在训练前后的离线脑电图期间,使用多通道脑电图放大器 (BrainAmp DC, Brain Products) 记录和放大脑活动,该放大器带有 63 个被动 Ag/AgCl 电极 (EasyCap),在线训练期间则带有 31 个被动电极。通道按照 10-20 系统放置,参考鼻子,并在通道 AFz 接地。采样率为 1 kHz。阻抗始终保持在 20 k Ω 以下。使用右眼下方的电极通过眼电图记录眼部信号。使用三阶 Chebyshev II 型滤波器将数据带通滤波至 [0.5, 8] Hz 进行分类,并使用 [0.5, 12] Hz 进行平均 ERP 时期的可视化,然后将其下采样至 100 Hz。为了提取 ERP,EEG 信号在刺激开始时的 -200 毫秒和 1200 毫秒之间进行。在 [-200, 50] 毫秒的间隔内对数据段进行了基线校正。作为分类特征,在相对于刺激开始的十个间隔 [80, 150; 151, 210; 211, 280; 271, 350; 351, 440; 450, 560; 561, 700; 701, 850; 851, 1000; 1001, 1200] 毫秒内提取平均振幅。对于在线会话,这导致每个刺激时期产生 310 维特征向量(31 个通道)。在离线会话中,我们使用相同的预处理和特征提取程序获得了 630 维特征向量,但通道数为 63 个而不是 31 个。在在线会话期间,只要收集的分类器输出的单侧 Welch t 检验表明目标词和最佳非目标词之间存在显著差异,就可以在呈现至少 42 个单词后触发所谓的动态停止策略 (Schreuder 等人,2013)。显著性水平设置为 0.05,实验者可以进一步降低,作为一种可能性,以随着时间的推移调整整体任务难度。
主要关键词