改进Sternberg工程记忆实验下的脑电信号深度解析与认知机制探索

改进Sternberg工程记忆实验下的脑电信号深度解析与认知机制探索一、引言1.1研究背景工程记忆作为人类思维和知识处理的核心，在人类的学习、工作和生活中发挥着举足轻重的作用。从学生在课堂上对知识的学习与记忆，到科研人员在实验中对数据和方法的铭记，再到工程师在设计与施工过程中对各种技术规范和经验的运用，工程记忆无处不在。它不仅是个体获取和积累知识的重要途径，更是推动人类社会进步和发展的关键因素。脑电信号，作为大脑神经元活动的电生理表现，能够为我们揭示工程记忆的奥秘提供重要线索。随着神经科学和信号处理技术的不断发展，越来越多的研究表明，脑电信号与人类的认知过程密切相关。通过对脑电信号的分析，我们可以深入了解大脑在记忆编码、存储和提取等过程中的活动机制，从而为工程记忆的研究提供更加直接和有效的方法。Sternberg工程记忆实验作为工程记忆研究的典型范例，自提出以来便被广泛应用于评估认知能力和记忆流程。该实验通过控制识记项目的数量、测试项目的质量等因素，观察被试的反应时变化，从而推断短时记忆信息提取的过程和机制。然而，随着研究的深入，人们逐渐发现这个实验存在一些局限性。例如，实验场景往往缺乏情境的真实性，与现实生活中的记忆任务存在较大差异，这可能导致实验结果的外部效度受到影响；此外，实验的操控方法相对简单，难以全面地模拟和探究复杂的记忆现象。为了克服这些局限性，进一步深入研究工程记忆的脑机制和认知过程，本研究旨在改进Sternberg工程记忆实验，并结合先进的脑电信号分析技术，探索其对工程记忆的影响。通过引入更加贴近现实的情境预测任务，增加实验的真实性和复杂性，使实验结果能够更好地反映实际生活中的记忆情况。同时，运用多种脑电信号分析方法，如脑电图（EEG）、时间频谱分析（TFA）以及相关性分析（如相干性和Granger因果分析）等，从多个角度全面地研究脑电信号在工程记忆中的作用，深入分析不同神经区域之间的交互作用，以期为工程记忆及其神经机制的研究提供新的见解，推动相关领域的发展，并为相关神经工具和治疗方法的开发奠定基础。1.2Sternberg工程记忆实验概述1.2.1经典实验原理Sternberg工程记忆实验最初由心理学家Sternberg于1966年提出，旨在研究短时记忆信息提取的过程和机制。该实验采用了相加因素法，通过系统地操纵一系列变量，观察它们对被试反应时的影响，从而推断出短时记忆信息提取所包含的加工阶段。实验流程如下：首先，向被试呈现一组数字（1-6个）作为识记项目，每个数字呈现1.2秒，数字一个个相继呈现。在识记项目呈现完毕2秒后，呈现一个探测数字，同时开始计时。被试的任务是判断该探测数字是否在之前呈现的识记项目中出现过，并通过按键做出是或否的反应，回答完毕后计时停止，此时间即为反应时。例如，当识记项目为“3、7、9、1”，探测数字为“7”时，被试需判断“7”在识记项目中出现过，做出“是”的反应；若探测数字为“5”，则做出“否”的反应。在实验过程中，为了确保实验结果的准确性和可靠性，需要对多个变量进行严格控制。多次实验时，每次的识记项目和测试项目都要更换，以避免被试产生记忆惯性。在全部实验中，测试项目数量的一半在识记项目中，一半不在识记项目中，即“是”和“否”反应各占一半，这样可以平衡两种反应类型对结果的影响。若测试项目出现在识记项目中，则在多次实验中均匀地分布在识记项目系列的不同位置上，以排除位置因素对被试判断的干扰。Sternberg通过一系列这样的实验，从反应时的变化上确定了4个对提取过程有独立作用的因素：测试项目的质量（优质的或低劣的）、识记项目的数量、反应类型（肯定的或否定的）和每个反应类型的相对频率。他认为短时记忆信息提取过程包含相应的4个独立的加工阶段，即刺激编码阶段、顺序比较阶段、二择一的决策阶段和反应组织阶段。其中，测试项目的质量对刺激编码阶段起作用，例如，对一个残缺、模糊的测试项目进行编码比对一个完整、清晰的测试项目花的时间更长；识记项目的数量对顺序比较阶段起作用，随着识记项目数量的增加，被试进行顺序比较所需的时间也会增加，二者呈线性关系；反应类型对决策阶段起作用，研究发现，对于不同大小的记忆表，都是否定反应（N反应）时长于肯定反应（Y反应）时，这表明在系列比较之后，存在一个被试选择反应种类的决策阶段，且产生N反应比产生Y反应更困难；反应类型的相对频率对反应组织阶段起作用，提高任一类反应的出现频率，都会使这类反应的组织更为容易，从而使反应时下降。1.2.2实验应用及意义Sternberg工程记忆实验在认知心理学和神经科学领域具有广泛的应用和重要的意义。在认知能力评估方面，该实验为测量个体的短时记忆容量、信息提取速度和决策能力提供了有效的方法。教育领域可以利用该实验评估学生的学习能力和认知发展水平，为个性化教育提供依据。对于学习困难的学生，通过分析他们在实验中的反应时和错误率，可以了解其在短时记忆信息提取过程中可能存在的问题，进而有针对性地制定教学策略和干预措施。在职业选拔中，也可以运用该实验评估应聘者的认知能力，筛选出更适合需要快速处理信息和做出决策工作的人员。例如，对于飞行员、空中交通管制员等职业，快速准确的信息处理和决策能力至关重要，通过Sternberg实验可以对候选人的相关能力进行初步评估。在记忆研究领域，Sternberg实验为深入理解记忆的认知过程和神经机制奠定了基础。它揭示了短时记忆信息提取并非是一个简单的过程，而是包含多个独立的加工阶段，这一发现推动了记忆理论的发展，促使后续研究者从不同角度进一步探讨记忆的本质和机制。通过结合脑成像技术，如功能性磁共振成像（fMRI）、脑磁图（MEG）等，研究人员可以观察在Sternberg实验任务中大脑的活动模式，从而确定参与短时记忆信息提取的具体脑区及其功能，以及这些脑区之间的神经连接和信息传递机制。这有助于我们更好地理解记忆的生理基础，为解释记忆障碍等相关疾病的发病机制提供理论支持，也为开发治疗记忆障碍的方法和药物提供了潜在的靶点和思路。Sternberg工程记忆实验作为工程记忆研究的经典范式，为我们深入研究认知能力和记忆过程提供了重要的工具和方法，在多个领域都发挥着不可替代的作用，具有极高的理论价值和实践意义。1.3实验改进的必要性尽管Sternberg工程记忆实验在认知心理学和神经科学领域取得了显著成果，为我们理解短时记忆信息提取的过程和机制提供了重要的理论基础，但随着研究的深入和技术的发展，该实验在情境真实性和操控方法等方面的不足逐渐凸显。在情境真实性方面，经典的Sternberg实验通常在实验室环境中进行，实验任务相对简单、抽象，与现实生活中的记忆任务存在较大差异。例如，在现实生活中，人们需要记忆的信息往往是丰富多样的，包括文字、图像、声音、事件等，且这些信息通常具有一定的情境背景和语义关联。而在Sternberg实验中，被试主要记忆的是无意义的数字序列，缺乏情境和语义信息，这使得实验结果难以直接推广到实际生活中的记忆场景。研究表明，当记忆材料具有语义意义时，大脑的记忆加工过程会与处理无意义材料时有所不同，涉及到更多的语义理解和联想等认知活动。因此，经典实验的情境局限性可能导致我们对真实场景下工程记忆的神经机制和认知过程理解不够全面和深入。从操控方法来看，Sternberg实验主要通过控制识记项目的数量、测试项目的质量、反应类型和反应类型的相对频率等有限的几个变量来研究短时记忆信息提取，操控变量相对单一。然而，在实际的记忆过程中，影响记忆的因素是复杂多样的，包括注意力、情绪、动机、任务难度、学习策略等。这些因素之间相互作用，共同影响着记忆的编码、存储和提取过程。例如，当个体处于高度紧张或焦虑的情绪状态下，其记忆能力可能会受到显著影响，表现为记忆编码的效率降低、记忆提取的准确性下降等。