何在。研究工作主要進展和階段性成果。(本部分是進展報告的重要部分,請認真撰寫)。請分層次敘述所開展的研究工作、取得的進展或碰到的問題等，給出必要的數(shù)部分亦包括國內(nèi)外合作與學術交流、培養(yǎng)情況等。5工作狀況、發(fā)展態(tài)勢和建議等，供基金委管理人員或?qū)＜覅⒖?。附件：給出標注基金資助的已和已有錄用通知的 、其他成果 項目在本年度開展了視覺系統(tǒng)生理學分析、多任務視覺信息認知測試與控制實驗平臺的搭建、虛擬視覺刺激系統(tǒng)建模、關鍵實驗測試儀器（腦電信號設備、眼動儀等）的并進行以及視覺征客觀驗開始了電數(shù)據(jù)眼動工作些工作本年度如期完除此之外，項目在本年度還提前開展了下一年度的研究工作，超額完成了不同信息量的動態(tài)顯示情境的設計，開展了基于排隊網(wǎng)絡的多任務多信息動態(tài)儀表顯示條件下認知特性研究及基于小世本項目首先對人工作時疲勞產(chǎn)生的原因做了認真的分析，疲勞主要來自于工作方面和操作者通過上述分析，改進設備的設計和可以從客觀的方面對操作者的疲勞進行改善。通過對理反應程及視覺系的生理特的研究分析視系統(tǒng)對色形狀獲得視覺的主要是眼睛，人的眼睛是光的官，主要感受波長在380~750nm范1所示，1、視覺特性研

12arctan（m2a2b所示分別為人眼水平靜視野和垂直靜視野。22、生理反應過（經(jīng)驗、學習（經(jīng)驗、學習各（腦、脊髓圖3生理反應過3頻率的腦波代表了在一定狀態(tài)下的腦電特征。誘發(fā)腦電是大腦受到某種刺激時而產(chǎn)生的腦電（EEG，1種，條形表包含水平條形和豎直條形兩種（44種形狀的表盤。

圖4研究采用的四種形四種的反應時間和認知率如表*所示1反應時835率（圖50.7-.79s0.~0.89s但由于人視線的水平搜索速度高于豎直搜索速度，故半圓形表盤的認知速度總體高于豎直條形，從圖586420

P300

56，（Fz（Cz均勻受被試影響的差異越小。由于半圓形表盤的刻度均勻分布在上半圓，相對相同間距的水平刻度盤其刻度的水平跨度較小，且與豎直條形刻度不同，半圓形表盤刻度方式為水平方向。對于圓形表盤，其方式為綜合方式，即包含水平方向和豎直方向，而頂葉主要負責注意力改變，方式的頻繁變換導致頂葉幅值較大，同時也引起頂葉腦區(qū)能量的增大；水平條形和豎直條形的認知方式單一，人在中更易找到變化規(guī)律，故注意力變化規(guī)律接P3007delta頻段，delta活動反映了與相關的信號匹配的神經(jīng)加工，因此說明不同形狀表盤在認知過程中進行的圖6不同腦區(qū)P300幅值分 圖7不同頻段下腦區(qū)能量變22128所示。a)正圓形表 c)水平條形表 8低組合）均列為反應較優(yōu)組合；而反應時高于900ms的組合（較慢組合）和率高于20%的組合（較高組合）均被列為反應較差組合。從圖9可以看出，區(qū)刻度色對反應時間影響較大，10，圖9不同色彩組合下的反應時間對 圖10不同色彩組合下的反應率對表3所示為針對指標（反應時、率）較快和較慢或較高和較低的兩種情形，在指標的變3變變 區(qū)刻度色組 區(qū)刻度色組區(qū)區(qū)色率反應時失誤率表3表明，當區(qū)刻度顏色為紅色且搭配白色安全區(qū)刻度顏色時，反應時間提高最快，搭3、對儀表空間位置的視覺特1234567812345678912345678123456789第1 第2 第3 第4 第1 第2 第3 1112~13所示。 12八區(qū)域位置布局的反應時間和正確率分布131~4號位置的反應正確率，此結果與測試時的顯示器高度有關，由于人就坐時的自然視線需抬起頭部或眼皮，而觀察5~8位置的儀表則僅僅需向下轉(zhuǎn)動眼球，了反應時間。圖134~6位置的反應時較其他位置偏短，主要原因為中間位置的儀表在豎直位置上處于了視23421所有位置（7#位置除外）的反應時間標準差均較?。?號位置的最小0正1415確率水平接近，而正圓形表的反應時和正確率均在指針指向區(qū)時表現(xiàn)較好，但平均反應時和率要顯著高于其他形式的表盤。其原因是主要由于除正圓形外的其他形狀的表盤的區(qū)和安全區(qū)的相對位置比較單一，即視覺感受上兩者為左右關系或上下關系，進行判斷時可以同時借助區(qū)置和顏進行綜判斷從而高了速度和準率而正圓表盤為對稱表其區(qū)和安全區(qū)的相對位置較復雜，區(qū)處于正圓形的一角，因此被試者在判斷時不能僅僅依靠他們上下左右的位置關系進行判斷，依靠的是顏色的差異進行判斷，單一的判別方式無正圓 b)半圓c)橫條 d)豎條16050 5050 17不同色彩組合下各形狀儀表誘發(fā)的P30017P300幅值高于較差的（三）人的感受與腦力負荷及認知可靠度研是指通過人眼所觀察到得影像反饋到腦中，人在作出判斷后對不同的作出的反應。某些醫(yī)學24onae118

