دوره 9، شماره 2 - ( فصلنامه تخصصی انجمن ارگونومی و مهندسی عوامل انسانی ایران 1400 )                   جلد 9 شماره 2 صفحات 81-69 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Lashgari M, Arab M, Nadjafi M, Maleki A. Correlation Brain Signals and Tractor Sound Signals Based on Fractal Analysis. Iran J Ergon. 2021; 9 (2) :69-81
URL: http://journal.iehfs.ir/article-1-788-fa.html
لشگری مجید، عرب محمدرضا، نجفی محسن، ملکی علی. همبستگی سیگنال‌‌های مغزی و سیگنال‌‌های صدای تراکتور مبتنی بر تحلیل فرکتال. مجله ارگونومی. 1400; 9 (2) :81-69

URL: http://journal.iehfs.ir/article-1-788-fa.html


1- دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، اراک، ایران ، m-lashgari@araku.ac.ir
2- دکترا، واحد تجهیزات پزشکی، دانشگاه علوم پزشکی اراک، اراک، ایران
3- استادیار، گروه مهندسی برق مخابرات، دانشکده مهندسی برق، دانشگاه صنعتی اراک، اراک، ایران
4- دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران
چکیده:   (346 مشاهده)

 
زمینه و هدف: به دلیل وجود صدای ناشی از انواع ماشین‌‏ها و ادوات در بخش‌‏های مختلف کشاورزی، ارزیابی مستمر ایمنی و سلامت شغلی افراد شاغل در این بخش کاملاً ضروری به نظر می‌‏رسد. بی‏‌شک با آگاهی کامل از تأثیرات صدا بر سلامت و عملکرد افراد می‌‏توان آثار زیان‌‏بار صدا را به نحو مطلوب‏‌تری‏ کاهش داد.
روش کار: این تحقیق در سال ۱۳۹۸ در مزرعه تحقیقاتی دانشگاه اراک انجام گرفت. در این تحقیق از یک تراکتور باغی مدل گلدونی ۳۴۱ استفاده شد. ۱۶ داوطلب در معرض صدای تراکتور قرار گرفتند و نوار مغزی هر یک از آنان در چهار دور مختلف موتور ثبت شد. سپس از دو روش هیگوچی و کاتز برای محاسبه بُعد فرکتال سیگنال‏‌های صدا و همچنین سیگنال‌‏های مغزی استفاده شد.
یافته‌‏ها: نتایج نشان می دهد، که با افزایش دور موتور، مقادیر بُعد فرکتال صدا در دو روش هیگوچی و کاتز افزایش داشته‌‏اند. همچنین نتایج حاکی از افزایش بُعد فرکتال سیگنال‏‌های مغزی در اثر افزایش دور موتور بود. نتایج رگرسیون نیز نشان می دهد که هم بستگی بالایی بین دو سیگنال مغزی و صدا وجود دارد؛ به طوری که ضریب تبیین ۰/۸۹۶ و ۰/۸۵۹ به ترتیب در دو روش هیگوچی و کاتز به دست آمد.
نتیجه‏‌گیری: این بررسی نشان داد که واکنش افراد هنگامی که در معرض صدا قرار دارند، با استفاده از بُعد فرکتال قابل پیش‌‏بینی است؛ بنابراین برآورد خصوصیات سیگنال‏‌های مغزی بدون ثبت آن‌ها که غالباً هزینه‌‏بر و زمان‏‌بر هستند امکان‏‌پذیر است. به غیر از بعد فرکتال، شاید به ندرت بتوان شاخصی یافت که بین سیگنال های مغزی و صدا ارتباط برقرار نماید؛ بنابراین می توان واکنش افراد را زمانی که در معرض صدا قرار دارند، با استفاده از بعد فرکتال پیش بینی کرد.
 
واژه‌های کلیدی: نوار مغزی، هیگوچی، کاتز، تراکتور، صدا
متن کامل [PDF 804 kb]   (68 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1399/11/6 | پذیرش: 1400/5/31 | انتشار الکترونیک: 1400/6/30