经典实验难以全面地模拟和探究这些复杂的因素及其相互作用对工程记忆的影响，限制了我们对记忆本质的深入理解。为了更准确地揭示工程记忆的神经机制和认知过程，提高实验结果的外部效度，有必要对经典的Sternberg工程记忆实验进行改进。通过引入更加贴近现实的情境预测任务，增加实验的真实性和复杂性，使实验任务更符合实际生活中的记忆需求；同时，采用多样化的操控方法，综合考虑多种影响记忆的因素，能够更全面地探究工程记忆的奥秘，为相关领域的研究和应用提供更有力的支持。1.4研究目标与创新点本研究旨在通过改进Sternberg工程记忆实验，结合先进的脑电信号分析技术，深入探索工程记忆的脑机制和认知过程，为相关领域的研究和应用提供新的理论依据和方法支持。具体研究目标如下：改进实验设计：引入更加贴近现实生活的情境预测任务，增强实验的真实性和复杂性。例如，设置一系列与工程实践相关的场景，如建筑设计、机械制造等，让被试在这些场景中进行记忆和判断任务，使实验任务更符合实际工程记忆的需求，从而提高实验结果的外部效度。脑电信号分析：运用多种脑电信号分析方法，全面研究脑电信号在工程记忆中的作用。通过脑电图（EEG）分析，获取大脑在工程记忆任务中的电活动基本特征，如不同脑区的激活程度、脑电节律的变化等；利用时间频谱分析（TFA），深入探究脑电信号在不同时间尺度和频率范围内的能量分布和变化规律，揭示大脑在记忆编码、存储和提取等阶段的动态过程；采用相关性分析，如相干性和Granger因果分析，评估不同神经区域之间的交互作用，明确大脑各区域在工程记忆中的协同工作机制。揭示脑机制和认知过程：基于改进的实验和脑电信号分析结果，深入剖析工程记忆的脑机制和认知过程。确定参与工程记忆的关键脑区及其功能，以及这些脑区之间的神经连接和信息传递模式；揭示不同认知因素，如注意力、情绪、动机等，对工程记忆的影响机制，为理解人类工程记忆的本质提供深入的理论见解。本研究在实验设计和分析方法上具有以下创新之处：实验设计创新：突破传统Sternberg实验的局限性，将情境预测任务融入实验中，使实验任务更具现实意义和复杂性。这种创新的实验设计能够更全面地模拟实际工程记忆场景，为研究工程记忆在真实情境下的神经机制和认知过程提供了新的研究范式。多模态脑电信号分析方法融合：综合运用多种脑电信号分析方法，从不同角度对脑电信号进行深入分析。这种多模态分析方法的融合能够充分挖掘脑电信号中的信息，全面揭示大脑在工程记忆中的活动机制，克服了单一分析方法的局限性，为脑电信号分析在工程记忆研究中的应用提供了新的思路和方法。二、改进的Sternberg工程记忆实验设计2.1改进思路与原则为了克服经典Sternberg工程记忆实验在情境真实性和操控方法上的局限性，使实验结果更能反映实际工程记忆的神经机制和认知过程，本研究从以下几个方面提出改进思路与原则。增强情境真实性：在实际的工程活动中，记忆任务往往与具体的情境紧密相关，并且需要个体根据已有的记忆信息对未来的情境进行预测和决策。因此，改进后的实验应引入真实情境预测任务，模拟实际工程场景，让被试在具有情境背景和语义关联的信息中进行记忆和判断。例如，在建筑工程领域，可以向被试展示一系列建筑设计图纸，包括平面图、剖面图、效果图等，要求被试记住图纸中的关键信息，如建筑结构、空间布局、设施位置等。然后，呈现一些关于该建筑在不同使用场景下的问题，如“如果要在该建筑内举办一场大型会议，需要如何调整空间布局？”“在遭遇地震时，该建筑的哪些区域可能存在安全隐患？”让被试根据记忆和理解进行回答。通过这种方式，增加实验任务的真实性和复杂性，使被试能够在更贴近现实的情境中运用工程记忆，提高实验结果的外部效度。增加记忆材料多样性：经典实验主要以无意义的数字序列作为记忆材料，这与实际工程记忆中涉及的丰富多样的信息类型存在较大差异。为了更全面地研究工程记忆，改进后的实验应增加记忆材料的多样性，涵盖文字、图像、声音、视频等多种形式，以及与工程相关的专业知识、操作流程、案例分析等内容。例如，除了数字，还可以呈现工程技术文档、机械零件图纸、工程施工视频等材料。对于工程技术文档，被试需要记住其中的技术原理、工艺流程、技术参数等关键信息；对于机械零件图纸，要记住零件的形状、尺寸、装配关系等；对于工程施工视频，则需记住施工步骤、施工设备的使用方法等。这样可以使实验更全面地模拟实际工程记忆场景，考察被试在不同类型信息下的记忆表现和认知过程。综合考虑多因素影响：实际的记忆过程受到多种因素的共同影响，包括注意力、情绪、动机、任务难度、学习策略等。因此，改进后的实验在操控方法上应更加多样化，综合考虑这些因素对工程记忆的作用。在实验过程中，可以通过设置不同难度等级的任务来控制任务难度，如简单的基础工程知识记忆任务、复杂的工程问题解决任务等；利用不同的实验指导语或奖励机制来激发被试不同的动机水平，如告知被试完成任务后将获得一定的物质奖励或精神奖励，或者强调任务的重要性和挑战性；通过播放不同情绪类型的音乐或视频来诱导被试的情绪状态，如欢快的音乐可引发积极情绪，悲伤的音乐可引发消极情绪；在实验前，让被试学习不同的记忆策略，如复述策略、组织策略、精细加工策略等，并在实验中观察他们对这些策略的运用情况及其对记忆效果的影响。通过综合考虑这些因素，能够更深入地探究工程记忆的复杂机制，揭示各因素之间的相互作用关系。提高实验控制精度：在改进实验设计时，要注重提高实验控制的精度，确保实验结果的可靠性和有效性。对实验变量进行严格的定义和操作化，明确每个变量的取值范围和变化方式，减少变量的模糊性和不确定性。在设置任务难度时，要根据被试的实际水平和实验目的，合理划分难度等级，并通过预实验对难度设置进行验证和调整。在实验过程中，要严格控制实验条件，保持实验环境的一致性，避免外界因素对被试的干扰。确保实验设备的稳定性和准确性，定期对实验设备进行校准和维护，如脑电采集设备的电极阻抗要保持在合适的范围内，以保证采集到的脑电信号质量良好。同时，对被试的选择和分组也要进行科学合理的设计，采用随机抽样和随机分组的方法，确保不同实验组之间被试的基本特征具有可比性，减少个体差异对实验结果的影响。2.2实验流程详细介绍2.2.1刺激材料选择与呈现为了使实验更具工程特色和情境真实性，我们精心挑选了多样化的刺激材料。在工程图纸方面，涵盖了机械工程中的零件设计图、装配图，建筑工程中的建筑平面图、剖面图，以及电气工程中的电路图等。这些图纸包含丰富的细节信息，如尺寸标注、技术要求、材料说明等，能够全面考察被试对工程信息的记忆能力。例如，一张机械零件设计图可能包含零件的形状、尺寸公差、表面粗糙度等关键信息，被试需要记住这些信息以便后续的任务判断。在技术文档片段的选择上，选取了与工程实践紧密相关的内容，如工程施工规范、操作手册、技术报告等。这些文档片段涉及工程原理、工艺流程、故障排除等方面的知识，要求被试理解并记忆其中的重要内容。例如，一份工程施工规范可能规定了施工过程中的安全注意事项、施工步骤和质量标准，被试需要牢记这些规范以应对后续的问题。刺激材料的呈现通过专业的实验软件在高分辨率显示屏上进行。在呈现工程图纸时，根据图纸的复杂程度和信息密度，合理设置呈现时间，一般为5-10秒。对于简单的零件图，呈现时间可设为5秒；而对于复杂的装配图或建筑平面图，呈现时间则延长至8-10秒，以确保被试有足够的时间观察和记忆图纸中的信息。在呈现技术文档片段时，以逐行滚动的方式展示，每行停留时间为0.5-1秒，让被试能够清晰地阅读和理解文档内容。同时，为了引导被试集中注意力，在刺激材料呈现前，屏幕上会先出现一个提示信号，如“请准备记忆以下内容”，并伴随一声短促的提示音，持续时间为1秒。2.2.2任务设置与被试操作被试需要完成的记忆任务主要包括记忆材料细节和回答相关问题。在记忆材料细节阶段，被试需要仔细观察呈现的工程图纸和技术文档片段，尽可能准确地记住其中的关键信息。