人机系统（Human-Machine Systems）, IEEE, 2015

摘要

利用生理测量，特别是脑电图（EEG）信号来评估心理工作负载是一个活跃的研究领域。最近，市场上出现了许多用于测量脑电图和其他 physiological 信号的无线采集系统。然而，很少有研究应用这类无线系统来评估认知工作负载并对其性能进行评价。本文提出了探索使用一款流行的无线系统（Emotiv EPOC 头戴式设备）在著名的 n-back 任务中评估记忆工作负载水平可行性的初步步骤。我们开发了一个信号处理和分类框架，该框架集成了自动伪影去除算法、广泛的特征提取技术、个性化特征缩放方法、基于信息论的特征选择方法以及基于近端支持向量机的分类模型。实验结果表明，无线收集的脑电图信号可用于对九名参与者的不同记忆工作负载水平进行分类。在最低工作负载水平（0-back）与活动工作负载水平（1-back、2-back、3-back）之间的分类准确率接近 100%。1-back 对比 2-back 的最佳分类准确率为 80%，1-back 对比 3-back 为 84%。这项研究表明，无线采集系统以及先进的数据分析和模式识别技术，有望实现对现代社会中从事各种认知活动的人群的心理工作负载水平进行实时监控和识别。点击此处阅读完整报告