注意将心理资源集中到感兴趣事件的处理上，是一种重要的认知能力。但是对于大多数人而言，长时间保持良好的注意状态是极其困难的。注意力的下降将直接降低工作和学习的效率，甚至可能引发严重的事故。因此，对注意水平进行客观的检测，具有重要的研究意义和应用价值。
　　本研究记录了50名健康被试在执行基于空间位置特征的go/no-go判别任务时的行为学及脑电数据。实验中小概率(概率12%)的no-go刺激出现时，被试未按键为高注意水平试次；被试误触发为低注意水平试次。通过分析比较no-go刺激出现前后高、低视觉注意力水平下的行为学以及脑电表现，筛选出了与视觉注意力水平密切相关的脑电标记特征，建立了可用于注意力水平识别的检测模型。
　　行为学方面分析了no-go刺激出现前后的反应时间和反应正确率。与高注意水平相比，低注意力水平下反应时间显著缩短，反应时间变异性显著增大。这反映了低注意力水平下被试的反应停止能力下降，证明了本研究实验设计的有效性。
　　脑电特征分析方面，利用事件相关电位、时-频分析、基于偏定向相干性的脑网络分析等方法，分别筛选出了可用于视觉注意水平检测的相关脑电标记特征。结果显示，no-go刺激出现前，高注意力水平下的顶枕区α频段能量显著降低，0.5~40Hz频段脑网络聚类系数显著增大。no-go刺激出现后，高注意水平下N1、P3幅值显著增大、前额区40~200Hz频段能量显著较低；另外，前额区4~30Hz频段高、低视觉注意水平下能量分布存在显著性差异。
　　注意力水平检测方面，本文利用任务相关成分分析、判别典型模式匹配和共空间模式三种算法构建了基于相关脑电特征的注意力水平检测模型。结果显示，对于no-go刺激出现前注意水平的检测，共空间模式算法的分类效果最理想，平均分类正确率可达73.1%；对于no-go刺激出现后注意水平的检测，判别典型模式匹配算法的分类效果最佳，平均分类正确率高达82.9%。
　　本研究设计了能够客观标记两种不同视觉注意力水平的基于空间位置特征的go/no-go实验，发现了与视觉注意水平密切相关的脑电标记特征，建立了有效的视觉注意水平分类模型，为视觉注意水平早期检测提供了新的思路和途径。