例如，对于工程图纸，要记住零件的形状、尺寸、装配关系等；对于技术文档，要记住技术原理、工艺流程、技术参数等。在回答相关问题阶段，屏幕上会呈现一系列与之前呈现的刺激材料相关的问题，这些问题涵盖了材料中的各个方面，旨在考察被试对材料的理解和记忆程度。问题类型包括选择题、填空题和简答题。选择题提供多个选项，被试需要从中选择正确答案；填空题要求被试填写关键信息；简答题则需要被试根据记忆和理解进行简要回答。例如，针对一张建筑平面图，可能会提出问题“该建筑的主要出入口在哪个方向？（选择题）”“建筑中某房间的面积是多少？（填空题）”“请简要描述该建筑的结构特点。（简答题）”被试的操作流程如下：在实验开始前，被试会接受详细的实验指导，了解实验的目的、流程和要求。在刺激材料呈现阶段，被试需要集中注意力观察屏幕上的内容，并尽可能多地记住相关信息。在问题呈现阶段，被试根据自己的记忆和判断，通过键盘或鼠标进行作答。对于选择题，被试用鼠标点击选择相应的选项；对于填空题，在指定的输入框中输入答案；对于简答题，在较大的文本输入区域中输入回答内容。被试需要在规定的时间内完成作答，每个问题的作答时间根据问题类型和难度而定，选择题和填空题的作答时间一般为5-10秒，简答题的作答时间为15-30秒。如果被试在规定时间内未完成作答，系统将自动进入下一个问题。2.2.3实验阶段划分实验主要分为学习、记忆保持、测试三个阶段，每个阶段都有明确的任务和时间安排。在学习阶段，主要任务是向被试呈现刺激材料，让他们进行记忆。首先，屏幕上会依次呈现精心挑选的工程图纸和技术文档片段，按照前面所述的呈现方式和时间控制进行展示。在呈现过程中，鼓励被试积极主动地观察和理解材料内容，运用各种记忆策略来提高记忆效果。例如，对于工程图纸，可以引导被试采用分类记忆的方法，将不同类型的零件或结构分别记忆；对于技术文档，可以让被试通过理解技术原理来辅助记忆相关内容。整个学习阶段持续时间为5-10分钟，具体时长根据刺激材料的数量和复杂程度而定。记忆保持阶段是在学习阶段结束后，给予被试一段时间来巩固记忆。在此阶段，屏幕上会显示一个空白界面，并提示被试“请安静休息，保持对刚才材料的记忆”。这个阶段的目的是减少外界干扰，让被试的大脑对学习到的信息进行加工和存储。记忆保持阶段的时长设定为3-5分钟，这段时间既能够保证被试的记忆不会因时间过短而迅速遗忘，又不会因时间过长而导致记忆痕迹消退过多。测试阶段是对被试记忆效果的检验。屏幕上会按照一定的顺序依次呈现与学习阶段刺激材料相关的问题，被试根据自己的记忆进行作答。问题的呈现方式和作答要求如前所述，被试需要在规定时间内完成每个问题的回答。测试阶段的总时长根据问题的数量和类型而定，一般为10-15分钟。在测试过程中，系统会自动记录被试的作答时间和答案，以便后续的数据分析。通过对被试在测试阶段的表现进行分析，可以评估他们对工程记忆材料的掌握程度和记忆能力，为进一步研究工程记忆的脑机制和认知过程提供数据支持。2.3实验对象选取与分组为了确保实验结果的可靠性和有效性，能够广泛代表不同人群的工程记忆特征，我们对实验对象的选取制定了严格的标准。被试的年龄范围设定在18-35岁之间，这个年龄段的个体大脑发育成熟，认知能力相对稳定，且正处于学习和工作的关键时期，对工程记忆相关的知识和技能有一定的接触和应用需求。同时，我们选取了来自不同专业背景的人员作为被试，涵盖了机械工程、土木工程、电气工程、计算机科学等多个与工程领域密切相关的专业，以及心理学、社会学等非工程专业。这样的专业背景分布能够考察不同知识体系和思维模式对工程记忆的影响，避免因专业局限性导致实验结果的片面性。例如，机械工程专业的学生对机械结构和原理的记忆可能更为擅长，而计算机科学专业的学生在处理数字信息和逻辑流程的记忆上可能具有优势，通过对比不同专业被试的表现，可以更全面地了解工程记忆在不同专业领域的特点和差异。在排除标准方面，有神经或精神疾病史（如癫痫、抑郁症、精神分裂症等）的个体不参与实验，因为这些疾病可能会影响大脑的正常功能和认知过程，导致脑电信号异常，从而干扰对工程记忆相关脑电信号的分析。长期服用可能影响神经系统功能药物（如镇静催眠药、抗抑郁药、抗精神病药等）的人员也被排除在外，以避免药物对实验结果产生混淆效应。有严重视听障碍的被试同样不符合要求，因为本实验需要被试准确地感知和理解视觉和听觉刺激材料，如果存在视听障碍，可能无法正常完成实验任务，影响数据的准确性和可靠性。经过严格筛选，最终确定了60名符合条件的被试。为了保证实验的科学性，减少个体差异对实验结果的影响，我们采用随机数字表法将这60名被试随机分为实验组和对照组，每组各30人。在分组过程中，确保每个被试都有同等的概率被分配到任意一组，使两组被试在年龄、性别、专业背景等基本特征上具有可比性。例如，通过统计分析发现，实验组和对照组的平均年龄无显著差异，各专业人数在两组中的分布也基本相同，性别比例也相近。这样的分组方式能够有效地控制无关变量，使实验结果更能准确地反映改进后的Sternberg工程记忆实验对工程记忆的影响，为后续的实验研究和数据分析提供可靠的基础。三、脑电信号采集与预处理3.1采集设备与技术为了精确捕捉大脑在工程记忆任务中的电活动信号，本研究采用了64道脑电采集设备，该设备具备高采样率和低噪声等优势，能够满足实验对脑电信号高质量采集的要求。例如，在某些对时间精度要求较高的实验中，高采样率的设备可以更准确地记录脑电信号的瞬间变化，为后续的分析提供更丰富的数据细节。电极的放置依据国际10-20系统标准进行，该标准是目前脑电图领域广泛应用的电极定位系统，通过明确的解剖标志来确定电极位置，确保了电极放置的准确性和可重复性。具体来说，以鼻根和枕骨隆突为前后基准，以外耳孔为左右基准，头顶中心点为起始点，在横向和纵向分别按照全长的10%或20%的距离确定电极位置，共设置了包括参考电位在内的多个准确电极位置。比如，Fpz电极位于距鼻根10%的位置，用于监测额叶前部的脑电活动；Cz电极位于头顶，处于前后和左右测量的交点处，对中央区脑电信号的采集具有重要作用。这些电极位置的合理分布，能够全面覆盖大脑的主要功能区域，使我们能够获取大脑不同部位在工程记忆任务中的电活动信息，为深入研究工程记忆的脑机制提供了有力支持。3.2采集过程中的注意事项在脑电信号采集过程中，为确保采集到高质量、准确可靠的脑电信号，需要采取一系列措施来避免各种干扰，并保证被试的舒适和配合。运动伪影是脑电信号采集中常见的干扰因素之一，其主要由被试的头部运动、身体活动等引起。为减少运动伪影的影响，在实验前，需要对被试进行详细的指导，告知他们在实验过程中保持头部和身体的静止，避免不必要的动作。例如，在刺激材料呈现和任务作答期间，尽量不要眨眼、转头、耸肩或其他大幅度的身体动作。为了进一步约束被试的动作，可使用专门的头部固定装置，如头托或头带，将被试的头部稳定在合适的位置，减少头部晃动对脑电信号的干扰。同时，选择舒适的座椅和实验环境，使被试能够在相对放松的状态下保持静止，减少因身体不适而产生的无意识动作。环境噪声干扰也是需要重点关注的问题。环境噪声可能来源于实验室的电气设备、外界的交通噪音、其他人员的活动等。为了降低环境噪声对脑电信号的影响，实验应在专门的屏蔽室内进行。屏蔽室能够有效阻挡外界的电磁干扰，减少环境噪声对脑电信号的污染。对实验室内的电气设备进行合理布局和屏蔽，避免电气设备产生的电磁辐射干扰脑电信号采集。确保脑电采集设备的接地良好，减少电气设备的漏电和静电干扰。在实验过程中，尽量减少无关人员的走动和活动，保持实验室的安静环境，避免人为产生的噪声干扰。为保证被试在实验过程中的舒适和配合，需要从多个方面进行考虑。在实验前，与被试进行充分的沟通，详细介绍实验的目的、流程和注意事项，让被试对实验有清晰的了解，减少他们的紧张和不安情绪。