注意將我們的心理資源集中到感興趣事件的處理上，是一種重要的行為和認知過程。識別注意力狀態對提高工作績效、減少失誤的發生具有重要意義。然而，至今還沒有能夠直接并客觀檢測注意力狀態的方法。基于視覺注意對穩態視覺誘發電位（SSVEP）具有調節效應這一事實，本文設計了 10 Hz 穩態視覺刺激背景下的 go/no-go 實驗范式，以探究不同視覺注意狀態調制 SSVEP 特征的可分性。實驗記錄了 15 名在校研究生志愿者高、低視覺注意力狀態下的腦電信號，高、低視覺注意力狀態由行為學反應情況判定。研究分析了高、低視覺注意力狀態下 SSVEP 信號的差異，并采用相關分類算法對這種差異進行了識別。結果表明，判別典型模式匹配（DCPM）算法相比線性判別分析（LDA）算法和典型相關分析（CCA）算法分類識別效果更佳，正確率可達 76%。研究結果證明，不同視覺注意狀態調制的 SSVEP 特征具有可分性，這為視覺注意力狀態的監測提供了新方法。