本發(fā)明涉及腦科學(xué)決策技術(shù)領(lǐng)域，具體涉及一種基于腦電波的行為決策預(yù)測(cè)系統(tǒng)。

背景技術(shù)：

腦電波是大腦在活動(dòng)時(shí)，大量神經(jīng)元同步發(fā)生的突觸后電位經(jīng)總和后形成的。它記錄大腦活動(dòng)時(shí)的電波變化，是腦神經(jīng)細(xì)胞的電生理活動(dòng)在大腦皮層或頭皮表面的總體反應(yīng)。腦電波來源于錐體細(xì)胞頂端樹突的突觸后電位，同步節(jié)律的形成還與皮層丘腦非特異性投射系統(tǒng)的活動(dòng)有關(guān)。腦電圖是腦神經(jīng)細(xì)胞電生理活動(dòng)在大腦皮層或頭皮表面的總體反應(yīng)。通常所指的腦電圖(Electroencephalograph,EEG)檢測(cè)是通過按照一定規(guī)則放置在頭皮上的電極來觀察腦電波活動(dòng)的過程。EEG腦電波不僅種類多而且變化多樣，各種不同的情緒，心態(tài)都會(huì)影響腦電波的變化。EEG是腦神經(jīng)細(xì)胞的總體活動(dòng)，包括離子交換、新陳代謝等綜合外在表現(xiàn)，深入地研究腦電波的特征將推進(jìn)人們對(duì)自身大腦的探索進(jìn)行，增強(qiáng)其對(duì)行為決策的檢測(cè)及預(yù)測(cè)能力。

行為決策學(xué)是一門研究人在決策過程中的行為規(guī)律的科學(xué)，目前在西方，這門學(xué)科正方興未艾。它的用途相當(dāng)廣泛，不僅有助于個(gè)人做出理性的決策，更能在企業(yè)管理、政策制定等方面發(fā)揮積極顯著的作用。

在行為決策及認(rèn)知研究中，誘發(fā)電位是目前的主要手段之一。早在1947年P(guān)awson首先提出了誘發(fā)電位的概念，1971年Jewett等人報(bào)告了有關(guān)聽覺誘發(fā)響應(yīng)的事實(shí)。八十年代起誘發(fā)電位的研究十分熱門。因?yàn)檎T發(fā)電位的特異性，即它與特定刺激的有關(guān)性以及與特定的感覺回路的密切聯(lián)系，使得它攜帶了關(guān)于大腦結(jié)構(gòu)及功能的更多信息。因此誘發(fā)電位具有很高的研究意義。1965年Sutton首創(chuàng)的ERPs的研究方法，發(fā)現(xiàn)事件相關(guān)電位P300；1980年Kutas發(fā)現(xiàn)了N400。研究認(rèn)為ERPs反應(yīng)認(rèn)知過程中大腦的神經(jīng)電生理改變，因此有人又將其稱為認(rèn)知電位，意義是當(dāng)人對(duì)某客觀事物進(jìn)行認(rèn)知加工時(shí)，通過疊加平均法從頭顱表面記錄到的腦電位。事件相關(guān)電位把大腦的神經(jīng)生理學(xué)與認(rèn)知過程的心理學(xué)融合起來，使得ERP成為了解認(rèn)知神經(jīng)基礎(chǔ)最重要的信息來源。

2002年William等人在研究人類在經(jīng)濟(jì)行為中的得與失發(fā)現(xiàn)內(nèi)側(cè)額葉區(qū)域是大腦參與決策的主要部分，并且人類在得與失的時(shí)候在此區(qū)域表現(xiàn)出明顯的不同。2010年Fabrizio等人通過博弈實(shí)驗(yàn)來測(cè)得參與者合作或背叛的EEG，并建立詳細(xì)的模型通過對(duì)背叛或合作的EEG進(jìn)行分類而能夠在決策前對(duì)參與者的策略進(jìn)行一個(gè)預(yù)測(cè)。