在实验过程中，关注被试的身体和心理状态，及时给予他们必要的休息时间，避免因长时间实验导致疲劳和不适。例如，每隔一段时间，让被试休息几分钟，放松身心，然后再继续实验。为被试提供舒适的实验条件，调整室内的温度、湿度和光线，使其处于适宜的范围，让被试在舒适的环境中完成实验。同时，确保电极与皮肤的接触良好且舒适，避免因电极佩戴不当引起的疼痛或不适。在电极与皮肤接触部位涂抹适量的导电膏，既能保证良好的导电性，又能减少对皮肤的刺激。若被试在实验过程中出现任何不适或疑问，及时给予解答和帮助，确保他们能够顺利完成实验，提高实验数据的质量和可靠性。3.3预处理步骤与方法3.3.1数据滤波在脑电信号采集过程中，不可避免地会混入各种噪声，如高频噪声和低频漂移，这些噪声会严重干扰对脑电信号的准确分析，因此数据滤波是脑电信号预处理的关键步骤之一。本研究采用了低通滤波、高通滤波和带通滤波等多种滤波方法，以有效地去除不同频率范围的噪声，提高脑电信号的质量。低通滤波主要用于去除高频噪声，其原理是允许低于特定截止频率的信号通过，而衰减高于该截止频率的信号。在本实验中，根据脑电信号的特点和噪声分布情况，将低通滤波器的截止频率设置为30Hz。这是因为脑电信号中的高频噪声，如肌电噪声、仪器高频干扰等，其频率通常高于30Hz，通过设置该截止频率，可以有效地滤除这些高频噪声，使脑电信号更加平滑，突出低频段的脑电活动信息。例如，在对某一被试的脑电信号进行低通滤波处理后，原本在高频段出现的杂乱无章的信号波动明显减少，脑电信号的主要特征更加清晰地显现出来，为后续的分析提供了更可靠的数据基础。高通滤波则用于去除低频漂移，它允许高于特定截止频率的信号通过，而抑制低于该截止频率的信号。实验中，将高通滤波器的截止频率设定为0.1Hz。低频漂移通常由皮肤电位变化、电极与皮肤接触不良以及被试的缓慢运动等因素引起，这些低频干扰会掩盖脑电信号中的重要特征，影响对脑电活动的准确解读。通过0.1Hz的高通滤波，可以有效地去除这些低频漂移，保留脑电信号中反映大脑神经元活动的高频成分。比如，在对另一被试的脑电信号进行高通滤波后，原本在低频段出现的缓慢波动被消除，脑电信号的基线更加平稳，有助于准确地识别和分析脑电信号中的各种节律成分。带通滤波是结合了低通滤波和高通滤波的特点，它只允许在特定频率范围内的信号通过，而滤除该范围之外的信号。在本研究中，根据实验目的和脑电信号的研究频段，设计了0.1-30Hz的带通滤波器。这个频率范围涵盖了脑电信号中的主要节律成分，如δ波（0.5-4Hz）、θ波（4-8Hz）、α波（8-13Hz）和β波（13-30Hz），能够有效地保留与工程记忆相关的脑电信号特征，同时去除低频和高频噪声的干扰。以对一组被试的脑电信号进行带通滤波处理为例，经过滤波后，脑电信号中的各种节律成分得到了清晰的呈现，不同频段的能量分布也更加明显，为进一步分析工程记忆过程中脑电信号的变化规律提供了有力支持。为了实现上述滤波操作，本研究采用了巴特沃斯滤波器，这是一种在通频带内具有平坦幅度响应的滤波器，能够在有效去除噪声的同时，最大限度地减少对脑电信号的失真。在滤波器设计过程中，根据实际需求合理选择滤波器的阶数，阶数越高，滤波器的过渡带越窄，对噪声的衰减效果越好，但同时也会增加计算量和信号的相位延迟。通过多次实验和调试，确定了合适的滤波器阶数，在保证滤波效果的前提下，尽量减少对信号的影响，确保滤波后的脑电信号能够准确地反映大脑在工程记忆任务中的电活动变化。3.3.2伪迹剔除在脑电信号采集中，除了噪声干扰外，还会存在各种伪迹，如眼电、肌电等，这些伪迹会严重影响脑电信号的分析结果，因此需要对其进行准确识别和有效剔除。眼电伪迹主要由眼球运动和眨眼等眼部活动引起，其幅度通常比脑电信号大很多倍，且频率与脑电信号有部分重叠，对脑电信号的干扰较为严重。为了识别眼电伪迹，我们利用在眼睛上下方放置的电极采集眼电信号（EOG），通过分析EOG信号的特征来判断脑电信号中是否存在眼电伪迹。例如，当被试眨眼时，EOG信号会出现明显的大幅度波动，这种波动会传播到脑电信号中，导致脑电信号在相应时间段内出现异常变化。基于此，我们可以通过设定幅度阈值的方法来识别眼电伪迹，当脑电信号的幅度超过设定的阈值时，就认为该时间段内的信号可能受到了眼电伪迹的污染。肌电伪迹是由肌肉活动产生的电信号，主要来源于额肌和颞肌等靠近头部的肌肉群。其特点是呈现出尖峰状的高频电活动，频率范围通常在30-500Hz，与脑电信号的频率范围有重叠，会对脑电信号的分析造成干扰。在识别肌电伪迹时，我们主要依据其高频特性和尖峰状的波形特征。通过观察脑电信号的时域波形，当发现信号中出现高频尖峰状的脉冲时，结合其频率范围，判断是否为肌电伪迹。对于眼电和肌电伪迹的剔除，我们采用了基于阈值判断和独立成分分析（ICA）相结合的方法。基于阈值判断的方法相对简单直接，对于幅度明显超过正常脑电信号范围的部分，直接将其视为伪迹并进行剔除。在实际操作中，根据实验数据的统计分析，设定合适的幅度阈值。对于脑电信号中幅度大于该阈值的时间段，将该时间段内的信号进行标记并剔除，以减少伪迹对后续分析的影响。独立成分分析是一种盲源分离技术，它能够将混合信号分解为相互独立的成分，从而有效地分离出脑电信号中的伪迹成分。在使用ICA进行伪迹剔除时，首先对经过滤波处理后的脑电信号进行ICA分解，得到多个独立成分。然后，通过分析每个独立成分的特征，如时域波形、频谱特性以及与EOG、肌电信号的相关性等，判断哪些成分是由眼电、肌电等伪迹引起的。对于被判定为伪迹成分的独立成分，将其从脑电信号中去除，然后对剩余的独立成分进行重构，得到剔除伪迹后的脑电信号。例如，在对某一被试的脑电信号进行ICA分析后，发现其中一个独立成分的时域波形与EOG信号高度相似，频谱特性也与眼电伪迹的特征相符，通过将该成分去除并重构信号，有效地剔除了眼电伪迹，使脑电信号更加纯净，为后续的分析提供了更准确的数据。3.3.3数据标准化为了保证不同被试之间脑电信号数据的可比性，以及后续数据分析和模型训练的准确性，需要对预处理后的脑电信号进行标准化处理，主要包括归一化和基线校正等操作。归一化是将脑电信号的幅值统一到一个特定的范围，常用的方法有最小-最大归一化和Z-score归一化。本研究采用最小-最大归一化方法，其公式为：X_{norm}=\frac{X-X_{min}}{X_{max}-X_{min}}\times(max-min)+min其中，X为原始脑电信号数据，X_{min}和X_{max}分别为原始数据中的最小值和最大值，X_{norm}为归一化后的数据，max和min为设定的归一化范围，通常取0和1。通过最小-最大归一化，将脑电信号的幅值映射到0-1之间，消除了不同被试之间由于个体差异导致的信号幅值差异，使得不同被试的脑电信号在幅值上具有可比性。例如，对于被试A和被试B的脑电信号，在归一化之前，由于个体生理差异，被试A的脑电信号幅值整体高于被试B，但经过最小-最大归一化后，两者的脑电信号幅值都被统一到了0-1的范围内，便于后续的数据分析和比较。基线校正则是将脑电信号的基线调整到一个统一的水平，以消除由于电极漂移、个体差异等因素导致的基线波动对信号分析的影响。具体做法是在每个实验试次中，选取一段没有刺激呈现的安静时间段作为基线，计算该时间段内脑电信号的平均值，然后将每个时间点的脑电信号值减去该平均值，从而实现基线校正。例如，在一个包含刺激呈现和反应的实验试次中，选择刺激呈现前的1秒作为基线时间段，计算这段时间内脑电信号的平均值为\mu，对于该试次中后续每个时间点t的脑电信号值x_t，进行基线校正后的信号值为x_t-\mu。通过基线校正，使不同试次和不同被试的脑电信号具有统一的基线，更准确地反映大脑在工程记忆任务中的电活动变化，提高了数据分析的准确性和可靠性。四、脑电信号分析方法4.1时域分析方法4.1.1事件相关电位（ERP）提取事件相关电位（ERP）是一种特殊的脑电信号，它反映了大脑对特定刺激事件的神经电生理反应。