فهرست منابع
1. Basner M, Babisch W, Davis A, Brink M, Clark C, Janssen S, Stansfeld S. Auditory and non-auditory effects of noise on health. The lancet. 2014;383(9925):1325-32. [DOI] [Google Scholar]
2. Sygna K, Aasvang GM, Aamodt G, Oftedal B, Krog NH. Road traffic noise, sleep and mental health. Environ Res. 2014;131:17-24. [Article] [DOI] [Google Scholar]
3. Van Kamp I, Davies H. Noise and health in vulnerable groups: a review. Noise Health. 2013;15(64):153. [Google Scholar]
4. Gorai AK, Pal AK. Noise and its effect on human being-A review. J Environ Sci Eng. 2006;48(4):253. [Article] [Google Scholar]
5. Nassiri P, Monazam M, Dehaghi BF, Abadi LI, Zakerian SA, Azam K. The effect of noise on human performance: A clinical trial. Int J Occup Environ Med. 2013;4(2):212-87. [Google Scholar]
6. Van Kempen EE, Kruize H, Boshuizen HC, Ameling CB, Staatsen BA, de Hollander AE. The association between noise exposure and blood pressure and ischemic heart disease: a meta-analysis. Environ Health Perspect. 2002;110(3):307-17. [Article] [DOI] [Google Scholar]
7. Stansfeld SA, Matheson MP. Noise pollution: non-auditory effects on health. Br Med Bull. 2003;68(1):243-57. [DOI] [Google Scholar]
8. Clark C, Stansfeld SA. The effect of transportation noise on health and cognitive development: A review of recent evidence. Int J Comp Psychol. 2007;20(2). [Article] [Google Scholar]
9. Seidman MD, Standring RT. Noise and quality of life. Int J Environ Res Public Health. 2010;7(10):3730-8.
10. Lar MB, Pay M, Bagheri J, Pour ZK. Comparison of noise level of tractors with cab and without in different gears on driver ear and bystander. Afr J Agric Res. 2012;7(7):1150-5. [Article] [Google Scholar]
11. Ghaderi M, Javadikia H, Naderloo L, Mostafaei M, Rabbani H. Analysis of noise pollution emitted by stationary MF285 tractor using different mixtures of biodiesel, bioethanol, and diesel through artificial intelligence. Environ Sci Pollut Res. 2019;26(21):21682-92. [DOI] [Google Scholar]
12. Lalremruata, Dewangan KN, Patel T. Noise exposure to tractor drivers in field operations. Int J Veh Perform. 2019;5(4):430-42. [Google Scholar]
13. Lashgari M, Arab MR. Investigation of Relationship between Noise Annoyance and Neurophysiological Responses of Drivers in Exposure to Tractor Sound. Iran J Ergon. 2018;6(3):65-74. [Article] [Google Scholar]
14. Liu J, Zhang C, Zheng C. EEG-based estimation of mental fatigue by using KPCA–HMM and complexity parameters. Biomed Signal Process Control. 2010;5(2):124-30. [DOI] [Google Scholar]
15. Li W, He QC, Fan XM, Fei ZM. Evaluation of driver fatigue on two channels of EEG data. Neurosci Lett. 2012;506(2):235-9. [DOI] [Google Scholar]
16. Chen C, Li K, Wu Q, Wang H, Qian Z, Sudlow G. EEG-based detection and evaluation of fatigue caused by watching 3DTV. Displays. 2013;34(2):81-8. [DOI] [Google Scholar]
17. Rasmussen P, Stie H, Nybo L, Nielsen B. Heat induced fatigue and changes of the EEG is not related to reduced perfusion of the brain during prolonged exercise in humans. J Therm Biol. 2004;29(7-8):731-7. [DOI] [Google Scholar]
18. Bachmann M, Lass J, Hinrikus H. Single channel EEG analysis for detection of depression. Biomed Signal Process Control. 2017;31:391-7. [DOI] [Google Scholar]
19. Rodriguez-Bermudez G, Garcia-Laencina PJ. Analysis of EEG signals using nonlinear dynamics and chaos: a review. Appl Math Inf Sci. 2015;9(5):2309. [Google Scholar]
20. Khodabakhshi M, Saba V. The Analysis of Individuals Emotions Through Brain Signals Using Poincare Approach. Paramed Sci Mil Health. 2018;13(3):12-9. [Article] [Google Scholar]
21. Mohammadi E, Kermani S, Golparvar M. Evaluation of Chaos on Electroencephalogram in Different Depths of Anesthesia. J Isfahan Med Sch. 2018; 36(482): 601-6. [Article] [DOI] [Google Scholar]
22. Hamidi M, Ghassemian H, Imani M. Classification of heart sound signal using curve fitting and fractal dimension. Biomed Signal Process Control. 2018;39:351-9. [DOI] [Google Scholar]
23. Bigerelle M, Iost A. Fractal dimension and classification of music. Chaos Solit Fractals. 2000;11(14):2179-92. [Article] [DOI] [Google Scholar]
24. Gunasekaran S, Revathy K. Automatic recognition and retrieval of wild animal vocalizations. Int J Comput Theory Eng. 2011;3(1):136. [Article] [Google Scholar]
