美国 ABM 脑电仪 B-Alert

美国ABM公司推出的B-Alert可移动无线脑电系统为科学研究和工程应用提供实时测量的解决方案，包括闭环性能监测和仿真训练，人机交互设计评估，情景意识和团队动态监测，工作效率和训练状态监测，是移动脑电解决方案首选 。多功能化设计提供了医疗级的信号质量，适用于实验室、医院和工作场所，如工厂、野外、体育比赛现场等各种环境；应用领域适包括运动科学、人因工程、车辆驾驶员监测、心理认知研究等。

美国 ABM 脑电仪 B-Alert

仪器信息

品牌Advanced Brain Monitoring
分类脑电仪
仪器编码美国 ABM 脑电仪 B-Alert
地区来源美国
更新时间2026-10-10
研究领域神经工效学、航空人因工程、生物医学工程、认知神经科学

技术参数

共 152 条规格记录

型号变体B-Alert X10 与 B-Alert X24 两款头戴采集器
系统组成X10 与 X24 头戴采集器及附件、Synapse Cream 导电膏、X-Series Basic 软件、蓝牙接收单元
整机订货号B-ALERT110-WA；B-ALERT110CS-WA；B-Alert-SFT-W
可选配件订货号CBLX10（模拟输出同步线缆）；B-ALERT-ESU（外部同步单元）
EEG 通道数9（B-Alert X10）
EEG 通道数最高 20（B-Alert X24）
辅助通道1 个可选 ECG、EMG 或 EOG 通道（B-Alert X10）
辅助通道1 个可选 ECG、EOG 或 EMG 通道（B-Alert X24，文档 D35-8201-2 Rev 4）
辅助通道最多 4 个可选通道，经双导连接器连接两个传感器（B-Alert X24，FDA 510(k) K131383 所述配置）
测量信号类型头皮 EEG 与 3 轴体动，可选 ECG、EEG、EOG、EMG
参考电极方式固定增益，参考至双侧乳突（linked mastoids）
传感器阵列Fz、F3、F4、Cz、C3、C4、POz、P3、P4（B-Alert X10 标准传感器条）
传感器阵列标准 10-20 导联加 POz：Fz、Cz、Pz、F3、F4、C3、C4、P3、P4、O1、O2、T5、T3、F7、Fp1、Fp2、F8、T4、T6，配双侧乳突参考（B-Alert X24，文档 D35-8201-2 Rev 4）
传感器阵列（早期版本规格）POz、Fz、Cz、Pz、F3、F4、C3、C4、P3、P4（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
头部运动与位置检测3 轴 12 位加速度计测得角度
采样率256 samples/second（所有通道）
分辨率16 bit（EEG 通道）
电压分辨率0.038 μV（EEG 通道，文档 D35-8202-2 Rev 4）
电压分辨率（早期版本规格）0.03 μV（EEG 通道，早期版本规格，文档 D10-8201-2 Rev 11）
动态范围±1000 μV（EEG 通道）
动态范围±1000–2000 μV（B-Alert X10 整机标称）
动态范围±2000 μV（可选辅助通道，ECG）
噪声3 μV peak-to-peak，typical（EEG 通道）
噪声（早期版本规格）±3.7 μV peak-to-peak（EEG 通道，早期版本规格，文档 D10-8201-2 Rev 11）
输入阻抗500 MΩ，typical
输入阻抗（早期版本规格）100 GΩ（早期版本规格，文档 D10-8201-2 Rev 11）
共模抑制比-115 dB，typical
共模抑制比（早期版本规格）110 dB，typical（早期版本规格，文档 D10-8201-2 Rev 11）
通带特性0.1 Hz 高通（固件）、67 Hz 低通（硬件）
通带特性（早期版本规格）0.1 Hz 高通（硬件）、100 Hz 低通（硬件）（早期版本规格，文档 D10-8201-2 Rev 11）
阻抗监测方式由主机启动，仅对 EEG 通道进行，ExG 两针通道不做阻抗监测
加速度计分辨率12 bit
加速度计采样率10 Hz（由 100 Hz 降采样）
加速度计测量范围-180–180°
位置测量准确度±3°（±60° 范围内）
校准要求无需校准
工作模式Monitoring mode（经蓝牙传输）、Hibernation（关机）、Disconnect（长期存放）
无线通信协议Bluetooth SPP 2.0
无线模块Laird BL652（Bluetooth 5.0），配 USB dongle
无线模块（早期版本规格）Bluetooth v2.1+EDR，符合 IEEE 802.15.1（早期版本规格，文档 D35-8201-2 Rev 4）
无线频段2.4–2.48 GHz（ISM 频段）
天线形式板载天线
无线延迟<340 ms
无线延迟（早期版本规格）最高 300 ms（早期版本规格，文档 D35-8201-2 Rev 4）
