一种基于AR模型特征和SVM分类的工作记忆提高实验方法及装置

一种基于ar模型特征和svm分类的工作记忆提高实验方法及装置
技术领域
1.本发明涉及一种基于ar模型特征和svm分类的工作记忆提高实验方法及装置，属于技术领域。


背景技术：

2.工作记忆是人类在进行复杂的认知活动(如推理和学习)时暂时储存信息、处理信息的记忆系统，在日常生活中，人类几乎所有的语言理解、选择决策、学习思考等大脑活动都需要工作记忆的帮助。工作记忆如何提高一直是相关学者们研究的重点，但是前人在探究多种要素对工作记忆的影响时，多以行为数据分析、erp分析、脑网络分析的方法展开研究和探讨。
3.工作记忆行为数据分析的步骤，一般为实验人员设计工作记忆实验范式，让受试者进行工作记忆实验，记录实验过程中受试者的反应正确率和反应时间，利用统计学知识，对行为数据进行分析。
4.erp分析和脑网络分析都需要先利用脑电图(eeg)记录被试者的脑电信号，从而进行下一步分析。脑电图是由精密电子仪器在头皮表面采集到的大量大脑神经元细胞的总体电活动，脑电信号相较于其他可以有效反映大脑工作状态的方法具有无辐射、无创性等优点。相较于行为数据分析而言，利用脑电图能更加直接地反映出受试者的大脑变化情况。然而erp分析和脑网络分析都需要先将采集到的脑电信号进行一系列的处理，再通过人眼进行对比判别。
5.erp分析的对象是erp的各个成分，erp成分的变化反映的是人脑的认知加工过程。erp分析步骤一般为先将采集到的原始脑电信号通过叠加平均，再通过统计学方法分析不同条件下各个通道erp各成分的波峰波谷值、峰谷潜伏期、波峰间期、波面积等。
6.脑网络功能分析，分析的是各个通道活动的统计相关性，即节点之间的活动关系。脑网络功能分析的步骤一般是先通过不同条件下原始脑电信号的相关系数构建脑功能网络，再进行节点度、介数中心度、聚类系数分析等，而这些分析需要通过观察节点度、介数中心度、聚类系数等脑电信息图，分析不同条件下各网络参数的变化趋势和差异。
7.从现有的分析工作记忆的方法来看，这些方法很难完全脱离人眼的判断分析，不能通过固定的程序判别工作记忆的提高与否。


技术实现要素：

8.本发明的目的在于克服现有技术中的不足，提供一种基于ar模型特征和svm分类的工作记忆提高实验方法及装置，可以判断不同条件下工作记忆的提高情况。
9.为达到上述目的，本发明是采用下述技术方案实现的：
10.第一方面，本发明提供了一种基于ar模型特征和svm分类的工作记忆提高实验方法，包括以下步骤：
11.获取待检测条件下的脑电信号；
12.预处理所述脑电信号；
13.将预处理后的脑电信号进行ar模型特征提取，获得脑电信号特征；
14.将所述脑电信号特征输入svm分类器，输出分类结果；所述分类结果表示该待检测条件下的工作记忆是否提高。
15.进一步的，获取待检测条件下的脑电信号的方法包括：
16.参照各脑区功能，选取被试者的相应脑区电极放置贴片，以采集相应脑区的脑电信号；
17.使被试者进行工作记忆实验，记录待检测条件下的实验被试者的脑电信号；
18.将脑电信号放大和模数转换，以数字信号的形式存储在计算机中。
19.进一步的，各脑区头皮电极的放置方法是：采用国际脑电图学会标定的10-20电极导联定位标准，用双耳垂接法，记录导联fp1、fp2、f4、c3、c4、p3、p4、o1、o2、t3、t4、fz、pz，采样频率为512hz，各通道导联阻抗均小于5kω。
20.进一步的，所述工作记忆实验的设计策略是：使用e-prime软件设计待检测条件下不同任务难度的工作记忆实验——n-back实验，被试者进行多组工作记忆实验，记录实验中的行为数据和脑电数据；
21.所述工作记忆实验的内容为：设计在待检测条件下的1-back和2-back任务；所述1-back任务为21个字母在屏幕上依次弹出，判断当前屏幕上显示的字母是否与前一个一致；2-back任务为22个字母在屏幕上依次弹出，判断当前屏幕上显示的字母是否与前面第二个一致；被试者按顺序记忆出现的字母，同时判断当前出现的字母与前面的字母是否一致，并做出相应的按键反应。
22.进一步的，脑电信号的预处理的方法包括：
23.对采集的原始脑电信号进行低通滤波，去除基线漂移，线性矫正，针对原始信号中的大量眼电伪迹，使用独立成分分析ica进行去除。
