论文部分内容阅读
近年来，脑力负荷估计已经经历了广泛的研究，因为监测认知负荷的能力能够防止认知超负荷并且改善工作场所安全。脑电图（EEG）信号已经被发现是一种客观和非侵入性的脑力负荷的测量方式。然而，作为实时脑力负荷监测和脑机接121研究的重要一步，基于单试验EEG数据的认知负荷的评估一直是一个重大的挑战。最近，许多高级的特征提取方法和机器学习算法已经被采用于基于EEG的脑力负荷评估中。在本研究中，使用在具有2个难度水平的n—back任务的执行期间记录的EEG数据进行了单试验脑力负荷分类，测试了3种类型的特征提取的有效性（