雖然基于腦電波的行為決策方面取得了很大的進(jìn)展，但依然還存在不少不完善之處，諸如對(duì)決策的區(qū)分主要在于決策后而很少對(duì)決策前進(jìn)行區(qū)分，預(yù)測(cè)的準(zhǔn)確率也有待提升。另外還存在空間分辨率較低，信號(hào)干擾太多，采集設(shè)備的精度還有待提高等問題。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提供一種能夠有效的分析出人們?cè)谶M(jìn)行不同的決策前的EEG信號(hào)特征，并對(duì)人們?cè)诓煌臎Q策前的EEG信號(hào)歸納分析，并能根據(jù)決策前的腦電信號(hào)對(duì)決策的選擇進(jìn)行預(yù)測(cè)的基于腦電波的行為決策預(yù)測(cè)系統(tǒng)。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下技術(shù)方案：一種基于腦電波的行為決策預(yù)測(cè)系統(tǒng)，包括腦電信號(hào)采集部、腦電信號(hào)處理分析部、決策選擇區(qū)分部和預(yù)測(cè)系統(tǒng)部，所述腦電信號(hào)采集部、腦電信號(hào)處理分析部、決策選擇區(qū)分部和預(yù)測(cè)系統(tǒng)部之間互相連接，所述信號(hào)采集部設(shè)置有穿戴設(shè)備和腦電放大器，通過穿戴設(shè)備和腦電放大器獲得原始腦電數(shù)據(jù)；腦電信號(hào)處理分析部對(duì)腦電信號(hào)進(jìn)行疊加平均處理；決策選擇區(qū)分部通過對(duì)不同決策腦電信號(hào)的分別處理并建立腦電信號(hào)數(shù)據(jù)倉(cāng)庫(kù)，之后對(duì)所處理的數(shù)據(jù)進(jìn)行時(shí)域和頻域分析并建立行為決策腦電信號(hào)的區(qū)分量化方法；預(yù)測(cè)系統(tǒng)部根據(jù)所建立的量化區(qū)分方法建立詳細(xì)的預(yù)測(cè)模型并給出具體計(jì)算模型，對(duì)所建立的預(yù)測(cè)方法測(cè)試預(yù)測(cè)效果并統(tǒng)計(jì)出預(yù)測(cè)的準(zhǔn)確率。

通過采用上述技術(shù)方案，能夠有效的分析出人們?cè)谶M(jìn)行不同的決策前的EEG信號(hào)特征，并對(duì)人們?cè)诓煌臎Q策前的EEG信號(hào)歸納分析，并能根據(jù)決策前的腦電信號(hào)對(duì)決策的選擇進(jìn)行預(yù)測(cè)。

行為決策預(yù)測(cè)包括以下步驟：

(1)獲取原始腦電信號(hào)：用腦電放大器并結(jié)合心理學(xué)實(shí)驗(yàn)軟件對(duì)被試進(jìn)行決策選擇刺激并獲取原始腦電信號(hào)，采樣頻率為1KHz；采集的腦電樣本，記錄被使者決策前后整個(gè)過程連續(xù)的腦電數(shù)據(jù)；采集不同性別、不同年齡層、的實(shí)驗(yàn)者的數(shù)據(jù)，建立決策腦電數(shù)據(jù)倉(cāng)庫(kù)；

(2)采用疊加平均的方法對(duì)采集的原始腦電決策前的腦電波進(jìn)行疊加平均處理，對(duì)處理后的腦電數(shù)據(jù)采用時(shí)域方法和頻域方法分析，進(jìn)行特征參數(shù)提取，待提取的特征參數(shù)包括時(shí)域參數(shù)和頻域參數(shù)；

(3)對(duì)于選擇不同決策前的腦電數(shù)據(jù)進(jìn)行分類，對(duì)于選擇了不同決策的腦電數(shù)據(jù)分別進(jìn)行處理，并分別提取其中的時(shí)域參數(shù)和頻域參數(shù)；對(duì)提取到的特征參數(shù)進(jìn)行分析處理，以期得到能夠反映在選擇不同決策前腦電數(shù)據(jù)差異的方法；采用統(tǒng)計(jì)學(xué)的方法，在大量樣本集合的驗(yàn)證下，確定能夠反映不同決策前腦電數(shù)據(jù)指標(biāo)的量化方法。