在本研究中，通过对刺激事件的锁定，能够精确地提取出与工程记忆任务相关的ERP成分，如P1、N1、P2、N2等，这些成分在时间和空间上的变化为我们揭示工程记忆的认知过程提供了关键线索。提取ERP成分的过程如下：首先，将脑电信号按照刺激事件发生的时间进行分段，每一段包含刺激前的基线期和刺激后的反应期，通常基线期为刺激前100-200毫秒，反应期为刺激后500-1000毫秒，具体时长可根据实验任务和研究目的进行调整。以呈现工程图纸刺激为例，从图纸出现的时刻开始，向前截取100毫秒作为基线，向后截取800毫秒作为反应期，形成一个时间窗。然后，对每个时间窗内的脑电信号进行平均叠加处理。由于与刺激事件无关的脑电活动在多次叠加后会相互抵消，而与刺激相关的脑电活动则会得到增强，从而突出ERP成分。例如，经过对多次呈现工程图纸刺激对应的脑电信号进行平均叠加后，原本隐藏在噪声中的ERP成分逐渐显现出来，P1、N1等成分的波形变得更加清晰可辨。P1成分通常在刺激呈现后的50-100毫秒出现，表现为一个正向波，主要分布在枕叶和顶叶区域，它反映了早期的感觉皮层加工过程。当被试看到工程图纸时，视觉信息首先在枕叶视觉皮层进行初步处理，P1成分就是这一早期视觉加工的电生理表现。N1成分在刺激后100-200毫秒出现，是一个负向波，主要分布在额叶和颞叶区域，与注意分配和感觉信息的初步筛选有关。在工程记忆任务中，被试需要将注意力集中在图纸中的关键信息上，N1成分的变化反映了被试对不同信息的注意分配情况。P2成分出现在刺激后200-300毫秒，为正向波，其分布较为广泛，涉及多个脑区，它代表了对刺激的进一步认知加工和分类过程。在面对工程图纸时，被试会对图纸中的各种元素进行识别和分类，P2成分的增强表明被试对这些元素的认知加工更加深入。N2成分在刺激后250-350毫秒出现，是负向波，主要与冲突监测、错误检测和反应抑制等认知过程相关。在回答与工程图纸相关的问题时，如果被试遇到答案不确定或与已有记忆冲突的情况，N2成分会出现明显变化，反映出被试在认知决策过程中对冲突信息的处理。通过对这些ERP成分的分析，我们可以深入了解大脑在工程记忆任务中的信息处理流程和认知机制，为研究工程记忆提供重要的神经电生理依据。例如，通过比较不同难度工程记忆任务下ERP成分的差异，可以探究任务难度对大脑认知加工过程的影响；分析不同专业背景被试的ERP成分特征，有助于揭示专业知识和思维模式对工程记忆的作用机制。4.1.2平均波幅分析平均波幅分析是时域分析中的一种重要方法，它通过计算特定时间段内脑电信号的平均波幅，来反映大脑在该时间段内的神经活动强度和认知加工的活跃程度。在工程记忆研究中，平均波幅分析能够为我们提供有关大脑对记忆材料的处理深度和注意力投入程度等方面的信息。计算特定时间段内脑电信号平均波幅的方法较为直接。首先，确定需要分析的时间段，这通常根据实验任务和研究目的来确定。在工程记忆实验中，我们可以选择刺激呈现后的某个时间段，如0-500毫秒，该时间段涵盖了大脑对刺激的初步感知、编码和初步记忆等关键过程。然后，对该时间段内每个采样点的脑电信号幅值进行求和，再除以该时间段内的采样点数，即可得到平均波幅。假设在0-500毫秒的时间段内，共有1000个采样点，每个采样点的脑电信号幅值分别为x_1,x_2,\cdots,x_{1000}，则平均波幅A=\frac{\sum_{i=1}^{1000}x_i}{1000}。平均波幅在反映认知加工强度方面具有重要应用。当被试进行工程记忆任务时，如果平均波幅较高，说明大脑在该时间段内的神经活动较为活跃，可能表示被试对记忆材料进行了更深入的加工和处理，投入了更多的注意力和认知资源。在记忆复杂的工程图纸时，被试需要仔细观察图纸中的细节，理解各种符号和标注的含义，此时大脑的平均波幅会明显升高，反映出被试在努力进行认知加工以记住这些信息。相反，平均波幅较低则可能意味着大脑的认知加工相对较浅，注意力不够集中。当被试对简单的工程记忆任务感到无聊或注意力分散时，平均波幅会相应降低。通过比较不同实验条件下的平均波幅，如不同难度的记忆任务、不同类型的记忆材料等，可以进一步揭示大脑在工程记忆中的认知加工机制。研究发现，随着记忆任务难度的增加，大脑相关区域的平均波幅会逐渐升高，这表明难度较高的任务需要大脑投入更多的资源进行处理；对于不同类型的记忆材料，如文字和图像，大脑在处理时的平均波幅也存在差异，这反映了大脑对不同类型信息的加工方式和效率不同。4.2频域分析方法4.2.1功率谱估计功率谱估计是频域分析中的关键环节，它能够揭示脑电信号在不同频率上的能量分布情况，为研究大脑在工程记忆任务中的神经活动提供重要信息。在本研究中，我们采用快速傅里叶变换（FFT）结合Welch方法进行功率谱估计。快速傅里叶变换是一种高效计算离散傅里叶变换（DFT）的算法，它能够将时域的脑电信号转换为频域表示，大大减少了计算量和计算时间。其基本原理是基于DFT的对称性和周期性，将长序列的DFT分解为多个短序列的DFT，从而实现快速计算。对于一个长度为N的离散脑电信号序列x(n)，其离散傅里叶变换定义为：X(k)=\sum_{n=0}^{N-1}x(n)e^{-j\frac{2\pi}{N}kn},k=0,1,\cdots,N-1通过快速傅里叶变换算法，可以快速准确地计算出X(k)，得到脑电信号在频域的频谱分布。然而，直接使用FFT进行功率谱估计可能会导致谱估计方差较大，频率分辨率较差等问题。为了提高功率谱估计的准确性和稳定性，我们结合Welch方法进行改进。Welch方法的核心思想是将脑电信号分成多个重叠的段，对每一段进行加窗处理后再计算FFT，然后对这些段的功率谱进行平均。具体步骤如下：首先，将预处理后的脑电信号分割成若干个长度为M的重叠数据段，每个数据段之间有一定的重叠部分，一般重叠比例设置为50%左右。这样可以增加数据的利用率，减少由于分段造成的信息损失。对每个数据段应用汉宁窗（Hanningwindow）等窗函数进行加权处理，窗函数的作用是减少频谱泄漏，使功率谱估计更加准确。汉宁窗的表达式为：w(n)=0.5-0.5\cos(\frac{2\pin}{M-1}),n=0,1,\cdots,M-1经过窗函数处理后的数据段再进行FFT计算，得到每个数据段的频谱X_i(k)。对所有数据段的功率谱\vertX_i(k)\vert^2进行平均，得到最终的功率谱估计P(k)：P(k)=\frac{1}{L}\sum_{i=1}^{L}\vertX_i(k)\vert^2其中L为数据段的数量。通过上述方法，我们可以得到脑电信号在不同频段的功率分布情况。在正常生理状态下，人类脑电信号主要集中在delta（0.5-4Hz）、theta（4-8Hz）、alpha（8-13Hz）、beta（13-30Hz）等频段，不同频段的功率变化与大脑的认知状态密切相关。在工程记忆任务中，当被试进行记忆编码时，可能会观察到theta频段功率的增加，这与大脑的注意力集中和信息整合过程有关；在记忆提取阶段，beta频段功率的变化可能反映了大脑的认知努力和信息检索活动。通过对这些频段功率分布的分析，我们可以深入了解大脑在工程记忆不同阶段的神经活动特征，为研究工程记忆的机制提供有力的支持。4.2.2相干性分析相干性分析是一种用于研究不同脑区之间信号同步性和功能连接的重要方法。在工程记忆研究中，大脑是一个高度复杂的神经网络，不同脑区之间通过神经纤维相互连接，协同完成各种认知任务。相干性分析能够帮助我们揭示这些脑区之间的功能连接模式，深入理解大脑在工程记忆中的信息传递和处理机制。计算不同脑区之间信号相干性的方法主要基于交叉谱分析。对于来自两个不同脑区的脑电信号x(t)和y(t)，首先对它们进行傅里叶变换，得到频域表示X(f)和Y(f)。