无线延迟（早期版本规格）最高 200 ms（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
无线传输距离约 10 m（视距，板载天线）
无线传输距离（早期版本规格）最大 20 m（视距）；推荐 10 m（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
发射功率Class 2 +4 dBm
最大蓝牙传输速率3 Mbaud
数据吞吐率典型 10 KB/sec，最大 30 KB/sec（文档 D35-8201-2 Rev 4）
数据吞吐率（早期版本规格）典型 34 Kbit/sec，最大 100 Kbit/sec（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
无线数据丢失率平均 <0.1%
USB 接口标准USB 2.0
电池容量650 mAh（Li-ION）
电池容量600 mAh 或 650 mAh，3.7 V 锂聚合物电池（文档 D35-8201-2 Rev 4）
电池容量（早期版本规格）600 mAh，3.7 V 锂离子电池（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
续航时间8+ 小时连续无线采集
续航时间12+ 小时（B-Alert Mobile 系统）
续航时间10.5–12.5 小时（监测模式，充电后 0–4 天，文档 D35-8201-2 Rev 4）
续航时间9.5–12.0 小时（监测模式，充电后 5–10 天，文档 D35-8202-2 Rev 4）
续航时间（早期版本规格）14–15 小时（B-Alert X10，充电后前四天，早期版本规格，文档 D10-8201-2 Rev 11）
续航时间（早期版本规格）16–17 小时（监测模式，充电后 0–4 天，FDA 510(k) K131383 所述配置）
充电方式经 USB 线连接 USB 端口（5 V/0.5 A）或 USB 壁式充电器
充电方式（早期版本规格）经 JED 连接器与 USB 线连接 USB 端口（5 V/0.5 A）或 USB 壁式充电器 FY-0501000（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
充电时间0.5–5.0 小时，典型
功耗约 60 mA（B-Alert X10）
功耗45 mAh，典型（监测模式，文档 D35-8201-2 Rev 4）
功耗（早期版本规格）约 40 mA @ 3.7 V，典型（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
用户控制On/Off 触控开关
指示灯绿色、琥珀色
标配采集软件B-Alert Essential
升级分析软件B-Alert Live
实时认知状态指标参与度（engagement）与困倦（drowsiness）
实时认知负荷指标支持，用于测量被试的心理努力程度
自动信号去污功能支持，可去除 EMG、EOG、尖波、饱和与漂移伪迹并保留原始数据
离线分析算法情感状态、参与度与工作负荷、额叶不对称、Mu 抑制、伪迹检测
视频记录功能支持 MP4 视频记录与远程视频监看
数据格式EDF（European Data Format）
数据格式EDF+（European Data Format Plus）（FDA 510(k) K131383 所述配置）
SDK 兼容性MatLab、EEGLab、BCI2000、qEEG
机载数据存储不支持，无机载记录模式
数据文件大小1 MB/min，每 8 小时 480 MB（文档 D35-8201-2 Rev 4）
数据文件大小每 8 小时记录 512 MB（FDA 510(k) K131383 所述配置）
客户端操作系统Windows 7、8 或 10（文档 D35-8201-2 Rev 4）
客户端操作系统（早期版本规格）Windows 7（早期版本规格，文档 D10-8201-2 Rev 11）
客户端最低处理器要求Pentium 4 或同等及以上
客户端最低内存要求1 GB RAM（文档 D35-8201-2 Rev 4）
客户端最低内存要求2 GB RAM 与 4 MB 虚拟内存（B-Alert 软件 v1.4）
软件运行框架要求已安装 .NET framework 3.5（B-Alert 软件 v1.4）
硬盘空间要求每 5 小时记录至少 50 MB（B-Alert 软件 v1.4）
显示器要求15–21 inch（认知指标基准采集需要）（B-Alert 软件 v1.4，认知指标基准采集）
尺寸2.7 inch(长)×1.9 inch(宽)×0.8 inch(高)（头戴采集器（当前 X 系列））
尺寸2.8 inch(长)×1.9 inch(宽)×0.8 inch(深)（文档 D35-8201-2 Rev 4（X24））
尺寸（早期版本规格）5.0 inch(长)×2.25 inch(宽)×1.0 inch(深)（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