18有研究，大腦對運動的分析是在顳葉上溝后部進行。因而從上面的論述可以看出，對于2腦力負荷最初被用來作為與體力負荷相對應的一個術語，用以形容人在工作中的心理壓力，或者信息處理能力。后來，在北約關于腦力負荷的專題研討會上，與會者給了腦力負荷一個簡單的定義腦力負是一個的概它計到要求間壓操作的能力努力程行為表現(xiàn)和其他許多因素。這個結論從此被廣泛的接受。腦力負荷可作為測量人的信息處理系統(tǒng)一個指標，與人閑置未用的信息處理能力成反比。閑置未用的信息處理能力越小，則腦力負荷越大。1）評價2）務測量定，當工作變時，需要腦力資源，人表現(xiàn)結果會發(fā)生變化。該方法中，操作人員被要求同時做兩件工作。操作人員主要精力放在務上，當其有多余能力是，他應當盡可能做另一項任務，即輔助任務。務的腦力負荷是通過輔助任務的表現(xiàn)來3腦力負荷對操作者的認知能力考驗日趨增大，對操作安全的影響也更加明顯。在這些多目標多任務的情境中，顯示變量與操作任務既有分層組織，也有交叉耦合，各變量之間相互影響。因此，行的生理測量方法，該方法通過測量視覺對于單任務與多任務儀表信息的認知和操控反本項目針對EEG信號的模式分類問題，完成了小世界神經(jīng)網(wǎng)絡的構建。根據(jù)構造的多層前向絡進行腦電信號的模式分類，實現(xiàn)了客觀舒適性與腦力負荷等指標本構關系的構建。研究內(nèi)1通過腦電儀了被試空閑期、單任務及多任務條件下的腦電信號(如圖19所示)，采樣和量θ、α、β頻段能量值作為θ波（4-7c/s）、α波（8-13c/s）、β波（14-25c/s）。a) b) c)19軀體運動(FZ)、額葉聯(lián)絡(CZ)、軀體(PZ)2小世界現(xiàn)象揭示了客觀世界許多復雜網(wǎng)絡運動中最為有效的信息傳遞方式，即一個高度信息的傳遞效率。小世界神經(jīng)網(wǎng)絡比規(guī)則和隨機連接網(wǎng)絡具有更優(yōu)的近性能。當學習速率處于0.1~0.3之間，小世界神經(jīng)網(wǎng)絡的近性能大致相同，表明此時網(wǎng)絡具有較好的穩(wěn)定性。此外，網(wǎng)40%時，多層前向小世界神經(jīng)網(wǎng)絡和livli只與相鄰層的神經(jīng)Vl-1Vl+1中的神經(jīng)元相連，且所有連接均為連接，各層內(nèi)神經(jīng)元之間無連接；m+2~Lvj′進行重新連接,但新連接與重連和自環(huán)無關；算法終止條件判斷:m≤L-1,4，否則算法終止。構造的多層前向小世界神經(jīng)20所示。203FZ、CZ、PZ通道的空閑期與單任務或多任務時腦電信號的一維向量為樣本集來作為2組。多層前向小世界神經(jīng)網(wǎng)絡通過比較每θ、α、βθ、α、β頻段能量值小于等于空閑θ、α、β頻段能量值則腦負荷不大。以腦負荷大、不大作為輸出，因為該輸出量只有兩種可56p=0.150次迭代學習，所有程序均在7.0下完成θ、α、β0則說明腦θ、α、β頻段能量值未受到顯著的激發(fā)，以此可以對腦電信