24.进一步的，对预处理后的脑电信号进行ar模型特征提取的方法包括：
25.基于ar模型的burg法提取预处理后的脑电信号的特征，将预测误差功率和原始数据功率作为特征，获得脑电信号的预测误差功率和原始数据功率作为脑电信号特征。
26.进一步的，所述svm分类器为多项式核函数的svm分类器；
27.所述svm分类器的训练方法包括：
28.获取训练数据，基于所述训练数据对svm分类器进行训练；
29.所述训练数据包括不同条件下的工作记忆提高情况和脑电信号的ar模型特征；
30.所述训练数据的获取方法包括：
31.参照各脑区功能，选取被试者的相应脑区电极放置贴片，以采集相应脑区的脑电信号；
32.使被试者完成工作记忆实验，多组不同条件、任务难度下实验被试者的行为数据和脑电信号；将脑电信号放大和模数转换，以数字信号的形式存储在计算机中；所述行为数据包括反应时间和反应准确率；
33.对行为数据进行平均和多变量方差分析，来分析不同条件下工作记忆的变化情况，获得各条件下的工作记忆提高情况；
34.对采集的脑电信号进行预处理；对预处理后的脑电信号进行ar模型特征提取，获得不同条件下的脑电信号特征；
35.将各条件下的工作记忆提高情况对应各条件下的脑电信号特征进行配对标注，形成训练数据。
36.进一步的，对行为数据进行平均和多变量方差分析的方法包括：
37.用spss软件对行为数据进行平均和多变量方差分析，得到的f、p、均值数据。
38.第二方面，本发明还提供了一种基于ar模型特征和svm分类的工作记忆提高实验装置，包括以下步骤：
39.输入模块：用于获取待检测条件下的脑电信号；
40.预处理模块：用于预处理所述脑电信号；
41.特征提取模块：用于将预处理后的脑电信号进行ar模型特征提取，获得脑电信号特征；
42.输出模块：用于将所述脑电信号特征输入svm分类器，输出分类结果；所述分类结果表示该待检测条件下的工作记忆是否提高。
43.第三方面，本发明还提供一种基于ar模型特征和svm分类的工作记忆提高实验装置，包括处理器及存储介质；
44.所述存储介质用于存储指令；
45.所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。
46.与现有技术相比，本发明所达到的有益效果：
47.本发明采用的基于eeg的ar模型特征和svm分类结合的方法能通过固定的程序判别工作记忆提高与否，这个过程可以脱离以往erp分析、脑网络分析等方法中实验人员的人眼分析环节，可以直接将采集到的原始脑电信号输入到程序中，得到工作记忆提高与否的结论。
附图说明
48.图1为工作记忆实验的整体框架图。
49.图2为n-back工作记忆实验任务示意图。
50.图3为一组正式工作记忆实验的流程图。
51.图4为脑电信号的导联示意图。
52.图5为不同音乐条件下被试者的反应时间和反应准确率均值。
53.图6为预处理前后脑电信号波形图。
54.图7为多种分类器的分类准确率折线图。
具体实施方式
55.下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
56.实施例一：
57.本实施例提供了一种基于ar模型特征和svm分类的工作记忆提高研究方法，包括以下步骤：
58.获取待检测条件下的脑电信号；
59.对采集的原始脑电信号进行低通滤波，去除基线漂移，线性矫正，针对原始信号中的大量眼电伪迹，使用独立成分分析ica进行去除；
60.将预处理后的脑电信号进行ar模型特征提取，获得脑电信号特征；
61.将所述脑电信号特征输入svm分类器，输出分类结果；所述分类结果表示该待检测条件下的工作记忆是否提高。
62.本实施例采用的基于eeg的ar模型特征和svm分类结合的方法能通过固定的程序判别工作记忆提高与否，这个过程可以脱离以往erp分析、脑网络分析等方法中实验人员的人眼分析环节，可以直接将采集到的该种条件下原始脑电信号输入到程序中，得到工作记忆提高与否的结论。
63.具体的，获取待检测条件下的脑电信号的方法包括：
64.参照各脑区功能，选取被试者的相应脑区电极放置贴片，以采集相应脑区的脑电信号；
65.使被试者进行工作记忆实验，记录待检测条件下的实验被试者的脑电信号；
66.将脑电信号放大和模数转换，以数字信号的形式存储在计算机中。
