基于脑电特征的虚拟现实诱发自动驾驶晕动症识别

打开文本图片集

【摘要】针对自动驾驶与虚拟现实技术融合中，因视觉信息与操作信息不匹配引发的晕动症问题，通过模拟驾驶平台的主动驾驶与自动驾驶双任务范式，同步采集受试者的脑电信号，并结合Go/No-go行为范式和标准化晕动症问卷，探究不同驾驶模式对大脑认知资源分配的影响。结果表明：自动驾驶场景显著加剧视觉-前庭冲突引发的晕动症症状；基于虚拟现实的自动驾驶容易引起晕动症，其神经机制表现为Pz、Cz、Fz通道功率谱密度升高（p<0.05），N200和P300成分的幅值降低与潜伏期缩短（p<0.05）；构建融合时域ERP、频域PSD及非线性复杂度的卷积神经网络分类模型的准确率达到92.7%，为实时监测与优化人机交互设计提供了科学依据。（剩余12948字）