2122為該實驗平臺的組成示意圖。它主要由可調(diào)節(jié)座椅、虛擬視覺界面顯示裝置以及腦電信 1

22可調(diào)節(jié)座椅6機構10側加焊起的側撐板支筋將型進行填加以支襯墊從而1即座椅滑道)（圖23a）（8圖2a0～100調(diào)角器是對靠背、坐墊夾角進行調(diào)整和鎖止的機構，選用機械板式調(diào)角器，根據(jù)實驗和GB15083-194200°9°調(diào)節(jié)桿位于個座椅左手桿的為30～60的阻為9N左右。2135°～360°。計算1為程序運行計算機，用于各種視覺界面（如儀表、狀態(tài)信息等）顯示程序的運行，并通過三 圖23實驗平臺線框 圖24組合支架調(diào)節(jié)機344、腦電信號處理系2，1人從感知到進行動作的每個過程都有大腦的某個區(qū)域參與進行信息處理，根據(jù)神經(jīng)通道將大腦的各個區(qū)域連結起來并對信息進行傳輸?shù)奶匦?，可建立基于排隊網(wǎng)絡的認知過程，即將的認知進程分為三部分，即感知子網(wǎng)、認知子網(wǎng)和運動子網(wǎng)，并且在每部分中均映射了人腦的相應區(qū)域之間的聯(lián)系。感知子網(wǎng)絡負責視（聽）覺信息的處理、視（聽）覺辨識和視（聽）覺信息位置確定等，因此最先接觸信息的是負責聽覺的大腦顳葉和視覺的枕葉。認知子網(wǎng)絡包含對信息的處理、提取信息、進行復雜的認知功能及發(fā)出動作命令等，負責這一過程的主要為額葉和頂葉額葉乎涉及有的心功能含語智力和等葉主要初級感中樞高級感覺聯(lián)絡區(qū)以及空間知覺的形成區(qū)，并涉及語言、、注意等神經(jīng)心理功能。運動子網(wǎng)絡就是最后令執(zhí)行部分并收集反饋信息，這一過程的信息處理主要由區(qū)的大腦的運動皮層完成（圖25 252采用GLudo軟進行視刺激系建模在GLudo中可以以為基進行表設計，將所設計的儀表表盤以的形式導入該軟件中，對進行模型化、紋理化、程序化等操作，GLudo18263

26以上述儀表系統(tǒng)模型為基礎，本項目以腦負荷為測試目標，進行了多任務信息下的視覺系統(tǒng)，并實時被試者的腦電信號，用于分析基于腦電特征的多信息認知特性。27

(a)電極分布，其中A2為參考電極 圖27電極分布示意圖及電極帽佩戴圖2829被試了 被試皮 腦電設 射電極被試了 被試皮 腦電設 射電極圖28試驗流程 圖29實驗場4頻域分析方法主要是EEG的功率譜分析，把幅度隨時間變化的腦電波變換為腦電功率隨頻率EEGEEG的定量分析中，功率譜估計是頻域分析的基礎。本選取的功率譜密度計算的定義如下：P()limE[1|

x(n)ejn|2N 圖30不同任務難度下頻譜圖及腦地圖對照圖結果顯示，不同任務狀態(tài)下功率譜圖率值分布有明顯差別，空閑期譜值較為紊亂，單δ波（1-3c/s）θ波（4-7c/s）、α波（8-13c/s）、β波（14-25c/s）γ波（25c/s以上），在各波段中選擇某一頻率做出腦地圖能量分獨立成分分析HEOG、VEOG在空閑期、單任務、多任務三種任務難度下的頻譜對照圖，31所示。HEOG空閑 HEOG單任 VEOG單任HEOG多任 VEOG多任31眼電通道頻譜對照圖β頻段多任務下O1、O2接下來分析視覺聯(lián)絡區(qū)的信號O1、O232O1空閑 O2空閑O1單任 O2單任O1多任 O2多任32枕葉區(qū)頻譜對照圖θ、α、β頻段能量相對高且激發(fā)明顯，在腦地圖上觀察到的腦部激活都比空閑期活躍，且多任FZ、CZ、PZFZ空閑 CZ空閑 PZ空閑FZ、CZ、PZFZ單任 CZ單任 PZ單任FZ、CZ、PZFZ多任 CZ多任 PZ多任FZ、CZ、PZ33FZ通道的是，CZ、PZθ、αPZ通道，F(xiàn)Z通道觀察到的現(xiàn)象有相似之處。LZCLZC計算程序由編寫完成，將數(shù)據(jù)導入LZC數(shù)值，將數(shù)值LZC34所示。34LZC的分布（空閑期、單任務和多任務（七）員在通過視覺獲取信息時的動態(tài)視覺特性和軌跡決策行為我們并不是很清楚。因此，以航1、飛行任務中儀表功能及動態(tài)視覺分起滑跑：此階段主要注視飛機的速度儀表，從飛機上的俯仰指示器或從機35(c)所示。 3536(a)所示。，布。同時要隨時保持好飛行航向，因此航向儀表上也有一些注視點分布，如圖36(b)所示。，36(d)所示。 362知測試與控制實驗臺，添加眼動追蹤系統(tǒng)（38）37所示。圖37多儀表顯控實驗 -eye眼動眼動儀標定完成后進行正式實驗利用眼動儀自帶EyeVision完成頻率為50Hz。5000ft525000ft高度，526033 圖39注視點百分比和平均瞳孔尺寸注視次數(shù)要多，在儀表區(qū)域的注視點百分比上，應用差異顯著性分析法，t檢驗結果表明，起由圖39(b)利用差異顯著性分析法可知，平均瞳孔大小在儀表和外景上差異顯著(P<0.05)，注視儀表時要比注視外景時瞳孔尺寸大。當想努力看清一個目標時，瞳孔尺寸會變大，同時