25. Chen J, Liao S, Gan J, Wang XW, Zhu LJ, Mi L. Application of Fractal Dimension to Engine Fault Diagnosis Based on Noise. Vehicle Engine. 2011; (5):21.
26. Boroujeni FM, Maleki A. Fractal Analysis of Noise Signals of Sampo and John Deere Combine Harvesters in Operational Conditions. Arch Acoust. 2019;44. [DOI] [Google Scholar]
27. Namazi H, Kulish VV. Fractional diffusion based modelling and prediction of human brain response to external stimuli. Comput Math Methods Med. 2015;2015:1-11. [DOI] [Google Scholar]
28. Will U, Berg E. Brain wave synchronization and entrainment to periodic acoustic stimuli. Neurosci Lett. 2007;424(1):55-60. [DOI] [Google Scholar]
29. Eswaran H, Draganova R, Preissl H. Auditory evoked responses: a tool to assess the fetal neurological activity. Appl Acoust. 2007;68(3):270-280. [DOI] [Google Scholar]
30. Namazi H. Complexity based analysis of the correlation between external stimuli and bio signals. ARC J. Neurosci. 2018;3(3):6-9. [Article] [Google Scholar]
31. ISO 5131. 1996. Acoustics: Tractors and machinery for agriculture and forestry measurement of noise at operator’s position.
32. Kesić S, Spasić SZ. Application of Higuchi's fractal dimension from basic to clinical neurophysiology: A review. Comput Methods Programs Biomed. 2016;133:55-70. [DOI] [Google Scholar]
33. Abdossalehi, M., Nasrabadi, A. M. & Firouzabadi, S.M. Investigation of Positive, Negative and Neutral Emotion’s determinism through EEG signal processing in extracted component of ICA. Iran J Biomed Eng. 2013;7(2):143-153. [DOI] [Google Scholar]
34. Rabbani H, Lorestani A, Javadikia P, Gholami R. Noise evaluation of MF285 tractor while pulling a trailer in an asphalt road. Int J Agric Eng. 2012;14(4):50-5. [Google Scholar]
35. Ghotbi MR, Monazzam MR, Khanjani N, Nadri F, Fard SM. Driver exposure and environmental noise emission of Massey Ferguson 285 tractor during operations with different engine speeds and gears. Afr J Agric Res. 2013;8(8):652-659. [Article] [DOI] [Google Scholar]
36. Jahanbakhshi A, Ghamari B, Heidarbeigi K. Effect of engine rotation speed and gear ratio on the acoustic emission of John Deere 1055I combine harvester. Int J Agric Eng. 2016;18(3):106-12. [Google Scholar]
37. Lashgari M, Maleki A. Evaluation of lawn tractor noise using acoustic and psychoacoustic descriptors. Eng Agric Environ Food. 2016;9(1):116-22. [DOI] [Google Scholar]
38. Banerjee A, Sanyal S, Patranabis A, Banerjee K, Guhathakurta T, Sengupta R, Ghosh D, Ghose P. Study on brain dynamics by nonlinear analysis of music induced EEG signals. Phys A: Stat Mech Appl. 2016;444:110-20. [Article] [DOI] [Google Scholar]
39. Bhoria R, Singal P, Verma D. Analysis of effect of sound levels on EEG. Int J Adv Technol Eng. 2012;2(2):121-4. [Article] [Google Scholar]
40. Pavithra M, NiranjanaKrupa B, Sasidharan A, Kutty BM, Lakkannavar M. Fractal dimension for drowsiness detection in brainwaves. In 2014 International Conference on Contemporary Computing and Informatics (IC3I) 2014 Nov 27 (pp. 757-761). IEEE. [Article] [DOI] [Google Scholar]
41. Ahmadlou M, Adeli H, Adeli A. Fractality analysis of frontal brain in major depressive disorder. Int J Psychophysiol. 2012;85(2):206-11. [DOI] [Google Scholar]
42. Alipour ZM, Khosrowabadi R, Namazi H. Fractal-based analysis of the influence of variations of rhythmic patterns of music on human brain response. Fractals. 2018;26(05):1850080. [DOI] [Google Scholar]
43. Yeo MV, Li X, Shen K, Wilder-Smith EP. Can SVM be used for automatic EEG detection of drowsiness during car driving?. Saf Sci. 2009;47(1):115-24. [DOI] [Google Scholar]
44. Jap BT, Lal S, Fischer P, Bekiaris E. Using EEG spectral components to assess algorithms for detecting fatigue. Expert Syst Appl. 2009;36(2):2352-9. [Article] [DOI] [Google Scholar]
45. Sulaiman N, Taib MN, Lias S, Murat ZH, Aris SA, Hamid NH. Novel methods for stress features identification using EEG signals. Int J Simul: Syst Sci Technol. 2011;12(1):27-33. [Article] [Google Scholar]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله ارگونومی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 CC BY-NC 4.0 | Iranian Journal of Ergonomics

Designed & Developed by : Yektaweb