然后计算它们的交叉谱S_{xy}(f)，交叉谱反映了两个信号在频域上的相互关系，其定义为：S_{xy}(f)=E[X^*(f)Y(f)]其中E[\cdot]表示数学期望，X^*(f)为X(f)的共轭复数。接着计算自功率谱S_{xx}(f)和S_{yy}(f)，分别表示信号x(t)和y(t)自身的功率谱。最后，相干性函数C_{xy}(f)定义为：C_{xy}(f)=\frac{\vertS_{xy}(f)\vert^2}{S_{xx}(f)S_{yy}(f)}相干性函数的值介于0到1之间，当C_{xy}(f)=1时，表示两个脑区的信号在频率f上完全相干，即它们的相位和幅度变化具有高度的一致性；当C_{xy}(f)=0时，表示两个信号在该频率上完全不相干，没有明显的同步关系。一般来说，相干性值越高，说明两个脑区之间在该频率上的功能连接越强，信息传递越密切。在工程记忆任务中，相干性分析可以帮助我们揭示不同脑区在记忆过程中的协同工作机制。研究表明，在记忆编码阶段，前额叶皮层与颞叶皮层之间的相干性增加，这表明这两个脑区在信息的初步加工和存储过程中存在紧密的功能连接，可能通过神经纤维传递信息，共同完成记忆编码任务。在记忆提取阶段，顶叶皮层与海马体之间的相干性增强，说明这两个脑区在回忆和检索记忆信息时相互协作，海马体负责存储和提取记忆，而顶叶皮层可能参与了对记忆信息的空间定位和整合。通过对不同脑区之间相干性的分析，我们可以构建大脑在工程记忆中的功能连接网络，进一步探索工程记忆的神经机制，为理解人类的认知过程提供重要的理论依据。4.3时频分析方法4.3.1短时傅里叶变换时频分析方法旨在同时从时间和频率两个维度对脑电信号进行分析，以揭示信号在不同时间点的频率特征变化，短时傅里叶变换（STFT）是其中一种经典的时频分析方法。短时傅里叶变换的基本原理是基于傅里叶变换，它假设在一个相对较短的时间窗口内，信号是平稳的，通过对信号加窗后进行傅里叶变换，来获取该时间窗口内信号的频率成分。具体来说，对于一个连续时间信号x(t)，其短时傅里叶变换定义为：STFT_x(t,f)=\int_{-\infty}^{\infty}x(\tau)w(\tau-t)e^{-j2\pif\tau}d\tau其中w(t)是一个窗函数，它的作用是对信号进行局部化处理，t表示时间窗口的中心位置，f表示频率。窗函数w(t)通常选择具有良好时频特性的函数，如汉宁窗、高斯窗等。汉宁窗的表达式为w(n)=0.5-0.5\cos(\frac{2\pin}{N-1})，其中n是离散时间点，N是窗函数的长度。在本研究中，我们选用汉宁窗作为窗函数，通过多次实验确定了合适的窗函数长度，以平衡时间分辨率和频率分辨率。在工程记忆实验中，短时傅里叶变换能够展示不同时间点的频率特征变化，为研究大脑在记忆过程中的神经活动提供重要信息。当被试开始进行工程记忆任务时，在刺激呈现后的早期阶段（如0-100毫秒），通过短时傅里叶变换分析脑电信号，可以观察到高频成分（如beta波，13-30Hz）的能量迅速增加，这表明大脑的感觉皮层在快速处理视觉刺激信息，处于高度警觉和注意力集中的状态。随着时间的推移，在记忆编码阶段（100-500毫秒），theta波（4-8Hz）频段的能量逐渐增强，这与大脑的注意力集中和信息整合过程密切相关，说明大脑正在积极地对记忆材料进行编码和存储。在记忆提取阶段，不同脑区的频率特征又会发生变化，例如额叶和颞叶区域的alpha波（8-13Hz）和beta波的能量分布会出现明显的改变，反映了大脑在回忆和检索记忆信息时的神经活动。通过短时傅里叶变换得到的时频图，能够直观地展示脑电信号在时间-频率平面上的能量分布情况。在时频图中，横坐标表示时间，纵坐标表示频率，颜色或灰度表示信号在该时间和频率点的能量强度。通过观察时频图，可以清晰地看到不同频率成分在时间上的变化趋势，以及它们在不同脑区的分布情况。例如，在一个时频图中，可能会发现在某个特定时间点，某个脑区的theta波能量突然增强，这可能暗示着该脑区在此时参与了重要的记忆相关认知活动。4.3.2小波变换小波变换是另一种重要的时频分析方法，与短时傅里叶变换相比，它具有独特的优势，能够提供更精细的时频信息，在脑电信号分析中得到了广泛的应用。小波变换的核心思想是使用一组小波基函数对信号进行分解，这些小波基函数是通过对一个基本小波函数进行伸缩和平移得到的。与傅里叶变换中使用的固定频率和时间分辨率不同，小波变换能够根据信号的局部特征自动调整时间和频率分辨率，对于高频成分采用窄的时间窗口，以获得较高的时间分辨率，准确捕捉信号的快速变化；对于低频成分采用宽的时间窗口，以获得较高的频率分辨率，更好地分析信号的缓慢变化。这种自适应的时频分辨率特性使得小波变换在处理非平稳信号，如脑电信号时，具有明显的优势。小波变换的数学表达式为：WT_x(a,b)=\frac{1}{\sqrt{a}}\int_{-\infty}^{\infty}x(t)\psi^*(\frac{t-b}{a})dt其中a是尺度参数，控制小波函数的伸缩，a越大，小波函数的时间窗口越宽，频率分辨率越高，时间分辨率越低；b是平移参数，控制小波函数在时间轴上的位置；\psi(t)是基本小波函数，\psi^*(\cdot)表示其共轭函数。在实际应用中，常用的小波函数有Daubechies小波、Morlet小波等。在本研究中，根据脑电信号的特点和实验需求，选择了合适的小波函数进行分析。在工程记忆实验中，通过小波变换可以获取更精细的时频信息，有助于深入理解大脑在记忆过程中的神经活动机制。在记忆编码阶段，小波变换能够更清晰地捕捉到theta波频段的细微变化，发现一些短时傅里叶变换难以察觉的特征。研究发现，在编码复杂的工程图纸信息时，theta波频段会出现一些短暂的能量增强峰值，这些峰值可能与大脑对图纸中关键信息的识别和整合过程有关。在记忆保持阶段，小波变换可以分析不同尺度下脑电信号的变化，揭示大脑在巩固记忆过程中的神经活动模式。例如，在较大尺度下，可能会观察到低频成分的能量逐渐稳定，这反映了大脑对记忆信息的长期存储和巩固；在较小尺度下，高频成分的波动可能与大脑的内部认知活动有关，如对记忆信息的定期检索和维护。在记忆提取阶段，小波变换能够准确地定位到与记忆提取相关的特定频率成分和时间点，为研究记忆提取的神经机制提供更精确的信息。比如，在回答与工程记忆相关的问题时，小波变换可以检测到在特定时间窗口内，beta波频段的能量变化与被试的反应准确性密切相关，这表明beta波可能在记忆提取和决策过程中发挥着重要作用。4.4因果关系分析方法4.4.1Granger因果检验Granger因果检验是一种在时间序列分析中广泛应用的方法，用于判断两个时间序列之间是否存在因果关系。在脑电信号分析中，它可以帮助我们揭示不同脑区之间神经活动的因果关系，即一个脑区的活动是否能够对另一个脑区的活动产生预测性影响，这对于深入理解大脑的信息处理和认知机制具有重要意义。Granger因果检验的基本原理基于时间序列的预测性。对于两个时间序列X_t和Y_t，如果利用X_t的过去信息能够显著提高对Y_t的预测准确性，而仅利用Y_t自身的过去信息无法达到相同的预测效果，那么就可以认为X_t是Y_t的Granger原因。具体来说，假设Y_t的预测模型可以表示为：Y_t=\sum_{i=1}^{p}\alpha_iY_{t-i}+\sum_{i=1}^{q}\beta_iX_{t-i}+\epsilon_t其中\alpha_i和\beta_i是模型的系数，\epsilon_t是白噪声误差项，p和q分别是Y_t和X_t的滞后阶数。如果\beta_i不全为零，即加入X_t的过去信息能够显著降低预测误差，那么就可以推断X对Y存在Granger因果关系。在实际应用中，通常通过F检验来判断\beta_i是否显著不为零。