水平方向眼跳幅水平方向眼跳幅

垂直垂直時

時

40

時

時

41（八）1 及著作情1）JunHong,XiaolingLi,FengXu,YingJiang,XiaohuLi.TheMentalWorkloadJudgmentinVisualCognitionunderMultitaskMeterScheme.InternationalJournalofthePhysicalSciences.(已錄用)JunHong,XiaolingLi,KeiichiSato,LeiYao,YingJiang.DesignStandardsandLayoutMethodsofMulti-informationVisualInterfaceBasedonEyeMovementofFlightSimulator.4ndInternationalConferenceonAppliedHumanFactorsandErgonomics.(已錄用)XiaolingLi,LinruiTu,YanminXue,ZheMa.ResearchontheHumanMachineInterfaceinControl-by-WireElectricVehiclesBasedonHumanCharacteristics.InternationalWorkshopofAuto,PowerandEnergyEngineering.(EI:20112714122320)）JiangYing,HongJun,LiXiaoling.StudyonInstrumentFormCognitionEEG-based.WORK:AJournalofPrevention,Assessment&Rehabilitation.(已錄用)YingJiang,JunHong,XiaolingLi,WeiWang.AnERPstudyoninstrumentFormcognition.4ndInternationalConferenceonAppliedHumanFactorsandErgonomics.(已錄用)LiXiaohu，LiXiaoling，Zhanga，ZhangYulin，LiMaolin.Anewmultilayerfeedforwardsmall-worldneuralnetworkwithitsperformancesonfunctionapproximation,2011IEEEInternationalConferenceonComputerScienceandAutomationEngineering,CSAE2011,pp:353-35721），洪軍，姜穎，徐楓，姚磊.多任務視覺認知中腦負荷測定的實驗系統(tǒng)和方法.中民20111024～26日，TheImpactofTechnologyonDesignResearchConference，SpertusInstitute,Chicago,USA1人：2AmeersingLuximon&RavindraS.Goonetilleke(2001):Simplifiedsubjectiveworkloadassessmenttechnique,Ergonomics,44:3,229-243LucilleTerryNowell.(1997).GraphicalEncodingforInformationVisualization:UsingIconColor,Shape,andSizeToConveyNominalandtativeData.Blacksburg,Virginia:VirginiaPolytechnicInstituteandStateUniversity.Anderson,N.D.,Habak,C.,Wilkinson,F.,&Wilson,H.R.(2007).Evaluatingshapeafter-effectswithradialfrequencypatterns.VisionResearch,47(3),298–308.Bell,J.,Gheorghiu,E.,&Kingdom,F.A.(2009).Orientationtuningofcurvatureadaptationrevealsbothcurvature-polarity-selectiveandnon-selectivemechanisms.JournalofVision,9(12),1–11.Bell,J.,&Kingdom,F.A.(2009).Globalcontourshapesarecodeddifferentlyfromtheirlocalcomponents.VisionResearch,49(13),1702–1710.Gheorghiu,E.,Kingdom,F.A.,Thai,M.T.,&Sampasivam,L.(2009).Binocularpropertiesofcurvature-encodingmechanismsrevealedthroughtwoshapeafter-effects.VisionResearch,49(14),ElenaG,FrederickA.A.Kingdom,EmmaWitney.(2010),Sizeandshapeafter-effects:Sameordifferentmechanism?VisionResearch.50,2127–2136.Garcia,M.L.,Caldera,C.I.,1996.Theeffectofcolorandtypefaceonthereadabilityofon-linetext.ComputersandIndustrialEngineering31(1/2),519–524.Shieh,K.-K.,Lin,C.-C.,(2000).Effectsofscreentype,ambientillumination,andcolorcombinationonVDTvisualperformanceandsubjectivepreference.InternationalJournalofIndustrialErgonomics26(5),527–536.M.Rotte,H.-J.Heinze,H.G.O.M.Smid.