随着航空技术的进步，现代飞机系统也在不断地更新与发展，并逐渐趋于机械化和智能化，使任务集中在少数几个人身上，虽然某种程度上减少了体力劳动，但飞行员的生理和心理承受的负荷越来越大，再加上夜航、跨时区飞行，导致飞行员生物钟紊乱，睡眠缺失，因而引发严重的脑力疲劳。
脑力疲劳可能导致人的作业机能衰退，飞行作业对飞行员的生理心理能力要求极高，在飞行过程中飞行员瞬间的注意力分散、反应退缓或协调性不够都可能导致极为严重的事故。因此，如何评价和预测脑力疲劳已成为航空领域的重要研究课题之一。
目前，关于脑力疲劳的评定方法主要有主观评价和客观评测。主观评价主要通过问卷调查的形式进行，这种评定方式可以提供脑力疲劳的多种信息，如脑力疲劳是否产生，产生时间、产生的原因以及疲劳程度，常用的有Piper疲乏量表、NASA—TLX工作负荷量表和Stanford疲乏量表等。
NASA—TLX工作负荷量表
但主观评价具有评分主观、评分标准不统一及受个体差异影响严重等缺点，无法客观评定疲劳的生理心理状态。因此，在实际的脑力疲劳评定工作中仅用主观评定法是不够的，还需要有客观评测予以支持。
客观评测包括心理、行为学指标评估，如通过心理运动测验取得人的知觉、认知解释和运动反应等, 前提是假设作业绩效降低是疲劳的标志。
此外，还包括生理学指标评定法, 主要是一些电生理指标, 如脑电(Electroencephalogram, EEG)、眼电(Electrooculogram, EOG)、肌电(Electromyogram, EMG)以及心电(Electrocardiogram, ECG)等【1】。
在这些生理参数中, 由于EEG直接反映大脑活动, 因而被认为是最可靠有效的指标之一,被广泛应用于大脑疲劳研究中。研究发现随着疲劳水平的升高，脑电信号会有明显变化，疲劳状态与觉醒状态下慢波与快波所占频率不同，随着疲劳水平的升高，与睡眠有关的慢波增加，与觉醒有关的快波降低，即δ波和θ波增加，α波和β波降低【2】。
在航空领域，利用飞行模拟器进行的航空疲劳研究显示，无论是短途还是长途夜航飞行中，飞行员都会出现睡眠脑电图波形【3】，Cadwell 等人在F-117模拟器中研究后指出，EEG慢波活动的显著增多可以作为生物节律和疲劳检测指标【4】。
由此，利用脑电波来检测飞行员疲劳的测量方法是可行的，脑电图也被称作检测疲劳水平的“黄金指标”，但其效度与应用效果还有待考证。
以往研究中，由于脑电系统的便携性较差，脑电采集无法在实际飞行环境中进行，实验通常集中于实验室和飞行模拟器。
技术的不断进步使产品不断革新，西班牙知名脑电设备供应商Neuroelectrics（NE）研发生产的无线便携式脑电系统便在一项实验中证明能够在实际飞行中进行脑电信号采集。
在ISAE（法国国家高等航空与航天学校）-SUPAERO 实验室的一项研究中，研究人员使用NE Enobio无线干电极脑电系统在真实飞行驾驶环境下实时采集飞行员的脑电信号，以评估飞行员的认知疲劳和驾驶舱内的人机交互，同时证实了其在真实飞行环境中的可用性。
点击图片观看视频在这项研究中，研究人员首先设计了一个场景，22名佩戴Enobio干式脑电图系统（使用6 个电极：Fz,Cz,Pz,Oz,P3和 FP）的飞行员在听觉oddball任务下分别执行高负荷和低负荷的五边飞行任务（traffic pattern，训练飞行员的一种重要课程，其主要环绕机场飞行，飞行员可从五边飞行中学习起飞、爬升、转向、平飞、下降及降落等重要飞行技巧）。
无线干电极脑电系统Enobio
统计分析显示，在低负荷条件下，听觉目标（Pz、P4 和 Oz 电极）的 P300 （P300属于ERP事件相关电位的一种，是一种内源性的、和认知功能相关的特殊诱发电位，P300可以通过视觉、听觉和体感刺激进行诱发，以识别与人脑认知过程相关的神经活动）幅度更高，同时具有更高的α波段功率（Pz 电极）和更高的 θ 波段功率（Oz 电极）。
接着研究人员进行了第二项关于检测认知疲劳的研究，目标是测试干电极脑电图系统与功能性近红外光谱 (fNIRS) 结合的可能性，以对驾驶疲劳状态进行更完善的监测。更确切地说，研究人员使用了与脑动力学相关的参与度特征（EEG参与率）和连接特征（基于fNIRS的小波相干的参数）。
左 – ISAE-SUPAERO 飞行模拟器 ，中-兼容fNIRS和 EEG (Enobio) 的电极帽，右-ISAE-SUPAERO 轻型飞机。
在这项研究中，四名参与者被要求在飞行模拟器和实际轻型飞机中分别进行四次五边飞行任务。除了飞行任务以外，飞行员还必须执行次要的听觉任务。前两次飞行被假定是低认知疲劳等级，而后两次则被假定为高认知疲劳等级。
正如预期那样，与前两次飞行相比，飞行员在后两次错过了更多的听觉目标。高负荷导致了飞行员的认知疲劳，损害了听觉注意力。两种模态结合时，飞行模拟器条件下分类准确率达到87.2%，实际飞行条件下分类准确率达到87.6%。
EEG 参与特征，研究结果表明，与无疲劳状态相比，疲劳状态下的参与度较低
fNIRS 连接特征，定性研究结果表明，连接数量随着认知疲劳而增加，这可能意味着需要更多的大脑区域来补偿疲劳。
这项研究证实了便携式无线脑电系统可以应用于实际飞行环境中，并且与 fNIRS 结合可以有效监测嘈杂环境中飞行员的精神状态。它实际上也为许多研究打开了大门，例如对飞行员安全和工作负荷监控和反馈，促进对飞行员负荷的量化，以达到合理安排负荷量，提高安全性的目的。
近年来便携式脑电波采集设备取得了长足的发展，这使得具有疲劳监测“金标准”之称的脑电波信号采集难度降低，也使得基于脑电波信号监测飞行员疲劳状况更具研究价值。
参考文献：
【1】KAR S, BHAGAT M, ROUTRAY A EEG signal analysis for the essment and quantification of driver’s fatigue[J].Transportation Researeh Part F: Traffic Psychology and Behavior, 2010 13(5):297-306.
【2】袁翔，孙香梅.疲劳驾驶检测方法研究进展[J].汽车工程学报，2012，2（03）：157-164.
【3】JAPBT， LALSKL， FISCHERP， et al. Using EEG Spectral Components to Assess Algorithms for Detecting Fatigue[J]. Expert Systems with Applications，2009，36（2）：2352-2359.
【4】Caldwell JA，Hall KK，Erickson BS.EEG data collected from helicopter pilots in flight are sufficiently sensitive to detect increased fatigue from sleep deprivation[J].Int J Aviat Psychol，2002，12（1）：19-32.
