摘 要: | 通过提取单电极中潜伏期反应(MLR)的特征差异,研究并实现了正常个体听觉注意与非注意2种状态的识别.首先,对MLR信号进行小波滤波、阈值去伪迹、相干平均等预处理;然后,分析了MLR在2种状态下的成分波差异,并将Na,Pa,Nb波的幅值与能量、面积、C0复杂度、AR模型系数等传统特征组合成为新的特征向量;最后,采用支持向量机(SVM)和人工神经网络(ANN)在传统特征向量和新特征向量下进行目标识别.8位被试的实验结果显示,在2种不同状态下,被试的Na,Pa,Nb波幅值具有显著性差异(p0.05),而潜伏期并无差异.ANN作为分类器时,新特征向量的平均识别正确率可达85.7%.由此可见,利用单电极中潜伏期反应区分听觉注意与非注意状态是有效的.
|