重量2.0 ounces（头戴采集器（当前 X 系列））
重量0.071 kg（含电池）（文档 D35-8201-2 Rev 4（X24））
重量（早期版本规格）3.9 ounces（含电池）（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
外壳材料ABS
头带材料氯丁橡胶（Neoprene），配环扣
EEG 电极传感器泡沫传感器（100 PPI 天然色滤泡棉），配 Kustomer Kinetics 透明导电膏
ECG 电极传感器MBS（3BF3）一次性带胶 Ag/AgCl 传感器
EEG 柔性传感器条材料聚酯薄膜（Polyester film）
导电膏成分低致敏基质中的高导电电解质与防腐剂，缓冲至皮肤 pH
传感器条尺寸X-Small、Small、Medium（每位点在 10-20 系统 ±1 cm 内）
适用头型范围6 岁青少年至成人
佩戴设置时间约 10 分钟
外部同步单元B-Alert ESU 多通道外部同步单元，带串口与并口
预期使用寿命5 年
传感器条预期使用寿命25 次使用
电池预期使用寿命2 年
工作温度5–40 °C（文档 D35-8201-2 Rev 4）
运输温度-25–5 °C；5–35 °C；>35–70 °C（文档 D35-8201-2 Rev 4）
运输与存储温度（早期版本规格）-20–70 °C（早期版本规格，文档 D10-8201-2 Rev 11）
相对湿度15%–90%，非冷凝（工作条件，文档 D35-8202-2 Rev 4）
相对湿度（早期版本规格）15%–95%，非冷凝（早期版本规格，文档 D10-8201-2 Rev 11）
海拔-382–3012 m（文档 D35-8201-2 Rev 4）
海拔（早期版本规格）-390–3012 m（早期版本规格，文档 D10-8201-2 Rev 11）
大气压力70–106 kPa
导电膏温度条件7–20 °C
充电时外壳最高温度<57 °C（环境温度 22.8 °C 时）
记录时可触及部件最高温度<45 °C（环境温度 22.2 °C 时）
清洁与消毒方式用异丙醇擦拭清洁消毒
清洁与消毒方式（早期版本规格）用 70% 异丙醇擦拭清洁消毒（B-Alert X10，早期版本规格，文档 D10-8201-2 Rev 11）
IP 防护等级IP22
IP 防护等级（早期版本规格）IPXO（依据 IEC 60601-1 sub-clause 44.6）（早期版本规格，文档 D10-8201-2 Rev 11）
电击防护类型Type BF 应用部分，内部电池供电（B-Alert X10，文档 D10-8201-2 Rev 11）
运行模式分类连续运行（Continuous）
安全标准IEC 60601-1、CSA 601.1、EN865、EN/IEC 60601-1-2 2nd edition（文档 D10-8201-2 Rev 11）
EMC 标准CISPR 11，RF 发射 Group 1、Class B
设备 EMC 分类标准Class B，EN 55011:2009+A1:2010
无线电设备 EMC 标准EN 301 489-1、EN 301 489-17
静电放电抗扰度标准EN 61000-4-2
射频电磁场抗扰度标准EN 61000-4-3
工频磁场抗扰度标准EN 61000-4-8
低电压指令Low Voltage Directive
无线电设备指令Radio Equipment Directive
FCC 与加拿大无线电合规FCC Part 15 Class B；加拿大 ICES-003
SAR 相关发射功率限值低于美国 24.979 mW 与欧盟 20 mW 限值（蓝牙模块最差情况 5.85 dBm）（文档 D10-8201-2 Rev 11）
医疗器械注册FDA 510(k) K131383；分类 882.1400 Electroencephalograph；产品代码 GWQ、OMC
前代同类器械K130013 X4 System
预期用途在家庭、医疗机构或临床研究环境中处方使用，采集、传输、显示和存储 6 岁及以上患者的生理信号
信号分析声明仅采集与显示生理信号，不对信号的准确度、精密度与可靠性作分析声明
适用人群6 岁及以上
操作人员要求受训技师
传感器放置部位头皮与胸部
用途限制不用于患者的诊断或治疗，面向非医疗应用与 IRB 批准的人体受试者研究
使用环境限制不得在 MRI 环境或磁共振成像系统附近使用，不得与高频手术设备或在手术室内使用
报警功能限制不具备基于 EEG 分类的报警，仅有过度伪迹提示报警（B-Alert X10，文档 D10-8201-2 Rev 11）
基本性能声明无会导致不可接受风险的基本性能
应用场景人因工程、工效学、神经游戏、神经营销、神经领导力、团队神经动力学、脑机接口
第三方分析软件兼容性可由医师使用 FDA 批准的第三方软件（如 Persyst Software，K011397）分析
系列内变体差异X10 面向功能性与简便性的 9 通道系统；X24 面向 LORETA、BCI、神经反馈训练、ERP 与认知状态研究的 20 通道系统