67.具体的，所述工作记忆实验的设计策略是：使用e-prime软件设计待检测条件下不同任务难度的工作记忆实验——n-back实验，被试者进行多组工作记忆实验，记录实验中的行为数据和脑电数据；
68.所述工作记忆实验的内容为：设计在待检测条件下的1-back和2-back任务；所述1-back任务为21个字母在屏幕上依次弹出，判断当前屏幕上显示的字母是否与前一个一致；2-back任务为22个字母在屏幕上依次弹出，判断当前屏幕上显示的字母是否与前面第二个一致；被试者按顺序记忆出现的字母，同时判断当前出现的字母与前面的字母是否一致，并做出相应的按键反应。
69.具体的，所述svm分类器为多项式核函数的svm分类器；
70.所述svm分类器的训练方法包括：
71.获取训练数据，基于所述训练数据对svm分类器进行训练；
72.所述训练数据包括不同条件下的实验记录的行为数据和脑电信号的ar模型特征；
73.所述训练数据的获取方法包括：
74.参照各脑区功能，选取被试者的相应脑区电极放置贴片，以采集相应脑区的脑电信号；
75.使被试者完成工作记忆实验，多组不同条件、任务难度下实验被试者的行为数据和脑电信号；将脑电信号放大和模数转换，以数字信号的形式存储在计算机中；所述行为数据包括反应时间和反应准确率；
76.对行为数据进行平均和多变量方差分析，来分析不同条件下工作记忆的变化情况，获得各条件下的工作记忆提高情况；
77.对采集的脑电信号进行预处理；对预处理后的脑电信号进行ar模型特征提取，获得不同条件下的脑电信号特征；
78.将各条件下的工作记忆提高情况对应各条件下的脑电信号特征进行配对标注，形成训练数据。
79.具体来说，本实施例以听alpha波音乐为条件为例，分析听alpha波音乐是否能够提高工作记忆，如图1所示，该图为本实验的整体方案，主要有如下几个步骤：
80.(1)设计工作记忆实验，在被试者完成工作记忆实验的过程中，记录被试者的行为数据和脑电数据；
81.(2)相应脑区的头皮电极放置：参照各脑区功能，选取相应脑区电极放置贴片，以采集相应脑区的脑电信号，并将微弱的脑电信号放大，以数字信号的形式存储在计算机中；
82.(3)使被试者进行工作记忆实验，根据实验指示完成相关按键任务，记录多组不同音乐条件、任务难度下实验被试者的行为数据和脑电信号；对实验记录的被试者的反应正确率和反应时间进行分析；使用脑电信号采集设备对脑电信号进行实时采集，并进行信号放大和模数转换，再将原始脑电信号输出到计算机中；
83.(4)对实验记录的行为数据进行平均和多变量方差分析，来分析不同音乐条件下工作记忆的变化情况，分析相应规律；对采集的脑电信号进行预处理，包括去除基线漂移、去除眼电伪迹等操作。对采集的脑电信号进行预处理，以减少眼电、肌电和工频干扰。
84.(5)对预处理后的脑电信号进行ar模型特征提取，分析听alpha波音乐前后脑电信号的特征变化。
85.(6)对提取出的脑电信号特征进行svm分类，结合行为数据结果进一步分析。
86.具体的，步骤(2)中各脑区头皮电极的具体放置方法是：采用国际脑电图学会标定的10-20电极导联定位标准，用双耳垂接法，记录导联fp1、fp2、f4、c3、c4、p3、p4、o1、o2、t3、t4、fz、pz，采样频率为512hz，各通道导联阻抗均小于5kω；使用脑电信号采集设备采集脑电信号并进行信号放大和模数转换，再输出到计算机中。
87.步骤(1)中用e-prime软件编写工作记忆实验程序，包括不同音乐条件下的两组不同难度的工作记忆实验任务。
88.具体的，步骤(2)中的工作记忆实验的设计策略是：使用e-prime软件设计无音乐和alpha波音乐刺激条件下不同任务难度的工作记忆实验——n-back实验，被试者进行多组工作记忆实验，记录实验中的行为数据和脑电数据。
89.所述的工作记忆实验的主要内容是：设计在无音乐刺激和alpha波音乐刺激两种条件下的1-back和2-back任务。1-back任务为21个字母在屏幕上依次弹出，判断当前屏幕上显示的字母是否与前一个一致(第一个除外)；2-back任务为22个字母在屏幕上依次弹出，判断当前屏幕上显示的字母是否与前面第二个一致(前两个除外)。被试者按顺序记忆出现的字母，同时判断当前出现的字母与前面的字母是否一致，并做出相应的按键反应，软件后台同步记录被试者的反应时间和反应正确率。
