使用无线脑电图信号评估n-Back任务中的记忆负荷
分享：
人机系统, IEEE, 2015
摘要
使用生理测量方法，尤其是脑电图（EEG）信号来评估心理负荷，是一个活跃的研究领域。最近，多种无线采集系统可以用于测量EEG和其他生理信号已变得可用。很少有研究将这些无线系统应用于评估认知负荷并评估其性能。本文呈现了探索一种流行的无线系统（EMOTIV EPOC耳机）在知名的n-back任务中评估记忆负荷水平的可行性的初步步骤。我们开发了一个信号处理和分类框架，其中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邻支持向量机的分类模型。实验结果表明，无线收集的EEG信号可以用于对九名参与者的不同记忆负荷水平进行分类。在最低负荷水平（0-back）与活跃负荷水平（1-, 2-, 3-back）之间的分类准确率接近100%。1-back与2-back的最佳分类准确率为80%，而1-back与3-back的最佳分类准确率为84%。本研究表明，无线采集系统及先进的数据分析和模式识别技术在实现现代社会中参与各种认知活动的人类心理负荷水平的实时监控与识别方面是有前景的。点击这里阅读完整报告
人机系统, IEEE, 2015
摘要
使用生理测量方法，尤其是脑电图（EEG）信号来评估心理负荷，是一个活跃的研究领域。最近，多种无线采集系统可以用于测量EEG和其他生理信号已变得可用。很少有研究将这些无线系统应用于评估认知负荷并评估其性能。本文呈现了探索一种流行的无线系统（EMOTIV EPOC耳机）在知名的n-back任务中评估记忆负荷水平的可行性的初步步骤。我们开发了一个信号处理和分类框架，其中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邻支持向量机的分类模型。实验结果表明，无线收集的EEG信号可以用于对九名参与者的不同记忆负荷水平进行分类。在最低负荷水平（0-back）与活跃负荷水平（1-, 2-, 3-back）之间的分类准确率接近100%。1-back与2-back的最佳分类准确率为80%，而1-back与3-back的最佳分类准确率为84%。本研究表明，无线采集系统及先进的数据分析和模式识别技术在实现现代社会中参与各种认知活动的人类心理负荷水平的实时监控与识别方面是有前景的。点击这里阅读完整报告
人机系统, IEEE, 2015
摘要
使用生理测量方法，尤其是脑电图（EEG）信号来评估心理负荷，是一个活跃的研究领域。最近，多种无线采集系统可以用于测量EEG和其他生理信号已变得可用。很少有研究将这些无线系统应用于评估认知负荷并评估其性能。本文呈现了探索一种流行的无线系统（EMOTIV EPOC耳机）在知名的n-back任务中评估记忆负荷水平的可行性的初步步骤。我们开发了一个信号处理和分类框架，其中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邻支持向量机的分类模型。实验结果表明，无线收集的EEG信号可以用于对九名参与者的不同记忆负荷水平进行分类。在最低负荷水平（0-back）与活跃负荷水平（1-, 2-, 3-back）之间的分类准确率接近100%。1-back与2-back的最佳分类准确率为80%，而1-back与3-back的最佳分类准确率为84%。本研究表明，无线采集系统及先进的数据分析和模式识别技术在实现现代社会中参与各种认知活动的人类心理负荷水平的实时监控与识别方面是有前景的。点击这里阅读完整报告