(4)根據(jù)得到的能夠反映不同決策前腦電數(shù)據(jù)指標(biāo)的量化方法對(duì)未知決策結(jié)果前的腦電數(shù)據(jù)進(jìn)行預(yù)測(cè)測(cè)試，并得到預(yù)測(cè)成功的概率。

作為優(yōu)選的，所述腦電放大器為NeuroScan40導(dǎo)腦電放大器。

作為優(yōu)選的，所述穿戴設(shè)備為電極帽。

作為優(yōu)選的，對(duì)被試的決策選擇刺激采用心理學(xué)實(shí)驗(yàn)軟件E-prime。

本發(fā)明的優(yōu)點(diǎn)是：本發(fā)明運(yùn)用NeuroScan40導(dǎo)腦電放大器并結(jié)合E-prime心理學(xué)實(shí)驗(yàn)軟件對(duì)被試進(jìn)行策略選擇刺激并獲得原始腦電信號(hào)，這樣能夠更加精確的獲得被試在決策前后的腦電數(shù)據(jù)并且能夠根據(jù)E-prime心理學(xué)實(shí)驗(yàn)軟件傳過來的代碼標(biāo)示進(jìn)行疊加平均處理。能夠?qū)⒉煌詣e、不同年齡的被試的腦電數(shù)據(jù)進(jìn)行疊加平均，并提取出不同決策前的時(shí)域參數(shù)和頻域參數(shù)；根據(jù)所分析提取到的特征參數(shù)并在大量樣本集合的驗(yàn)證下，能夠較為準(zhǔn)確的對(duì)被試在決策前對(duì)決策的結(jié)果進(jìn)行一個(gè)預(yù)測(cè)。

下面結(jié)合說明書附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。

附圖說明

圖1為本發(fā)明實(shí)施例腦電行為決策預(yù)測(cè)流程圖；

圖2為本發(fā)明實(shí)施例腦電信號(hào)采集流程圖；

圖3為本發(fā)明實(shí)施例信號(hào)處理分析流程圖；

圖4為本發(fā)明實(shí)施例決策區(qū)分流程圖；

圖5為本發(fā)明實(shí)施預(yù)測(cè)系統(tǒng)示意圖。

具體實(shí)施方式

參見圖1至圖5，本發(fā)明公開的一種基于腦電波的行為決策預(yù)測(cè)系統(tǒng)，包括腦電信號(hào)采集部、腦電信號(hào)處理分析部、決策選擇區(qū)分部和預(yù)測(cè)系統(tǒng)部，所述腦電信號(hào)采集部、腦電信號(hào)處理分析部、決策選擇區(qū)分部和預(yù)測(cè)系統(tǒng)部之間互相連接，所述信號(hào)采集部設(shè)置有穿戴設(shè)備和腦電放大器，通過穿戴設(shè)備和腦電放大器獲得原始腦電數(shù)據(jù)；腦電信號(hào)處理分析部對(duì)腦電信號(hào)進(jìn)行疊加平均處理；決策選擇區(qū)分部通過對(duì)不同決策腦電信號(hào)的分別處理并建立腦電信號(hào)數(shù)據(jù)倉(cāng)庫(kù)，之后對(duì)所處理的數(shù)據(jù)進(jìn)行時(shí)域和頻域分析并建立行為決策腦電信號(hào)的區(qū)分量化方法；預(yù)測(cè)系統(tǒng)部根據(jù)所建立的量化區(qū)分方法建立詳細(xì)的預(yù)測(cè)模型并給出具體計(jì)算模型，對(duì)所建立的預(yù)測(cè)方法測(cè)試預(yù)測(cè)效果并統(tǒng)計(jì)出預(yù)測(cè)的準(zhǔn)確率。

作為優(yōu)選的，所述腦電信號(hào)采集部、腦電信號(hào)處理分析部、決策選擇區(qū)分部和預(yù)測(cè)系統(tǒng)部之間采用現(xiàn)有的螺釘或?qū)Ь€或數(shù)據(jù)線等連接件互相連接。