90.步骤(2)中行为数据分析细节是：利用spss软件分析不同音乐条件、不同任务难度、不同实验试次下，被试者的反应时间和反应正确率，对其求平均并进行多变量方差分析。
91.步骤(2)中被试者完成工作记忆实验任务的实验环境要求是：安静、封闭且空旷的房间中，房间内除了必要的实验人员和被试者，其余人员都应离开实验开展场所。这是由于头皮上的脑电信号十分微弱，在信号采集过程中很容易受到工频、电子仪器内部噪声和磁场的干扰。
92.步骤(2)中对实验被试者的要求是：被试者应保持清醒状态，尽量避免出现嘴巴咬
合、头部和身体活动，减少眨眼和吞咽口水动作，以免对采集到的原始脑电信号产生巨大的伪迹影响。
93.具体的，步骤(3)中行为数据分析的具体方法是：用spss软件对行为数据进行平均和多变量方差分析，得到的f、p、均值等数据，可以看出在alpha波音乐刺激后被试者的反应准确率显著提高、反应时间显著缩短，alpha波音乐对工作记忆有提高作用；脑电信号预处理的方法是：对采集的原始脑电信号进行低通滤波，去除基线漂移，线性矫正，针对原始信号中的大量眼电伪迹，使用独立成分分析ica进行去除。
94.步骤(3)中脑电信号预处理的方法是：使用matlab软件中的eeglab工具包对原始脑电信号进行低通滤波去除工频干扰，去除基线漂移，进行线性矫正，针对原始信号中的大量眼电伪迹，使用独立成分分析ica进行去除。
95.具体的，步骤(4)中对预处理后的脑电信号进行ar模型特征提取，具体算法如下：
96.ar模型是一种线性预测模型，其通过前期若干时刻的随机变量数据，对后期某一时刻的随机变量进行预测，当ar模型选取适当的参数和阶次时，能使ar过程尽量与真实的脑电信号保持一致。以x(n)表示需要求取的预测值，通过前i个时刻数据的加权，该预测值可以表示为：
[0097][0098]
其中ε(n)是均值为零、方差为σ2的白噪声序列，p为ar模型的阶数。ar模型参数a
p
为未知量，其为对应时刻的加权系数，采用burg算法求解该值。
[0099]
burg算法的目标是使得前向预测误差和后向预测误差的平均功率最小，用表示该值，则：
[0100][0101]
其中，前向预测误差功率ρf表示为：
[0102][0103]
后向误差功率ρb表示为：
[0104][0105]
其中，m为数据长度，为前向预测误差，为后向预测误差，可以由以下公式计算推导得到反射系数k
p
：
[0106][0107][0108][0109]
此时ar模型参数表示为：
[0110]ap
(i)＝a
p-1
(i)+k
pap-1
(p-i)
[0111]
式中，a
p
为预测模型中对应时刻的加权值，a
p
为预测模型中上一阶的加权值，k
p
为反射系数，p为ar模型的阶数。实验中选取的ar模型特征是每一阶的预测误差功率和原始数据功率。
[0112]
步骤(4)中对预处理后的脑电信号进行ar模型特征提取，实验中选取的ar模型特征是每一阶的预测误差功率和原始数据功率。
[0113]
具体的，步骤(5)中对提取的ar模型特征进行多项式核函数的svm分类，结合行为数据分析结果，可以看出ar模型特征和svm分类相结合的方法对工作记忆提高前后的脑电信号判别具有一定的有效性。
[0114]
如图2所示，该图为n-back实验任务。图中(a)图为1-back实验任务，任务开始后，电脑屏幕上会依次显示21个字母，判断当前屏幕上显示的字母是否与前一个一致(任务开始后，当前字母为第一个字母时不用按键反应)，若一致则按“1”键，不一致则按“2”键；图中(b)图为2-back实验任务，任务开始后，电脑屏幕上会依次显示22个字母，判断当前屏幕上显示的字母是否与前面第二个一致(任务开始后，当前字母为第一或第二个字母时不用按键反应)，若一致则按“1”键，不一致则按“2”键。
[0115]
如图3所示：该图为一组正式实验的流程图，实验设计部分采用的是n-back工作记忆脑电实验任务，实验使用e-prime软件进行设计，包括练习实验和正式实验。首先进行练习实验，练习实验共两个试次，分别为1-back和2-back任务，练习实验可进行多次，直到被试者熟悉这两种任务，练习实验中不记录任何数据。正式实验共6组，每组分为4个试次，分别为安静环境下进行1-back和2-back任务、听完alpha波音乐后进行1-back和2-back任务，每个任务有20个刺激(除去前1或2个)，每个刺激的呈现时间为1500ms，被试者需要在这段时间内进行反应，刺激间隔时间为1000ms，被试者在这段时间内进行记忆保持，alpha波音乐的播放时间为1分钟，期间被试者需闭眼放松聆听音乐。每组实验大概需要6-7分钟，每组实验后都会让被试者休息一段时间再开始下一组实验。