相关实验室

以下机构来自本仪器关联论文的作者署名，不代表已确认采购或持有该仪器。

美国陆军航空医学研究实验室

地区：美国

署名作者：凯瑟琳·A·费尔特曼、阿曼达·M·凯利

研究方向：工作负荷、航空、个体化、脑电图

关联论文 1 篇

美国北达科他大学

地区：美国

署名作者：哈米德·塔赫里·戈尔吉、库希亚尔·塔瓦科利安

研究方向：生物医学工程、脑电图、航空航天工程、人类行为

关联论文 1 篇

实验方法

研究方向：基于脑电的飞行员认知负荷评估、面向自适应自动化的操作员状态监测、脑电频谱特征的机器学习分类、真实飞行与模拟飞行环境中的移动无线脑电采集

真实飞行环境下飞行员认知负荷的无线脑电采集与机器学习判别

方法说明：在单发教练机的真实飞行环境中，使用 ABM B-Alert X-24 无线脑电系统（20 导联，国际 10-20 系统，采样率 256 Hz）采集 10 名持有 FAA 商用飞行员执照的大学航空专业学员在标准化仪表飞行剖面各机动过程中的脑电信号，按机动类型将认知负荷划分为低、中、高三级；对 delta、theta、alpha、beta 四个子频带计算功率谱密度与对数能量熵特征，经 RFE 与 LassoCV 特征选择后，以 SVM、随机森林、逻辑回归组成的堆叠集成模型进行三分类，并采用超参数优化与十折交叉验证评估，最终在 RFE 选出的 15 个特征上达到 91.67% 的准确率。

实验仪器：无线脑电采集系统 B-Alert X-24；单发四座教练机 Archer；单发四座教练机 172S；综合航电系统 G1000；脑电分析软件 EEGLAB（MATLAB 工具箱）

实验步骤

  1. 被试招募与飞行前准备

    说明：招募 10 名持有 FAA 商用飞行员执照及 I 类或 II 类体检合格证的大学航空专业学员，试验当日填写人口学、教育、近期睡眠与咖啡因摄入等问卷，随后佩戴 ABM 脑电采集系统。