行為決策預(yù)測(cè)包括以下步驟：

(1)獲取原始腦電信號(hào)：用腦電放大器并結(jié)合心理學(xué)實(shí)驗(yàn)軟件對(duì)被試進(jìn)行決策選擇刺激并獲取原始腦電信號(hào)，采樣頻率為1KHz；采集的腦電樣本，記錄被使者決策前后整個(gè)過程連續(xù)的腦電數(shù)據(jù)；采集不同性別、不同年齡層、的實(shí)驗(yàn)者的數(shù)據(jù)，建立決策腦電數(shù)據(jù)倉(cāng)庫(kù)；

(2)采用疊加平均的方法對(duì)采集的原始腦電決策前的腦電波進(jìn)行疊加平均處理，對(duì)處理后的腦電數(shù)據(jù)采用時(shí)域方法和頻域方法分析，進(jìn)行特征參數(shù)提取，待提取的特征參數(shù)包括時(shí)域參數(shù)和頻域參數(shù)；

(3)對(duì)于選擇不同決策前的腦電數(shù)據(jù)進(jìn)行分類，對(duì)于選擇了不同決策的腦電數(shù)據(jù)分別進(jìn)行處理，并分別提取其中的時(shí)域參數(shù)和頻域參數(shù)；對(duì)提取到的特征參數(shù)進(jìn)行分析處理，以期得到能夠反映在選擇不同決策前腦電數(shù)據(jù)差異的方法；采用統(tǒng)計(jì)學(xué)的方法，在大量樣本集合的驗(yàn)證下，確定能夠反映不同決策前腦電數(shù)據(jù)指標(biāo)的量化方法。

(4)根據(jù)得到的能夠反映不同決策前腦電數(shù)據(jù)指標(biāo)的量化方法對(duì)未知決策結(jié)果前的腦電數(shù)據(jù)進(jìn)行預(yù)測(cè)測(cè)試，并得到預(yù)測(cè)成功的概率。

作為優(yōu)選的，所述腦電放大器為現(xiàn)有的NeuroScan40導(dǎo)腦電放大器。

作為優(yōu)選的，所述穿戴設(shè)備為現(xiàn)有的電極帽。

作為優(yōu)選的，心理學(xué)實(shí)驗(yàn)軟件采用現(xiàn)有的心理學(xué)實(shí)驗(yàn)軟件E-prime。心理學(xué)實(shí)驗(yàn)軟件E-prime主要用來對(duì)被試的策略選擇進(jìn)行刺激，也就是說被試選擇什么樣的策略是在心理學(xué)實(shí)驗(yàn)軟件E-prime上完成的。

作為優(yōu)選的，腦電信號(hào)處理分析部分運(yùn)用現(xiàn)有的腦電波分析軟件Curry7對(duì)腦電信號(hào)進(jìn)行疊加平均處理等一系列的處理。

腦電信號(hào)的采集的具體過程為，首先被試佩戴電極帽，電極帽為有若干根左右對(duì)稱的電極組成，佩戴時(shí)分別接觸被試的左腦和右腦；電極帽連接NeuroScan40導(dǎo)腦電放大器并通過在電極帽中的每個(gè)導(dǎo)聯(lián)打入導(dǎo)電膏使阻抗降到合適的數(shù)值，此時(shí)可通過Curry7軟件可以在線顯示每個(gè)導(dǎo)聯(lián)的阻抗；在心理學(xué)實(shí)驗(yàn)軟件E-prime中編寫用于刺激被試的策略選擇程序并且在被試做出選擇的時(shí)候能將標(biāo)示代碼傳到Curry7軟件中。采集的過程為被試根據(jù)E-prime軟件中的提示進(jìn)行策略選擇，同時(shí)在選擇的時(shí)候進(jìn)行鼠標(biāo)按鍵此時(shí)會(huì)將在E-prime做出的選擇標(biāo)示代碼傳到Curry7中，用Curry7軟件記錄被試在根據(jù)E-prime提示做出決策前后全部的腦電數(shù)據(jù)。