[0116]
如图4所示，该图为大脑头皮电位放置方法。采用国际脑电图学会标定的10-20电极导联定位标准，用双耳垂接法，在电极上注射导电膏以增强电极的导电性。电极连接fp1、fp2、f4、c3、c4、p3、p4、o1、o2、t3、t4、fz、pz十三个通道，另外m1、m2通道接在耳垂上作为参考电极，脑电信号采样频率为512hz，各通道导联阻抗均小于5kω。
[0117]
如图5所示，该图为不同音乐条件下被试者的反应时间和反应准确率均值。图中(a)图为不同音乐条件下被试者的反应时间均值，由图可见，在听完alpha波音乐后，被试者的反应时间变短；图中(b)图为不同音乐条件下被试者的反应准确率均值，由图可见，在听完alpha波音乐后，被试者的反应准确率提高。
[0118]
如图6所示，该图为预处理前后脑电信号的波形图。在脑电信号采集设备采集到原始脑电信号后，采用matlab中的eeglab工具包进行脑电信号预处理，该图为eeglab工具包绘制的脑电信号波形图。图中(a)图为原始脑电信号波形图，波形中可以看出有明显的眼电伪迹，(b)图为使用了独立成分分析ica剔除眼电伪迹后的脑电波形，两者对比可以看出原始脑电信号中的眼电伪迹被去除了，获得了较好的脑电信号波形图。
[0119]
如图7所示，该图为多种分类器的分类准确率折线图。采用ar模型对预处理后的脑电信号进行特征提取后，将提取的特征分成了四类：低难度无音乐、低难度有音乐、高难度无音乐、高难度有音乐，对比朴素贝叶斯、线性判别分析、k近邻分类器、袋装决策树、提升
树、随机森林和支持向量机(svm)的分类效果后，可以明显看出svm的分类准确率最高。
[0120]
实施例二：
[0121]
本实施例提供一种基于ar模型特征和svm分类的工作记忆提高实验装置，包括以下步骤：
[0122]
输入模块：用于获取待检测条件下的脑电信号；
[0123]
预处理模块：用于预处理所述脑电信号；
[0124]
特征提取模块：用于将预处理后的脑电信号进行ar模型特征提取，获得脑电信号特征；
[0125]
输出模块：用于将所述脑电信号特征输入svm分类器，输出分类结果；所述分类结果表示该待检测条件下的工作记忆是否提高。
[0126]
本实施例的装置可用于实现实施例一所述的方法。
[0127]
实施例三：
[0128]
本发明实施例还提供了一种基于ar模型特征和svm分类的工作记忆提高实验装置，包括处理器及存储介质；
[0129]
所述存储介质用于存储指令；
[0130]
所述处理器用于根据所述指令进行操作以执行实施例一所述方法的步骤。
[0131]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0132]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0133]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0134]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0135]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

技术特征：
