脑力负荷(Mental Workload)表征工作状态下脑力资源占用率,是影响作业绩效的重要因素,过高或过低的脑力负荷都会使作业绩效下降,甚至造成人因失误、引发严重事故。脑电可敏感体现大脑对工作负荷的初始神经电生理响应,也是目前识别脑力负荷水平和研究其神经生理机制的重要手段之一。基于脑电的脑力负荷识别能够用于复杂人机系统中实时监测脑力负荷水平变化、优化人机关系并构建可自适应调控脑力负荷的实时人机交互系统,取得最佳作业绩效。但是,目前基于脑电的脑力负荷研究在以下方面仍存在不足:1)脑力负荷下脑电响应的神经电生理机制,尤其是不同工作任务脑力负荷所引起大脑神经响应差异和脑电各特征成分的敏感性变化的对比分析;2)基于脑电的跨任务和跨个体脑力负荷识别,尤其在复杂任务场景下的应用;3)脑力负荷对基于事件相关电位(event-related potential,ERP)的脑-机接口(Brain-computer interface,BCI)性能的影响规律及有效解决方案。针对上述问题,本文开展了以下研究:首先,针对脑力负荷的脑电响应机制,根据认知资源理论设计了单任务范式和双任务范式两组脑力负荷实验,分别从自发脑电功率谱、任务相关ERP(taskrelevant ERP,trERP)、非任务相关ERP(task-irrelevant ERP,tirERP)、溯源分析和脑网络的角度系统地研究了不同工作任务下不同脑区及其脑电信号成分对脑力负荷的响应特性,归纳了其共性规律,发现了tirERP在不同任务下随脑力负荷变化的一致可分性,这预示着基于tirERP实现跨任务脑力负荷识别有较高可行性。其次,基于脑电对不同任务下脑力负荷的响应存在共性特征,结合支持向量回归建模,设计了一种跨任务脑电特征筛选方法,实现了不同工作记忆(N-back)任务之间及其与复杂模拟任务之间的脑力负荷识别,首次实现了显著高于随机水平的跨任务脑力负荷识别,突破了跨任务脑力负荷识别难题;在两种N-back任务之间和在N-back与模拟飞行员作业任务之间均实现了相关系数达0.5~0.9的跨任务识别效果,显著高于现有研究所得识别结果。再次,基于tirERP在不同任务下随脑力负荷变化的一致性的发现,进一步证实了tirERP特征对不同任务下、不同个体间的脑力负荷水平具有一致可分性,且优于基于自发脑电功率谱特征的脑力负荷识别性能;基于tirERP分别实现了跨任务、跨个体和同时跨任务与个体的脑力负荷识别,结果表明基于tirERP的跨个体识别效果均好于基于自发脑电功率谱,且在跨个体条件下参与训练个体数比样本数对识别效果影响更大。最后,基于脑力负荷对tirERP的影响,探讨了脑力负荷对ERP-BCI性能的影响,结果表明低负荷下建立的BCI系统在较高负荷下应用会显著降低其识别率,而选择适当负荷条件下建立BCI模型有助于削弱这一影响。基于此,首次探索了建立自适应ERP-BCI的可行性,并基于在线模拟分析验证了该方法克服脑力负荷影响的有效性,结果表明本文提出的自适应BCI有望成为应对BCI的心理状态敏感问题的一种有效方法。总之,本文围绕基于脑电的脑力负荷研究中的关键问题,深入分析了不同脑电信号成分对不同任务、不同个体脑力负荷的共性响应规律,提出了基于自发脑电功率谱特征实现跨任务脑力负荷识别的特征筛选和建模策略,设计了基于tirERP特征的跨任务和跨个体脑力负荷识别新方法,构建了自适应ERP-BCI系统原型并初步验证了其克服脑力负荷影响的有效性。本文研究结果将为深入理解脑力负荷的神经响应机理,实现脑力负荷可靠检测及其在BCI系统中的应用提供理论参考和技术支持。