    关键点：确保被试资质一致；记录睡眠与兴奋剂摄入等可能影响脑电的混杂因素。

  2. 脑电系统佩戴与基线采集

    说明：按国际 10-20 系统在 Fp1、Fp2、F7、F3、Fz、F4、F8、T3、C3、Cz、C4、T4、T5、P3、Pz、P4、T6、O1、POz、O2 共 20 个位置布置电极，采样率 256 Hz，先采集基线脑电，数据经蓝牙传输至笔记本电脑的 ABM 软件。

    关键点：电极位置与 10-20 系统对齐；基线与飞行中数据均通过 ABM 软件经蓝牙接收。

  3. 标准化飞行剖面执行

    说明：每名飞行员在 Piper Archer 或 Cessna 172S（Garmin G1000 航电）单发飞机上执行代表平均仪表飞行训练序列的标准化飞行剖面，包含平飞、转向、爬升顶点、截获与精密进近等机动。

    关键点：按机动类型定义负荷等级：平飞为低负荷，东/西向转弯与爬升顶点为中负荷，截获与精密进近为高负荷。

  4. 脑电预处理

    说明：在 EEGLAB 中进行滤波，采用独立成分分析（ICA）与 ICLabel 工具箱识别并剔除眼动、肌电等伪迹成分，并使用边界元模型进行头模型配准。

    关键点：真实飞行中运动与肌电伪迹严重，ICA+ICLabel 自动伪迹剔除是关键。

  5. 特征提取

    说明：对 delta、theta、alpha、beta 四个子频带在 20 个电极上分别计算功率谱密度（PSD）与对数能量熵，共得到 228 个特征。

    关键点：PSD 反映功率随频率的分布，对数能量熵反映信号所携带的信息量，两类特征互补。

  6. 特征选择与模型训练

    说明：分别用递归特征消除（RFE）与 Lasso 交叉验证（LassoCV）筛选特征，再输入由 SVM、随机森林与逻辑回归组成的堆叠集成分类器，用 GridSearchCV 做超参数优化，十折交叉验证评估准确率、精确率、召回率、F 值与 ROC-AUC。

    关键点：RFE 选出的 15 个特征取得最佳结果：准确率 91.67%、精确率 93.89%、召回率 91.67%、F 值 91.22%、平均 ROC-AUC 0.93。

实验数据

多导联真实飞行脑电原始信号

数据来源：ABM B-Alert X-24 无线脑电系统在飞行全程采集，经蓝牙传输至 ABM 软件

实验样本：20 导联、256 Hz 采样的连续脑电时间序列，按机动阶段标注低/中/高负荷标签

数据呈现：经 ICA 伪迹剔除后的分段脑电波形图、成分地形图

子频带功率谱密度与对数能量熵特征

数据来源：对预处理后脑电按 delta、theta、alpha、beta 频带在 20 个电极上计算

实验样本：每个样本 228 维特征向量（4 频带 × 20 电极 × 2 类特征），RFE 筛选后保留 15 个特征

数据呈现：特征重要性排序图、被选特征在各电极/频带的分布图

堆叠集成模型分类性能指标

数据来源：十折交叉验证下 SVM、随机森林、逻辑回归堆叠模型的输出

实验样本：准确率 91.67%（±0.11）、精确率 93.89%（±0.09）、召回率 91.67%（±0.11）、F 值 91.22%（±0.12）、ROC-AUC 0.93（±0.06）