1.一种基于ar模型特征和svm分类的工作记忆提高实验方法，其特征在于，包括以下步骤：获取待检测条件下的脑电信号；预处理所述脑电信号；将预处理后的脑电信号进行ar模型特征提取，获得脑电信号特征；将所述脑电信号特征输入svm分类器，输出分类结果；所述分类结果表示该待检测条件下的工作记忆是否提高。2.根据权利要求1所述的的工作记忆提高实验方法，其特征在于，获取待检测条件下的脑电信号的方法包括：参照各脑区功能，选取被试者的相应脑区电极放置贴片，以采集相应脑区的脑电信号；使被试者进行工作记忆实验，记录待检测条件下的实验被试者的脑电信号；将脑电信号放大和模数转换，以数字信号的形式存储在计算机中。3.根据权利要求2所述的的工作记忆提高实验方法，其特征在于，各脑区头皮电极的放置方法是：采用国际脑电图学会标定的10-20电极导联定位标准，用双耳垂接法，记录导联fp1、fp2、f4、c3、c4、p3、p4、o1、o2、t3、t4、fz、pz，采样频率为512hz，各通道导联阻抗均小于5kω。4.根据权利要求2所述的的工作记忆提高实验方法，其特征在于，所述工作记忆实验的设计策略是：使用e-prime软件设计待检测条件下不同任务难度的工作记忆实验——n-back实验，被试者进行多组工作记忆实验，记录实验中的行为数据和脑电数据；所述工作记忆实验的内容为：设计在待检测条件下的1-back和2-back任务；所述1-back任务为21个字母在屏幕上依次弹出，判断当前屏幕上显示的字母是否与前一个一致；2-back任务为22个字母在屏幕上依次弹出，判断当前屏幕上显示的字母是否与前面第二个一致；被试者按顺序记忆出现的字母，同时判断当前出现的字母与前面的字母是否一致，并做出相应的按键反应。5.根据权利要求1所述的的工作记忆提高实验方法，其特征在于，脑电信号的预处理的方法包括：对采集的原始脑电信号进行低通滤波，去除基线漂移，线性矫正，针对原始信号中的大量眼电伪迹，使用独立成分分析ica进行去除。6.根据权利要求1所述的的工作记忆提高实验方法，其特征在于，对预处理后的脑电信号进行ar模型特征提取的方法包括：基于ar模型的burg法提取预处理后的脑电信号的特征，将预测误差功率和原始数据功率作为特征，获得脑电信号的预测误差功率和原始数据功率作为脑电信号特征。7.根据权利要求1所述的的工作记忆提高实验方法，其特征在于，所述svm分类器为多项式核函数的svm分类器；所述svm分类器的训练方法包括：获取训练数据，基于所述训练数据对svm分类器进行训练；所述训练数据包括不同条件下的工作记忆提高情况和脑电信号的ar模型特征；所述训练数据的获取方法包括：参照各脑区功能，选取被试者的相应脑区电极放置贴片，以采集相应脑区的脑电信号；
使被试者完成工作记忆实验，多组不同条件、任务难度下实验被试者的行为数据和脑电信号；将脑电信号放大和模数转换，以数字信号的形式存储在计算机中；所述行为数据包括反应时间和反应准确率；对行为数据进行平均和多变量方差分析，来分析不同条件下工作记忆的变化情况，获得各条件下的工作记忆提高情况；对采集的脑电信号进行预处理；对预处理后的脑电信号进行ar模型特征提取，获得不同条件下的脑电信号特征；将各条件下的工作记忆提高情况对应各条件下的脑电信号特征进行配对标注，形成训练数据。8.根据权利要求1所述的的工作记忆提高实验方法，其特征在于，对行为数据进行平均和多变量方差分析的方法包括：用spss软件对行为数据进行平均和多变量方差分析，得到的f、p、均值数据。9.一种基于ar模型特征和svm分类的工作记忆提高实验装置，其特征在于，包括以下步骤：输入模块：用于获取待检测条件下的脑电信号；预处理模块：用于预处理所述脑电信号；特征提取模块：用于将预处理后的脑电信号进行ar模型特征提取，获得脑电信号特征；输出模块：用于将所述脑电信号特征输入svm分类器，输出分类结果；所述分类结果表示该待检测条件下的工作记忆是否提高。10.一种基于ar模型特征和svm分类的工作记忆提高实验装置，其特征在于，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行权利要求1-8任一项所述方法的步骤。

技术总结
本发明提供一种基于AR模型特征和SVM分类的工作记忆提高实验方法及装置，可以判断不同条件下工作记忆的提高情况。方法包括以下步骤：获取待检测条件下的脑电信号；预处理所述脑电信号；将预处理后的脑电信号进行AR模型特征提取，获得脑电信号特征；将所述脑电信号特征输入SVM分类器，输出分类结果；所述分类结果表示该待检测条件下的工作记忆是否提高。实验结果表明，将AR模型特征与SVM分类相结合的方法对工作记忆提高与否的判别具有一定的有效性。性。性。


技术研发人员：徐欣 孙嘉雯 王午阳 林茂琨
受保护的技术使用者：南京邮电大学
技术研发日：2022.02.14
技术公布日：2022/5/25