همبستگی سیگنال‌‌های مغزی و سیگنال‌‌های صدای تراکتور مبتنی بر تحلیل فرکتال

زمینه و هدف: به دلیل وجود صدای ناشی از انواع ماشین‌ ها و ادوات در بخش‌ های مختلف کشاورزی، ارزیابی مستمر ایمنی و سلامت شغلی افراد شاغل در این بخش کاملاً ضروری به نظر می‌ رسد. بی ‌شک با آگاهی کامل از تاثیرات صدا بر سلامت و عملکرد افراد می‌ توان آثار زیان‌ بار صدا را به نحو مطلوب ‌تری کاهش داد.روش کار: این تحقیق در سال 1398 در مزرعه تحقیقاتی دانشگاه اراک انجام گرفت. در این تحقیق از یک تراکتور باغی مدل گلدونی 341 استفاده شد. 16 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 سیگنال ‌های صدا و همچنین سیگنال‌ های مغزی استفاده شد.یافته‌ ها: نتایج نشان می دهد، که با افزایش دور موتور، مقادیر بُعد فرکتال صدا در دو روش هیگوچی و کاتز افزایش داشته‌ اند. همچنین نتایج حاکی از افزایش بُعد فرکتال سیگنال ‌های 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 0/896 و 0/859 به ترتیب در دو روش هیگوچی و کاتز به دست آمد.نتیجه ‌گیری: این بررسی نشان داد که واکنش افراد هنگامی که در معرض صدا قرار دارند، با استفاده از بُعد فرکتال قابل پیش‌ بینی است؛ بنابراین برآورد خصوصیات سیگنال ‌های مغزی بدون ثبت آن‌ها که غالباً هزینه‌ بر و زمان ‌بر هستند امکان ‌پذیر 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.

Correlation Brain Signals and Tractor Sound Signals Based on Fractal Analysis

Background Objectives: Due to the sound caused by various machines and tools in different agriculture sectors, occupational safety and health should be continuously evaluated. Indeed, the harmful effects of sound can be better reduced when the effects of sound on people #39;s health and performance are fully known.Methods: In this study, a garden tractor was used. Sixteen volunteers were exposed to the sound of the tractor, and their EEG was recorded at four different engine speeds. Then, Higuchi and Katz methods were used to calculate the fractal dimension of sound signals as well as brain signals.Results: The results showed that by increasing engine speed, the values ​​of the fractal dimension in both Higuchi and Katz methods increased. The results also showed an increase in the fractal dimension of brain signals due to an increase in engine speed. The regression results also showed a high correlation between the two brain signals and the sound. The coefficient of explanation was 0.896 and 0.859 in Higuchi and Katz methods, respectively.Conclusion: This study showed that people #39;s reactions, when exposed to sound, can be predicted using the fractal dimension. Therefore, it is possible to estimate the characteristics of brain signals without recording them, which are often costly and timeconsuming.