数据呈现：混淆矩阵、ROC 曲线

方法关联论文：利用机器学习方法与脑电判别飞行中飞机驾驶员的认知负荷

全动飞行模拟器中个体化负荷操纵下陆军飞行员脑电工作负荷测量

方法说明：8 名美国陆军飞行员在 UH-60 黑鹰全动模拟器中完成两次实验室访问：第一次访问用于确定每名飞行员的个体工作负荷阈值，第二次访问据此实施个体化的高负荷与基线（低负荷）飞行场景。全程使用 Advanced Brain Monitoring B-Alert X24 无线湿电极脑电系统（20 导联，国际 10-20 系统）记录脑电，并用 B-Alert Live 软件完成伪迹剔除、FFT 与功率谱密度计算，得到额区 alpha、theta、beta 及 beta/(alpha+theta) 比值等指标，同时采集 NASA-TLX、ISAW 主观负荷评分与飞行性能数据；结果显示高负荷场景下额区 alpha、theta 降低、beta 比值升高，且个体化方法的效应量大于以往基于组的负荷操纵研究。

实验仪器：无线湿电极脑电系统 B-Alert X24；脑电实时处理软件 B-Alert Live；UH-60 黑鹰全动飞行模拟器 UH-60 六自由度全动模拟器；统计分析软件 SPSS 25；统计分析软件 R Studio 4.0.2

实验步骤

  1. 被试招募与心理量表筛查

    说明：招募 8 名现役陆军飞行员，完成 Beck 抑郁量表（BDI-II）与状态-特质焦虑量表（STAI）等基线量表。

    关键点：排除情绪状态对脑电与主观负荷评分的干扰。

  2. 第一次访问：确定个体负荷阈值

    说明：在 UH-60 黑鹰六自由度全动模拟器中安排多种负荷递增的飞行任务，结合 NASA-TLX 与 ISAW 即时自评，为每位飞行员识别其个体化的高负荷阈值。

    关键点：以个体差异为基础设定负荷操纵强度，而非对所有被试使用同一组任务。

  3. 第二次访问：脑电系统佩戴与个体化飞行

    说明：佩戴 Advanced Brain Monitoring B-Alert X24 无线湿电极系统（20 通道，10-20 系统），依次完成基线（低负荷）飞行与依据个体阈值设计的高负荷飞行，全程记录脑电、主观负荷评分及高度、空速、着陆等飞行性能指标。

    关键点：脑电采集贯穿两次飞行全程；高负荷场景按个体阈值定制。

  4. 脑电处理与指标计算

    说明：使用 B-Alert Live 软件先识别并去除伪迹，再对数据做快速傅里叶变换计算指定频段的功率谱密度，输出额区 alpha、theta、beta 功率及 beta/(alpha+theta) 比值。

    关键点：全部脑电指标由 B-Alert Live 软件自动计算，保证与既往研究可比。

  5. 统计分析与历史数据对比

    说明：在 R Studio 4.0.2 与 SPSS 25 中对高、低负荷条件进行配对样本 t 检验，用 effectsize 包计算 Hedge's g；并与三项以往采用基于组负荷操纵的研究进行效应量比较。

    关键点：高负荷下额区 alpha（p=0.04）、theta（p=0.01）降低，beta 比值（p=0.02）升高；ISAW（g=1.88）与 NASA-TLX（g=3.16）显著升高；个体化方法效应量更大。

实验数据

额区脑电频段功率谱密度

数据来源：B-Alert X24 采集的脑电经 B-Alert Live 软件伪迹剔除与 FFT 后输出

实验样本：高负荷与基线飞行条件下的额区 alpha、theta、beta 功率及 beta/(alpha+theta) 比值；高负荷下 alpha、theta 更低，beta 比值更高

数据呈现：高/低负荷条件下各频段均值柱状图与误差线、效应量对比图

主观工作负荷评分

数据来源：飞行中即时自评 ISAW 与飞行后 NASA-TLX 量表

实验样本：高负荷条件下 ISAW 与 NASA-TLX 评分显著高于低负荷条件（p<0.001；Hedge's g 分别为 1.88 与 3.16）

数据呈现：条件间评分箱线图/柱状图

飞行操纵性能指标

数据来源：UH-60 全动模拟器记录的高度偏差、空速保持与着陆表现

实验样本：着陆速度偏差在高负荷下为 19.08 KIAS，低负荷下为 3.60 KIAS

数据呈现：条件间性能指标对比图

方法关联论文：利用脑电测量飞行员工作负荷：一种个体化的负荷操纵方法

主要部件

暂未收录主要部件

相关论文

共 2 篇；当前显示第 1 页

利用脑电测量飞行员工作负荷：一种个体化的负荷操纵方法

原文题名：Measuring aviator workload using EEG: an individualized approach to workload manipulation

