人機系統，IEEE，2015年

摘要

利用生理測量，特別是腦電圖 (EEG) 信號來評估腦力負荷是一個活躍的領域。最近，一些用於測量腦電圖和其他生理信號的無線採集系統已經問世。很少有研究應用此類無線系統來評估認知負荷並評價其性能。本文提出了一個初步步驟，以探討使用一款流行的無線系統 (Emotiv EPOC 頭戴式設備) 來評估著名的 n-back 任務中記憶負荷水平的可行性。我們開發了一個信號處理和分類框架，該框架整合了自動偽影消除算法、廣泛的特徵提取技術、個性化特徵縮放方法、基於資訊論的特徵選擇方法以及基於近端支持向量機的分類模型。實驗結果表明，無線採集的腦電圖信號可用於對九位參與者的不同記憶負荷水平進行分類。在最低負荷水平 (0-back) 與主動負荷水平 (1-、2-、3-back) 之間的分類準確度接近 100%。1-back 對 2-back 的最佳分類準確度為 80%，1-back 對 3-back 的最佳分類準確度為 84%。這項研究表明，無線採集系統以及先進的數據分析和模式識別技術，有望實現對現代社會中從事各種廣泛認知活動的人類腦力負荷水平進行實時監測和識別。點擊此處閱讀完整報告