本研究旨在客觀比較頸部肌肉疲勞評價算法的差異性，找出更加有效的頸部肌肉疲勞評價算法，為伏案姿勢下頸部肌肉疲勞提供人因工程定量評價方法。本文利用無線生理儀采集了 15 名受試者使用記憶枕伏案 12 min 的頸部胸鎖乳突肌的表面肌電信號，使用平均功率頻率、譜矩比、離散小波變換、模糊近似熵以及復雜度 5 個算法計算出相應的肌肉疲勞指標；并使用最小二乘法對肌肉疲勞指標進行線性回歸得出確定系數 R2 與斜率 k；確定系數 R2 可評價各種算法的抗干擾性；對斜率 k 進行柯爾莫哥洛夫—斯米洛夫檢驗得到最大垂直距離 Lmax，Lmax 可評價各種算法對疲勞程度的區分能力。統計結果表明，在抗干擾方面，模糊近似熵在不同高度的記憶枕下都具有最大的 R2，且模糊近似熵與平均功率頻率、離散小波變換的差異具有統計學意義（P < 0.05）；在區分疲勞程度方面，模糊近似熵仍具有最大的 Lmax，最大值達 0.496 7。本文研究結果表明，模糊近似熵無論是在抗干擾性還是疲勞程度的區分能力上都優于其他算法，因此在進行頸部肌肉疲勞評價時，我們建議可將模糊近似熵作為一個較好的評價指標。
腦機接口（BCI）是一種變革性的人機交互，目前正朝智能腦機交互和腦機智能融合方向發展。然而，BCI 的實用化面臨極大的挑戰，BCI 技術成熟度尚未能滿足用戶的需求，BCI 的傳統設計方法有待改進。BCI 人因工程對縮小研究與實際應用之間的差距具有重要的作用，但目前尚沒有引起足夠的重視，也沒有專門的深入論述。本文針對 BCI 人因工程，闡述以人為中心的 BCI 設計需求（來自用戶）、設計思想、目標和方法以及評價指標。BCI 人因工程可望使處于不同使用條件下的 BCI 系統設計更符合人的特點、能力和需求，提升系統的用戶滿意度，增強用戶體驗感，提高 BCI 的智能化，使其走向實際應用。