腦電信號(hào)處理分析包括基線校正、去除眼電和偽跡、腦電分段疊加平均、濾波和選擇參考電極，如圖3所示。

信號(hào)處理分析的具體過程為，首先獲得采集腦電信號(hào)的原始數(shù)據(jù)。對(duì)獲得的原始數(shù)據(jù)首先進(jìn)行基線校正，基線校正的方法為在基線類型中選擇“constant”，可以對(duì)腦電波形進(jìn)行基線校正，即波形的基線和標(biāo)簽對(duì)應(yīng)的“X軸”重合。基線校正前腦電波形基線沒有和標(biāo)簽對(duì)應(yīng)且幅值很大，很多導(dǎo)聯(lián)幅值大于1000uv，設(shè)置后腦電波形基線和標(biāo)簽對(duì)應(yīng)且幅值在100uv以內(nèi)。

接下來對(duì)進(jìn)行基線校正過得數(shù)據(jù)進(jìn)行去除眼電和偽跡處理，對(duì)于40導(dǎo)的數(shù)據(jù)Channel選擇<VEOL-U>即垂直眼電VEOL和VEOU相減之差(眨眼)，眼電可能為正值也可能為負(fù)值根據(jù)實(shí)際數(shù)據(jù)進(jìn)行適當(dāng)?shù)恼{(diào)整，使選擇的上下差值的絕對(duì)值盡量小于最小眨眼副值的絕對(duì)值，并選用協(xié)方差法去除眼電對(duì)數(shù)據(jù)的影響；偽跡的去除我們選用自動(dòng)選擇，通常我們把腦電幅值超過±100uv認(rèn)為是偽跡，當(dāng)然我們也可以對(duì)這一范圍進(jìn)行調(diào)整，然后軟件會(huì)自動(dòng)識(shí)別出超過這個(gè)范圍的偽跡并進(jìn)行去除。

活的人腦總會(huì)不斷放電，成為腦電(EEG)，但成分復(fù)雜而不規(guī)則。正常的自發(fā)腦電一般處于幾微伏到75微伏之間。而由心理活動(dòng)所引起的腦電比自發(fā)腦電更弱，一般只有2到10微伏，通常淹沒在自發(fā)電位中。所以ERP需要從EEG中提取。事件相關(guān)電位有兩個(gè)重要特性：潛伏期恒定、波形恒定；與此相對(duì)，自發(fā)腦電則是隨機(jī)變化的。所以可以將同一事實(shí)多次引起的多段腦電記錄下來，但每一段腦電都是各種成分的綜合，包括自發(fā)腦電。

腦電分段疊加平均是將由相同刺激引起的多段腦電進(jìn)行多次疊加，由于自發(fā)腦電是隨機(jī)變化，有高有低，相互疊加時(shí)就會(huì)出現(xiàn)正負(fù)抵消的情況，而ERP信號(hào)則有兩個(gè)恒定，所以不會(huì)被抵消，反而其波幅會(huì)不斷增加，當(dāng)疊加到一定次數(shù)時(shí)，ERP信號(hào)就顯現(xiàn)出來了。疊加n次后的ERP波幅增大了n倍，因而需要再除以n，使ERP恢復(fù)原形，即還原為一次刺激的ERP數(shù)值。所以ERP也稱為平均誘發(fā)電位，平均指的是疊加后的平均。這樣就獲得了所希望的時(shí)間相關(guān)電位波形圖。

最后對(duì)數(shù)據(jù)進(jìn)行濾波和參考選擇的設(shè)置,濾波通常選擇User Defined(Auto)，也可以根據(jù)研究方向適當(dāng)選擇不同的濾波方式。一般選擇低通30Hz濾波；參考的選擇可以根據(jù)研究?jī)?nèi)容的選擇不同的參考電極，一般有雙側(cè)乳突做參考、全頭平均做參考等。本發(fā)明中選擇的為全頭平均作參考。