发表年份：2024

作者：凯瑟琳·A·费尔特曼；乔纳森·F·沃格尔；亚伦·麦卡蒂；阿曼达·M·凯利

刊源：Frontiers in Neuroergonomics

DOI 10.3389/fnrgo.2024.1397586
查看论文摘要与书目信息

摘要 · 中文整理：测量操作员的生理状态并利用这些数据预测未来的绩效下降，一直是交通运输多个领域的持续目标。对陆军航空而言，实现这一目标可推动开发能适应操作员需求的自适应自动化系统。然而，达到这一终态需要使用与真实环境相似的实验场景来诱发目标状态，并能兼顾个体在经验、暴露程度及对负荷操纵感知上的差异。本研究采用个体化方法操纵工作负荷，以兼顾个体对负荷操纵反应的差异，同时仍提供具有作战相关性的飞行体验。8 名陆军飞行员参与研究，完成两次实验室访问：第一次访问用于识别个体的工作负荷阈值，第二次访问则进行带个体化负荷操纵的飞行。两次飞行全程采集脑电数据，同时记录主观负荷评分与飞行绩效。脑电数据与负荷评分均提示出现了高负荷。高负荷飞行的主观评分高于低负荷飞行（p<0.001）。在脑电方面，与高负荷场景相比，基线飞行场景中额区 alpha（p=0.04）和 theta（p=0.01）值更低，而 beta/(alpha+theta) 比值（p=0.02）更高。此外，将数据与以往采用基于组的负荷操纵方法的研究进行了比较。个体化方法在脑电和主观评分上均表现出更大的效应量，表明该方法可能为在飞行员中更可靠地产生高负荷提供途径。

原文摘要：Measuring an operator's physiological state and using that data to predict future performance decrements has been an ongoing goal in many areas of transportation. Regarding Army aviation, the realization of such an endeavor could lead to the development of an adaptive automation system which adapts to the needs of the operator. However, reaching this end state requires the use of experimental scenarios similar to real-life settings in order to induce the state of interest that are able to account for individual differences in experience, exposure, and perception to workload manipulations. In the present study, we used an individualized approach to manipulating workload in order to account for individual differences in response to workload manipulations, while still providing an operationally relevant flight experience. Eight Army aviators participated in the study, where they completed two visits to the laboratory. The first visit served the purpose of identifying individual workload thresholds, with the second visit resulting in flights with individualized workload manipulations. EEG data was collected throughout both flights, along with subjective ratings of workload and flight performance. Both EEG data and workload ratings suggested a high workload. Subjective ratings were higher during the high workload flight compared to the low workload flight (p < 0.001). Regarding EEG, frontal alpha (p = 0.04) and theta (p = 0.01) values were lower and a ratio of beta/(alpha+theta) (p = 0.02) were higher in the baseline flight scenario compared to the high workload scenario. Furthermore, the data were compared to that collected in previous studies which used a group-based approach to manipulating workload. The individualized method demonstrated higher effect sizes in both EEG and subjective ratings, suggesting the use of this method may provide a more reliable way of producing high workload in aviators.

