摘要 — 事故分析表明,飞行员可能无法处理诸如警报之类的听觉刺激,这种现象称为注意力缺失性失聪。这项研究的目的是开发一种被动脑机接口,可以预测在真实飞行条件下这种关键现象的发生。十名配备干脑电图系统的志愿者必须飞行一个具有挑战性的飞行场景,同时通过按下按钮来响应听觉警报。行为结果显示,飞行员错过了 36% 的听觉警报。ERP 分析证实,由于潜在的注意力瓶颈机制,这种现象会影响早期(N100)和晚期(P300)阶段的听觉处理。使用稀疏表示分类 (SRC)、稀疏和密集表示 (SDR) 以及更传统的方法(例如线性判别分析 (LDA)、收缩 LDA 和最近邻 (1-NN))对警报响起前三秒提取的频率特征进行受试者间分类。在最佳情况下,SRC 和 SDR 分别给出了 66.9% 和 65.4% 的正确平均分类率来预测注意力不集中性耳聋的发生,优于 LDA (60.6%)、sLDA (60%) 和 1-NN (59.6%)。这些结果为神经自适应自动化的实施开辟了光明的前景,最终目标是增强警报刺激传递,使其被感知和采取行动。
摘要 — 事故分析表明,飞行员可能无法处理诸如警报之类的听觉刺激,这种现象称为注意力不集中性失聪。这项研究的动机是开发一种被动脑机接口,可以预测在真实飞行条件下这种关键现象的发生。十名配备干脑电图系统的志愿者必须飞行一个具有挑战性的飞行场景,同时通过按下按钮来响应听觉警报。行为结果显示,飞行员错过了 36% 的听觉警报。ERP 分析证实,由于潜在的注意力瓶颈机制,这种现象会影响早期(N100)和晚期(P300)阶段的听觉处理。使用稀疏表示分类 (SRC)、稀疏和密集表示 (SDR) 以及更传统的方法(例如线性判别分析 (LDA)、收缩 LDA 和最近邻 (1-NN)),对警报开始前三秒提取的频率特征进行受试者间分类。在最佳情况下,SRC 和 SDR 分别给出了 66.9% 和 65.4% 的正确平均分类率来预测注意力不集中性耳聋的发生,优于 LDA (60.6%)、sLDA (60%) 和 1- NN (59.6%)。这些结果为神经自适应自动化的实施开辟了光明的前景,最终目标是增强警报刺激传递,以便人们感知和采取行动。