決策選擇區(qū)分包括不同決策電腦信號(hào)分別處理、建立數(shù)據(jù)倉(cāng)庫(kù)、時(shí)域分析和頻域分析以及量化區(qū)分方法，如圖4所示。

決策選擇區(qū)分的具體過程為，首先按照腦電信號(hào)處理分析2中的方法對(duì)選擇不同決策的腦電信號(hào)分別進(jìn)行處理，對(duì)選擇同一決策前的腦電信號(hào)進(jìn)行分段疊加平均處理。例如，在一個(gè)有兩個(gè)策略選擇的實(shí)驗(yàn)中，被試可以選擇A或B，把所有選擇策略A的前面一段進(jìn)行疊加平均處理，對(duì)于選擇策略B的情況也進(jìn)行同樣的處理。把不同性別，不同年齡的被試選擇了同樣策略的腦電數(shù)據(jù)進(jìn)行疊加平均處理，并建立腦電策略選擇數(shù)據(jù)倉(cāng)庫(kù)。

在對(duì)腦電策略選擇數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行時(shí)域和頻域分析時(shí)發(fā)現(xiàn)，對(duì)于選擇了不同策略的行為在策略選擇之前的腦電數(shù)據(jù)有較大的差異，因此可以建立區(qū)分量化方法對(duì)選擇的策略進(jìn)行預(yù)測(cè)。前額葉區(qū)域是大腦進(jìn)行決策的主要部分，控制著個(gè)體的社會(huì)行為，情緒，及決策行為。在本發(fā)明中的用于腦電信號(hào)采集的電極中的Fz導(dǎo)聯(lián)主要用于采集前額葉區(qū)域的腦電信號(hào)，通過對(duì)Fz導(dǎo)聯(lián)處的腦電信號(hào)分析發(fā)現(xiàn)對(duì)于選擇不同策略的腦電信號(hào)在做出決策前100ms內(nèi)有較大的差異，主要表現(xiàn)在電壓大小上有明顯的差異。

為此我們可以建立行為決策腦電信號(hào)的區(qū)分量化方法，根據(jù)腦電策略選擇數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)對(duì)選擇相同策略的腦電信號(hào)進(jìn)行疊加平均處理，這些腦電信號(hào)來自不同性別，不同年齡的被試。在Fz導(dǎo)聯(lián)處選擇決策前100ms內(nèi)腦電波的電壓值作為某一特定決策的量化標(biāo)準(zhǔn)。

預(yù)測(cè)系統(tǒng)包括預(yù)測(cè)模型，測(cè)試預(yù)測(cè)效果和統(tǒng)計(jì)預(yù)測(cè)準(zhǔn)確率，如圖5所示。

根據(jù)我們建立的行為決策腦電信號(hào)的區(qū)分量化方法，可以建立詳細(xì)的預(yù)測(cè)模型。由于我們已經(jīng)建立了在Fz導(dǎo)聯(lián)決策前100ms內(nèi)的腦電波的電壓值作為某一特定決策的量化標(biāo)準(zhǔn)，所以我們可以根據(jù)未知決策的腦電信號(hào)與特定決策腦電信號(hào)的量化標(biāo)準(zhǔn)進(jìn)行對(duì)比分析，與哪個(gè)特定決策的腦電信號(hào)更接近則可以預(yù)測(cè)未知決策將為此特定決策。

例如，在有三個(gè)選擇決策的實(shí)驗(yàn)中我們建立了行為決策腦電信號(hào)的區(qū)分量化方法，分別得出決策A,B,C在Fz導(dǎo)聯(lián)前100ms內(nèi)每個(gè)時(shí)間點(diǎn)腦電波的電壓值并以此來預(yù)測(cè)未知決策將會(huì)是A,B,C三種決策的哪一種。用M_i(A)(-100≤i≤-1)表示決策A在Fz導(dǎo)聯(lián)處做出決策前100ms內(nèi)特定時(shí)間的電壓值，并以此作為預(yù)測(cè)是否為決策A的量化標(biāo)準(zhǔn)。同樣決策B,策略C也是如此。對(duì)于未知決策N來說，首先我們知道此決策必將是A,B,C決策中的某一種，預(yù)測(cè)未知決策N將為何種決策則同樣根據(jù)未知決策N在Fz導(dǎo)聯(lián)處做出決策前100ms的電壓值與建立的決策A,B,C的量化標(biāo)準(zhǔn)哪一種更接近來判斷將為何種決策。具體方法為分別求出未知決策N與決策A,B,C在決策前100ms內(nèi)每一毫秒電壓的絕對(duì)值并進(jìn)行求和，則未知決策N與哪一種決策求得的值最小則認(rèn)為未知決策N的腦電波與此決策的腦電波更接近，并對(duì)未知決策N預(yù)測(cè)為此決策，即：

