[发明专利]一种飞行员行为分析方法及系统

说明书

本发明提供了一种飞行员行为分析方法及系统。方法包括：获取飞行员与飞行任务相关的生理信号；基于DT算法，计算多种生理信号的贡献度值，将贡献度值大于设定阈值的生理信号作为特征集中的特征信号；根据预设比例将特征集划分为训练集和测试集；根据训练集中的特征信号构建并训练作战行为分析模型；根据测试集中的特征信号对训练后的作战行为分析模型进行测试，判断测试结果与测试集中的特征信号的标签的相符程度是否小于设定阈值；若否，则训练后的作战行为分析模型作为用于分析飞行员行为的最终的作战行为分析模型。根据最终的作战行为分析模型，可有效解决分析飞行员行为时数据处理困难、建模特征冗杂和建模精度较低的问题。

技术领域

本发明涉及测试评估技术领域，特别是涉及一种飞行员行为分析方法及系统。

背景技术

随着脑科学技术、人机工效技术、人工智能技术的迅速发展，将这些关键技术交叉融合后应用到人类行为探索中成为了发展新方向。

飞行员作为高技能、高风险的职业，其行为的判断、决策会对整个作战任务的完成情况产生较大影响。而且，飞行员的行为是飞行行为建模与仿真的重要部分，同时也可将飞行员的行为用于辅助预备飞行员的飞行模拟训练。

然而，目前的飞行员飞行行为建模方式存在数据处理困难、建模特征冗杂和建模精度较低等问题。

发明内容

为了解决上述问题，本发明提出了一种飞行员行为分析方法及系统。将DT(决策树)算法与卷积神经网络模型相结合，基于从多模态生理信号中提取的贡献度值较高的飞行员的脑电特征、眼动特征和心电特征，建立用于分析飞行员行为的作战行为分析模型，可有效解决分析飞行员行为时数据处理困难、建模特征冗杂和建模精度较低的问题。

为实现上述目的，本发明提供了如下方案：

一种飞行员行为分析方法，包括：

获取飞行员与飞行任务相关的生理信号；

基于DT算法，计算多种所述生理信号的贡献度值，将所述贡献度值大于设定阈值的所述生理信号作为特征集中的特征信号；

根据预设比例将所述特征集划分为训练集和测试集；

根据训练集中的特征信号构建并训练作战行为分析模型；

根据测试集中的特征信号对训练后的作战行为分析模型进行测试，判断测试结果与所述测试集中的特征信号的标签的相符程度是否小于设定阈值；

若是，则采用优化算法对所述训练后的作战行为分析模型的参数进行优化；若否，则所述训练后的作战行为分析模型作为用于分析飞行员行为的最终的作战行为分析模型。

具体的，所述生理信号包括：

与飞行任务相关的脑电信号、眼动信号和心电信号。

具体的，在获取飞行员与飞行任务相关的生理信号之后还包括：

对所述生理信号进行预处理，得到预处理后生理信号；

基于DT算法，计算所述预处理后生理信号的所述贡献度值。

具体的，基于DT算法，计算多种所述生理信号的贡献度值包括：

将多种所述生理信号两两划分为一个特征组；

飞行员判断每个所述特征组中两个所述生理信号在飞行任务中的相对重要程度；

每个所述特征组中相对重要程度较高的所述生理信号的特征贡献为一；

每个所述特征组中相对重要程度较低的所述生理信号的特征贡献为零；

将所有所述特征组中每个所述生理信号的特征贡献求和，得到每个所述生理信号的贡献度值。