(1997).Selectiveattentiontoconjunctionsofcolorandshapeofalphanumericversusnon-alphanumericstimuli:acomparativeelectrophysiologicalstudy.BiologicalPsychology.46,199–221.Alvin,R.Tilley&HenryDreyfussAssociates(2001).TheMeasureofManandWoman:HumanFactorsinDesign.WileyQinD.,ZhengzhiF.,ErnstH.W.Koster(2011).Deficientdistracterinhibitionandfacilitationforemotionalstimuliindepression:AnERPstudy.InternationalJournalofPsychophysiology.Tolgay.E,Tamer.D,Zubeyir.Betal.(2004).AlpharhythmoftheEEGmodulatesvisualdetectionperformanceinhumans.Cognitivebrainresearch.20(3),376-383KatoY,EndoH,KizukaT(2009).Mentalfatigueandimpairedresponseprocesses:Event-relatedbrainpotentialsinaGo/NoGotask.InternationalJournalofPsychophysiology.72(2),204-211LisaR.Fournier,GlennF.Wilson,CarolyneR.Swain,Electrophysiological,behavioral,andsubjectiveindexesofworkloadwhenperformingmultipletasks:manipulationsoftaskdifficultyandtraining,InternationalJournalofPsychophysiology31(1999)129-145CarolineDussault,n-ClaudeJouanin,MatthieuPhilippe,andCharles-YannickGuezennec,EEGandECGChangesDuringSimulatorOperationReflectMentalWorkloadandVigilance,Aviation,Space,andEnvironmentalMedicine,Vol.76,No.4,2005.4CX.Wu,YLLiu.“DevelopmentofanAdaptiveWorkloadManagementSystemUsingtheQueueingNetwork-ModelHumanProcessor(QN-MHP),”IEEETRANSACTIONSONINLIGENTTRANSPORTATIONSYSTEMS,9（3）,2008CX.Wu,YLLiu.Developmentandevaluationofanergonomicsoftwarepackageforpredictingmultiple-taskhumanperformanceandmentalworkloadinhuman–machineinterfacedesignandevaluation,Computers&IndustrialEngineering[J].2009,56:323-333ChristineFogarty,JohnA.Stern,Eyemovementsandblinks:theirrelationshiptohighercognitiveprocesses,InternationalJournalofPsychophysiology,Volume8,Issue1,1989.9:35-42D.J.Mascord,Behavioralandphysiologicalindicesoffatigueinavisualtrackingtask,JournalofSafetyResearch,Volume23,Issue1,Spring1992,Pages19-25LempelA,ZivJ.,Onthecomplexityoffinitesequences,IEEETransInfTheory,1976,22(1):75-MakeigS,BellAJ,JungTPetal,Independentcomponentysisofelectroencephalographicdata,In:TouretzkyD,MozerM,HasselmoM,AdvancesinNeuralInformationProcessingSystems8,Cambridge,MA:MITPress,1996,145-151VigarioRN,ExtractionofocularartifactsfromEEGusingindependentcomponentysis,ElectroenClinNeuro,1997,103(3):395-404FlexerA,BauerH,PripflJetal,EvaluationofaBSSalgorithmforartifactsrejectioninepilepticseizuredetection,EngineeringinMedicineandBiologySociety,2004.1:91-94YingjieLi,ShanbaoTongetal,AbnormalEEGcomplexityinpatientswithschizophreniaanddepression,ClinicalNeurophysiology,Vol.119,Issue6,2008.7:1232-1241T.Fernández,ThalíaHarmonyetal,EEGactivationpatternsduringtheperformanceoftasksinvolvingdifferentcomponentsofmentalcaculation,ElectroencephalographyandclinicalNeurophysiology94(1995):175-182ChandlerA.Phillips,DanielW.Repperger,Atativemodelofthehuman-mac