计算F统计量：F=\frac{(SSR_{restricted}-SSR_{unrestricted})/q}{SSR_{unrestricted}/(n-p-q-1)}其中SSR_{restricted}是限制模型（即不包含X_t的过去信息，\beta_i=0）的残差平方和，SSR_{unrestricted}是无限制模型（包含X_t的过去信息）的残差平方和，n是样本数量。如果计算得到的F值大于临界值，则拒绝原假设（即\beta_i=0），认为X对Y存在Granger因果关系。在工程记忆实验中，我们可以将不同脑区的脑电信号看作不同的时间序列，运用Granger因果检验来分析它们之间的因果关系。研究发现，在记忆编码阶段，前额叶皮层的脑电信号对颞叶皮层的脑电信号存在Granger因果关系。这意味着前额叶皮层的神经活动能够为预测颞叶皮层的活动提供额外信息，可能反映了前额叶在信息的初步加工和分配过程中，对颞叶的记忆存储活动产生了影响。通过这种分析，我们不仅可以判断因果关系的方向，还可以通过计算F值等统计量来评估因果关系的强度。F值越大，说明因果关系越强，即一个脑区对另一个脑区的预测能力越强。这种对因果关系方向和强度的分析，能够帮助我们构建大脑在工程记忆中的因果关系网络，进一步深入理解大脑各区域之间的信息传递和协同工作机制，为揭示工程记忆的神经机制提供重要的依据。4.4.2动态因果模型（DCM）动态因果模型（DCM）是一种基于状态空间模型的分析方法，它在研究脑区之间的有效连接和信息传递方面具有独特的优势，能够为我们深入理解大脑的功能机制提供更全面和深入的视角。DCM的原理是将大脑看作一个动态的系统，各个脑区是系统中的节点，它们之间通过神经连接相互作用。DCM通过建立数学模型来描述脑区之间的相互作用关系，以及外部刺激对这些关系的影响。具体来说，DCM假设脑区之间的神经活动可以用一组微分方程来描述，这些方程考虑了脑区自身的固有活动、脑区之间的直接连接以及外部输入对脑区活动的影响。对于一个包含n个脑区的系统，其状态方程可以表示为：\dot{x}=f(x,\theta)+Bu其中x是一个n维向量，表示各个脑区的神经活动状态；f(x,\theta)是一个非线性函数，描述了脑区之间的相互作用，\theta是模型的参数，包括脑区之间的连接强度、自连接强度等；B是一个矩阵，描述了外部输入u对脑区活动的影响。通过对观测到的脑电信号进行分析，利用贝叶斯估计等方法，可以估计出模型的参数\theta，从而推断出脑区之间的有效连接模式。在实际应用中，DCM需要结合特定的脑成像数据，如功能磁共振成像（fMRI）、脑电（EEG）或脑磁图（MEG）等。在本研究中，我们将DCM与脑电信号相结合，以探究工程记忆过程中脑区之间的有效连接和信息传递。在进行工程记忆任务时，利用DCM分析不同脑区的脑电信号，可以发现前额叶、颞叶和顶叶等脑区之间存在复杂的有效连接关系。在记忆编码阶段，前额叶与颞叶之间的连接强度增强，表明前额叶可能在信息的初步加工和传递过程中，与颞叶进行了密切的协作，共同完成记忆编码任务；在记忆提取阶段，顶叶与颞叶之间的连接强度变化显著，说明顶叶可能参与了对记忆信息的空间定位和整合，与颞叶协同完成记忆提取。通过DCM的分析，我们能够定量地评估脑区之间的连接强度和方向，深入了解大脑在工程记忆过程中的信息传递路径和神经机制，为进一步揭示工程记忆的本质提供有力的支持。五、实验结果与分析5.1不同实验条件下脑电信号特征5.1.1记忆负荷差异下的脑电特征在改进的Sternberg工程记忆实验中，我们设置了低、中、高三种不同的记忆负荷条件，以探究记忆负荷对脑电信号特征的影响。从时域分析来看，事件相关电位（ERP）的成分幅值和潜伏期在不同记忆负荷下呈现出明显的变化。在低记忆负荷条件下，P2成分的幅值相对较低，潜伏期较短，这表明大脑在处理较少的记忆信息时，认知加工相对轻松，对刺激的分类和识别速度较快。随着记忆负荷增加到中等水平，P2成分的幅值逐渐升高，潜伏期也有所延长，说明大脑需要投入更多的认知资源来处理和整合这些信息，认知加工的难度增加。当记忆负荷达到高时，P2成分的幅值进一步增大，潜伏期进一步延长，这反映出大脑在面对大量记忆信息时，认知加工的压力显著增大，需要更长的时间来完成对刺激的认知处理。在频域分析中，不同频段的功率变化也与记忆负荷密切相关。在低记忆负荷下，alpha频段（8-13Hz）的功率相对较高，这与大脑处于相对放松和清醒的状态有关，被试能够较为轻松地完成记忆任务。随着记忆负荷的增加，theta频段（4-8Hz）的功率逐渐上升，theta频段与注意力集中、信息整合和记忆编码等认知过程密切相关，其功率的增加表明大脑在中等记忆负荷下，需要更加集中注意力来处理和存储信息。当记忆负荷达到高时，beta频段（13-30Hz）的功率显著增强，beta频段通常与认知活动的紧张程度和注意力高度集中状态相关，这说明在高记忆负荷条件下，大脑处于高度紧张和专注的状态，需要消耗更多的能量来应对大量记忆信息的处理和检索。通过时频分析方法，如短时傅里叶变换和小波变换，我们进一步揭示了不同记忆负荷下脑电信号在时间-频率平面上的动态变化。在低记忆负荷下，时频图显示在刺激呈现后的早期阶段，高频成分的能量迅速增加，随后alpha频段的能量在一段时间内保持相对稳定，这反映了大脑对简单记忆任务的快速感知和轻松处理。在中等记忆负荷下，时频图中theta频段的能量在记忆编码阶段明显增强，且持续时间较长，表明大脑在这个阶段需要更多的时间和精力来进行信息整合和编码。在高记忆负荷下，时频图呈现出更为复杂的变化，beta频段的能量在整个记忆过程中频繁波动，反映出大脑在处理大量信息时的高度紧张和不断调整认知策略的过程。这些结果表明，随着记忆负荷的增加，大脑在时域、频域和时频域的电活动特征发生了显著变化，反映了大脑在面对不同记忆任务难度时，认知加工过程和神经活动模式的适应性调整。5.1.2情境因素影响下的脑电变化为了研究情境因素对工程记忆的影响，我们在实验中设置了真实情境与虚拟情境两种条件，对比分析被试在不同情境下完成记忆任务时的脑电信号变化。在真实情境预测任务中，被试需要根据实际的工程场景和相关信息进行记忆和判断。此时，脑电信号在多个方面表现出与虚拟情境不同的特征。从时域上看，ERP成分中的N2成分在真实情境下的幅值明显高于虚拟情境。N2成分与冲突监测、错误检测和反应抑制等认知过程相关，其幅值的增大表明在真实情境中，被试面临更多的信息冲突和不确定性，需要更加谨慎地进行判断和决策。在判断工程图纸中某个结构在实际施工中的可行性时，真实情境下的被试可能会考虑到更多的实际因素，如施工工艺、材料性能等，这些因素可能导致信息冲突，从而引发N2成分的增强。在频域分析中，真实情境下theta频段的功率在记忆编码和提取阶段均显著高于虚拟情境。这说明在真实情境中，大脑需要投入更多的注意力和认知资源来进行信息整合和记忆检索。真实情境中的记忆任务往往与实际生活或工作密切相关，被试会更加重视，从而更加专注地进行信息处理，使得theta频段的活动增强。此外，beta频段的功率在真实情境下也有所增加，特别是在决策阶段，这表明在真实情境中，被试在做出决策时需要更加集中注意力，进行更深入的思考。时频分析进一步揭示了情境因素对脑电信号的动态影响。在真实情境下，时频图显示在记忆编码阶段，theta频段的能量在较长时间内保持较高水平，且出现了一些短暂的能量峰值，这些峰值可能与被试对关键信息的深度加工和整合有关。在记忆提取阶段，beta频段的能量在决策时刻显著增强，反映了被试在真实情境下做出决策时的高度紧张和专注。而在虚拟情境下，时频图的变化相对较为平缓，各频段的能量波动较小，表明大脑在虚拟情境下的认知加工过程相对简单和轻松。这些脑电信号的差异表明，不同情境预测任务对大脑的认知过程产生了显著影响。