关键词：工作负荷、航空、个体化、脑电图、认知状态、操作员状态监测

研究目标：解决以往基于组的负荷操纵方法难以兼顾飞行员个体差异、导致脑电与主观负荷响应不稳定的问题，探索一种个体化负荷操纵方法以更可靠地诱发高工作负荷。

主要结论：个体化负荷操纵在脑电（额区 alpha、theta 降低，beta 比值升高）与主观评分上均产生了比以往基于组方法更大、更一致的效应，虽然飞行绩效差异未达统计显著，但该方法有望更好地复现真实飞行负荷，为面向自适应自动化的实时操作员状态监测系统奠定基础。

创新点：提出两次访问的个体化负荷阈值确定与操纵范式；在全动 UH-60 模拟器中结合 B-Alert X24 脑电、NASA-TLX/ISAW 主观评分与飞行绩效多源指标；将结果与三项既往组基研究的效应量进行系统对比。

后续建议：扩大样本量以提升飞行绩效指标的统计功效；引入实时脑电指标反馈实现闭环自适应自动化验证；结合心率变异性、眼动等多模态生理信号提高负荷判别稳健性；在真实飞行环境中验证个体化负荷操纵方法的迁移性；探索个体化阈值的自动化快速标定流程以降低实验成本

APA 引文：Feltman, K. A., Vogl, J. F., McAtee, A., & Kelley, A. M. (2024). Measuring aviator workload using EEG: an individualized approach to workload manipulation. Frontiers in Neuroergonomics, 5, 1397586. https://doi.org/10.3389/fnrgo.2024.1397586

仪器引用：The Advanced Brain Monitoring B-Alert X24 wireless wet electrode system recorded EEG activity. The X24 incorporates 20 channels corresponding to scalp locations according to the International 10–20 system. Rather, we used the B-Alert Live Software (B-Alert Live, 2009) to process all EEG data and provide the outcome variables of interest.

使用资料与操作视频

睡眠分析器的应用和编辑

简介：well come to this introductory video on the application and editing of sleep staging with sleep profiler.In this first segment of the video we will review the methods used to auto-stage sleep.From the frontal sensors,a differential recording from AF7,AF8 the primary signal used to States sleep.Power spectral characteristics the conventional EEG bands what's the power from thirty two to one hundred and twenty eight Hertz which we referred EMG.

发布时间：2020-02-28T09:56:14Z

移动眼球追踪和无线脑电图在人机交互中的应用

简介：The lows off spots are designed as mobile store clerks that assist customers in identifying and locating merchandise by interacting via speech and touch screen.Mobile eeg an eye tracking data were acquired within a lowe's test or environment to explore typical interactions, including first impression as os.Bot is introduced to the shopper response when os Bot approaches and speaks to the shopper.And reaction for validated metrics were shown to be useful in describing human robot interactions.

发布时间：2020-02-25T03:42:57Z

NBC新闻——致命武力训练中基于脑电图的指标

简介：Carlsbad company is using new brain monitoring technology to help police officers in deadly force training,NBC 7.liberty zabala got an exclusive peek at the technology and shows us why narrow scientists say it can really help officers make the right life and death decisions.All right, now we are in a hyper realistic environment here in kearny mesa where we will test our subject officer in a deadly force situation.And we expect them to make split second decisions every day everything in between.

发布时间：2020-02-25T02:57:31Z

B-Alert Live新软件概述

简介：B-Alert Live新软件概述。介绍B-Alert Live升级后的新软件的操作界面和功能。

发布时间：2020-02-24T08:30:30Z

Surround-Screen Mobile based Projection: Design and Implementation of Mobile Cave Virtual Reality

简介：In the current work, we present a novel mobile-CAVE system that uses light-weighted materials and portable powered devices. It solves the limitation of re-using the allocated space by packing it and the ability to move it easily. We have assessed our technology by performing usability analysis, power consumption, and mobility experimental study. The profound experiments demonstrated the efficiency of the proposed technology in comparison with former CAVE system.

发布时间：2020-02-07T10:44:04Z

EEG Acquisition During the VR Administration of Resting State, Attention, and Image Recognition Tasks: A Feasibility Study

简介：The co-acquisition of EEG in a virtual environment (VE) would give researchers and clinicians the opportunity to acquire EEG data with millisecondlevel temporal resolution while participants performed VE activities. This study integrated Advanced Brain Monitoring’s (ABM) X-24t EEG hardware with the HTC Vive VR headset and investigated EEG differences in tasks delivered in two modalities: VE and a desktop computer.

发布时间：2020-02-07T10:00:21Z