$\underset{i=-100}{\overset{-1}{\&Sigma;}}|M_i\left(N\right)-M_i\left(A\right)|=D_A\left(N\right)---\left(1\right)$

$\underset{i=-100}{\overset{-1}{\&Sigma;}}|M_i\left(N\right)-M_i\left(B\right)|=D_B\left(N\right)---\left(2\right)$

$\underset{i=-100}{\overset{-1}{\&Sigma;}}|M_i\left(N\right)-M_i\left(C\right)|=D_C\left(N\right)---\left(3\right)$

其中D_A(N),D_B(N),D_C(N)分別表示未知決策N與決策A,B,C的接近程度，值越小表明未知決策的腦電信號(hào)與其中決策的腦電信號(hào)越接近，因?yàn)闆Q策N必將為決策A,B,C中的一種，則D_A(N),D_B(N),D_C(N)中值最小的為預(yù)測(cè)決策的結(jié)果。該判斷結(jié)果可以作為預(yù)測(cè)被試選擇何種策略的一個(gè)依據(jù)。例如在D_A(N),D_B(N),D_C(N)中D_B(N)的值最小則可預(yù)測(cè)未知決策N為決策B。

隨機(jī)的對(duì)不同性別、不同年齡的被試做出的決策進(jìn)行測(cè)試預(yù)測(cè)的效果，取被試在做出決策前100ms內(nèi)Fz導(dǎo)聯(lián)處的腦電信號(hào)并按照我們建立的預(yù)測(cè)模型進(jìn)行對(duì)比分析，并對(duì)預(yù)測(cè)的結(jié)果進(jìn)行統(tǒng)計(jì)分析得出預(yù)測(cè)的準(zhǔn)確率。

至此，已經(jīng)對(duì)本發(fā)明實(shí)例進(jìn)行了詳細(xì)的描述。依據(jù)以上描述，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)對(duì)本發(fā)明基于腦電波的行為決策預(yù)測(cè)系統(tǒng)有了清楚的認(rèn)識(shí)。

此外，上述對(duì)各種元件和方法的定義并不僅限于實(shí)施例中提到的各種具體結(jié)構(gòu)、形狀或方式，本領(lǐng)域普通技術(shù)人員可對(duì)其進(jìn)行簡(jiǎn)單地更改或替換，例如，腦電信號(hào)采集的設(shè)備，對(duì)被試刺激的形式及軟件，數(shù)據(jù)分析處理的方法及軟件并不僅限于本發(fā)明中所提到的。

綜上所述，本發(fā)明運(yùn)用NeuroSc an40導(dǎo)腦電放大器并結(jié)合E-prime軟件對(duì)被試進(jìn)行策略選擇刺激并獲得原始腦電信號(hào)。通過Curry7軟件對(duì)獲得的腦電信號(hào)進(jìn)行處理并建立腦電信號(hào)數(shù)據(jù)倉(cāng)庫(kù)。建立決策區(qū)分量化方法和預(yù)測(cè)模型并進(jìn)行預(yù)測(cè)測(cè)試和統(tǒng)計(jì)預(yù)測(cè)成功率，結(jié)果表明，該方法能夠根據(jù)所建立的數(shù)據(jù)倉(cāng)庫(kù)和預(yù)測(cè)模型較為準(zhǔn)確的預(yù)測(cè)出被試將要做出何種決策。

以上所述的具體實(shí)施例，對(duì)本發(fā)明的技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。