真实情境由于其更高的复杂性和现实关联性，引发了大脑更深入的认知加工和更强烈的神经活动，这为我们理解情境因素在工程记忆中的作用机制提供了重要的神经电生理依据。5.2脑区激活与功能连接分析结果5.2.1关键脑区的激活模式在改进的Sternberg工程记忆实验中，我们通过对脑电信号的分析，深入探究了前额叶、颞叶、顶叶等关键脑区在实验过程中的激活情况，以及不同任务阶段的激活差异。前额叶在工程记忆任务中表现出显著的激活变化。在记忆编码阶段，前额叶的背外侧前额叶皮层（DLPFC）和腹内侧前额叶皮层（VMPFC）均呈现出较高的激活水平。DLPFC与工作记忆的维持和执行控制密切相关，在面对复杂的工程记忆任务时，被试需要集中注意力，对记忆材料进行分析、编码和组织，此时DLPFC的激活增强，表明它在这一过程中发挥了关键作用。VMPFC则主要参与情绪和价值评估相关的认知过程，在工程记忆任务中，被试可能会根据自身对任务的兴趣、重要性的判断等，对记忆材料赋予不同的价值权重，VMPFC的激活变化反映了这种情绪和价值评估过程对记忆编码的影响。在记忆提取阶段，前额叶的激活模式发生了明显改变。DLPFC的激活进一步增强，这可能是因为在提取记忆信息时，需要更强大的执行控制能力来搜索和检索相关记忆，抑制无关信息的干扰。研究表明，当被试在回答与工程记忆相关的问题时，如果遇到答案不确定或存在干扰信息的情况，DLPFC的激活会显著增加，以帮助被试进行决策和判断。VMPFC的激活则相对减弱，这可能是因为在提取阶段，情绪和价值评估的作用相对降低，被试主要关注于记忆信息的准确性和完整性。颞叶在工程记忆中也扮演着重要角色。在记忆编码阶段，颞叶的内侧颞叶（MTL）区域，特别是海马体和海马旁回，表现出强烈的激活。海马体是大脑中与记忆密切相关的核心结构，它在新信息的编码和存储过程中起着关键作用。在面对工程图纸和技术文档等记忆材料时，海马体通过与其他脑区的协同作用，将这些信息转化为长期记忆存储起来。海马旁回则参与了情景记忆和空间记忆的处理，在工程记忆任务中，被试需要记住图纸中的空间布局、零件之间的位置关系等信息，海马旁回的激活有助于这些情景和空间信息的编码和存储。在记忆提取阶段，颞叶的激活仍然显著。海马体在记忆提取过程中持续发挥作用，通过与前额叶等脑区的交互，将存储在其中的记忆信息检索出来。研究发现，当被试成功回忆起工程记忆材料中的信息时，海马体的激活水平会明显升高，而当回忆失败时，海马体的激活则相对较弱。颞叶的外侧颞叶皮层（LTC）在记忆提取阶段的激活也有所增加，LTC主要与语义记忆和语言处理相关，在回答与工程记忆相关的问题时，被试需要运用语义知识对记忆信息进行理解和表达，LTC的激活增强反映了这一语义处理过程在记忆提取中的重要性。顶叶在工程记忆任务中的激活变化也具有重要意义。在记忆编码阶段，顶叶的顶下小叶（IPL）和顶上小叶（SPL）表现出不同程度的激活。IPL与注意力分配、工作记忆的整合以及空间认知等功能密切相关，在面对复杂的工程记忆材料时，被试需要将注意力分配到不同的信息元素上，并将这些信息整合到工作记忆中，IPL的激活增强表明它在这一过程中发挥了重要作用。SPL则主要参与空间感知和空间记忆的处理，在记忆工程图纸中的空间信息时，SPL的激活有助于被试对空间关系的理解和记忆。在记忆提取阶段，顶叶的激活进一步增强。IPL的激活增强可能与被试在提取记忆信息时对注意力的重新分配和工作记忆的重新整合有关，当被试需要回忆特定的工程记忆信息时，需要将注意力集中到相关的记忆线索上，并对工作记忆中的信息进行重新组织和整合，以找到正确的答案。SPL的激活增强则表明在记忆提取过程中，空间认知和空间记忆仍然起着重要作用，被试可能需要借助对工程图纸中空间信息的回忆来回答相关问题。5.2.2脑区之间的功能连接模式脑区之间的功能连接在工程记忆过程中呈现出复杂的变化模式，这些变化与记忆加工的各个阶段密切相关。在记忆编码阶段，前额叶与颞叶之间的功能连接显著增强。通过相干性分析和Granger因果检验等方法，我们发现背外侧前额叶皮层（DLPFC）与内侧颞叶（MTL）中的海马体和海马旁回之间存在较强的功能连接。这种连接的增强表明在记忆编码过程中，前额叶的执行控制功能与颞叶的记忆存储功能之间存在密切的协作。DLPFC负责对记忆材料进行分析、筛选和组织，将重要的信息传递给海马体和海马旁回进行存储，而海马体和海马旁回则将存储的结果反馈给DLPFC，以进一步优化记忆编码过程。研究还发现，这种功能连接的强度与记忆编码的效果密切相关，功能连接越强，被试对记忆材料的编码和存储效果越好。前额叶与顶叶之间的功能连接在记忆编码阶段也有所增强。DLPFC与顶叶的顶下小叶（IPL）和顶上小叶（SPL）之间存在显著的功能连接。这种连接的增强反映了在记忆编码过程中，前额叶的执行控制功能与顶叶的注意力分配、空间认知和工作记忆整合功能之间的协同作用。DLPFC通过与IPL的连接，调控注意力的分配，使被试能够更有效地关注记忆材料中的关键信息；通过与SPL的连接，协助顶叶对空间信息的处理和整合，从而更好地完成对工程记忆材料的编码。在记忆提取阶段，脑区之间的功能连接模式发生了明显的变化。颞叶与顶叶之间的功能连接显著增强。海马体和外侧颞叶皮层（LTC）与顶叶的IPL和SPL之间存在较强的功能连接。这种连接的增强表明在记忆提取过程中，颞叶存储的记忆信息与顶叶的空间认知、注意力分配和工作记忆整合功能之间存在密切的协作。当被试需要回忆工程记忆材料中的信息时，海马体和LTC将存储的记忆信息检索出来，传递给顶叶，顶叶通过IPL和SPL对这些信息进行空间定位、注意力聚焦和工作记忆整合，以帮助被试准确地回答问题。前额叶与颞叶、顶叶之间的功能连接在记忆提取阶段也呈现出特定的模式。DLPFC与海马体、LTC以及IPL、SPL之间仍然保持着较强的功能连接。DLPFC在记忆提取过程中发挥着执行控制和决策的作用，通过与颞叶和顶叶的连接，协调记忆信息的检索、空间认知和注意力分配等过程，确保被试能够准确、快速地提取所需的记忆信息。研究还发现，在面对难度较高的记忆提取任务时，这些脑区之间的功能连接会进一步增强，以应对认知挑战。这些脑区之间功能连接的变化与记忆加工的关系密切。功能连接的增强反映了不同脑区之间信息传递和协同工作的加强，有助于提高记忆编码和提取的效率和准确性。在记忆编码阶段，前额叶、颞叶和顶叶之间的功能连接增强，使得大脑能够更有效地对记忆材料进行处理和存储；在记忆提取阶段，这些脑区之间功能连接的调整和增强，能够帮助大脑更准确地检索和利用存储的记忆信息。脑区之间功能连接的异常可能会导致记忆加工的障碍，进一步研究这些功能连接的变化机制，对于深入理解工程记忆的神经机制具有重要意义。5.3结果的统计检验与可靠性分析为了确保实验结果的准确性和可靠性，我们运用了多种统计检验方法对实验数据进行深入分析。在对比不同实验条件下的脑电信号特征时，采用了方差分析（ANOVA）。方差分析能够检验多个组之间的均值是否存在显著差异，从而确定不同实验条件对脑电信号的影响是否具有统计学意义。在分析不同记忆负荷下的脑电信号特征时，将低、中、高三种记忆负荷作为三个不同的组，对ERP成分的幅值、潜伏期，以及不同频段的功率等指标进行方差分析。通过方差分析，我们可以判断这些指标在不同记忆负荷组之间是否存在显著差异，进而明确记忆负荷对脑电信号的影响规律。对于两组数据之间的比较，如真实情境与虚拟情境下的脑电信号对比，我们采用了独立样本t检验。独立样本t检验用于检验两个独立样本的均值是否存在显著差异，在分析不同情境预测任务下的脑电信号变化时，将真实情境组和虚拟情境组作为两个独立样本，对N2成分的幅值、theta频段和beta频段的功率等指标进行t检验。通过t检验，我们能够准确地判断出真实情境和虚拟情境对这些脑电信号指标的影响是否存在显著差异，为研究情境因素对工程记忆的作用机制提供有力的统计支