[发明专利]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

说明书

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。

技术领域

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

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。

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。

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。

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。

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。

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。

发明内容

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。

为达到上述目的，本发明是采用下述技术方案实现的：

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：

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。

进一步的，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。