纹理特征在物体识别中起着至关重要的作用。虽然纹理可以通过视觉和触觉两个角度来感知，但触觉在感知纹理等材料特性方面占主要地位。纹理触觉感知是指尖在物体表面摩挲而产生的感觉。滑动摩擦过程中，纹理表面的微观几何形状使皮肤产生了微小的形变和振动，人们依据皮肤的受力和振动来区分其细微特征。本文综合引入EEG-fNIRS同步联合成像技术，搭建多模态摩擦触觉感知测试平台，设计制作不同纹理特征的样本，观测指尖摩擦振动和大脑生理活动，以研究摩擦触觉感知的机理，为触觉感知的量化提供理论依据和技术支撑。主要研究结果如下：
1、利用激光加工和3D打印技术设计制作了不同纹理间距、不同纹理深度的沟槽纹理表面和不同分形特征的随机纹理表面，分别命名为Spac组、Depth组和Hurst组。通过心理物理学方法探究了人类对不同纹理表面样本的主观触觉感知，结果表明：确定纹理中，纹理间距最小的样本，粗糙感和黏着感弱，细密感和舒适感强；纹理深度较大的样本，黏着感较强；随机纹理中，Hurst指数越大，黏着感越大，粗糙感、细密感及舒适度越小。
2、利用六轴力传感器设计了摩擦振动实验，采集摩擦振动过程中产生的力和声音信号，结果表明：在相同正压力下，Spac组和Depth组样本的摩擦力和摩擦系数区别不大，Hurst组样本的摩擦力显著高于Spac组和Depth组样本，同时Hurst指数与摩擦系数呈正相关。摩擦振动声音信号的功率谱重心结果显示，Hurst组样本的值小于Spac组和Depth组样本，且Hurst指数越大，功率谱重心越小。声音信号的功率谱重心与摩擦系数大致呈负相关，说明摩擦振动产生的声音信号可以反应样本的摩擦学行为。提取声音信号的梅尔频率倒谱系数（Mel frequency cepstral coefficient，MFCC）后，使用灰度直方图、灰度共生矩阵和分形维数来定性分析，结果表明，MFCC的灰度直方图可以反应本文所涉及的纹理间距和Hurst指数特征，灰度共生矩阵的惯性矩可以用于衡量样本Hurst指数特征，而MFCC的分形维数无法表征各样本的纹理特征。
3、采用高时间分辨率的脑电图方法对不同纹理表面形状触觉刺激下的脑电信号进行研究。结合事件相关电位技术（ERPs）对同步性刺激触发的高要求设计了主动触摸试验台，脑电信号预处理后做ERP分析。结果表明，不同纹理表面的样本触发下，激活区域主要集中在顶叶和枕叶区域。Spac组中，Spac2的P200潜伏期小且幅值大，说明该纹理刺激下大脑反应更快，反应强度更大。Depth组中，Depth3刺激下的P200峰值较高。Hurst组中，Hurst1样本刺激下的P200和P300峰值最高，潜伏期与其它Hurst纹理之间没有显著差异。
4、根据大脑分区，基于EEG-fNIRS同步联合成像技术，采用组块设计的实验范式进行EEG-fNIRS同步联合实验。对fNIRS信号预处理后进行统计分析，结果表明，不同纹理表面激活的区域主要位于左侧脑区。共同激活的通道对应的大脑组织区主要位于中央前回、额上回、额中回和中央后回，以中央后回为主。不同纹理表面样本触发下激活的通道所在的功能区除了初级躯体感觉皮层外，还有次级躯体感觉皮层、体感联合皮层、初级运动皮层等。所有纹理表面触觉感知过程中的脑电信号的样本熵和排序熵结果表明，Spac2/Depth2纹理表面的脑电复杂性最大，Hurst指数越大，熵值越小，但是随着黏着度的上升，熵值也在上升，脑电复杂性增大。
 

纹理；触觉感知；皮肤摩擦；脑电图；功能性近红外光谱成像