[发明专利]一种基于脑电信号特征融合的认知负荷评估方法

说明书

本发明公开了一种基于脑电信号特征融合的认知负荷评估方法，包括采集被试者不同认知负荷水平对应的脑电信号；对脑电信号进行预处理；对预处理后的脑电信号进行特征提取，分别提取得到功率谱密度、功能连接性和微状态特征；对功率谱密度、功能连接性和微状态特征进行特征融合，得到不同认知负荷水平下的融合后的特征，将不同认知负荷水平下的融合后的特征输入至训练好的分类模型后进行分类，得到分类评估结果。通过对脑电信号进行分析，对认知负荷进行准确识别，防止了过度的认知负荷导致的操作错误可能会导致严重的安全隐患以及认知负荷过低造成的认知资源浪费，有效提高人机交互系统的效率。

技术领域

本发明属于认知神经科学领域，特别是涉及一种基于EEG信号特征融合的认知负荷评估方法。

背景技术

人机交互技术是计算机系统的一项关键技术，通常以用户界面的形式实现。然而，随着信息技术和自动化技术的发展，人机交互中交换的信息量逐渐增加，任务难度也越来越大。因此，认知负荷成为影响人机交互系统中扮演“决策者”角色的操作者表现的关键因素。在设计人机交互任务时，我们可以监控认知负荷的运营商和给他们反馈提醒或警告等，以确保认知负荷保持在一个合理的范围内，从而减少操作错误引起的过度的风险认知负荷的操作符。这对于驾驶飞机、驾驶汽车、操作医疗设备等人机交互系统至关重要，在这些系统中，过度的认知负荷导致的操作错误可能会导致严重的安全隐患。此外，认知负荷评估可以防止认知负荷过低造成的认知资源浪费，提高人机交互系统的效率。

认知负荷可以理解为特定任务和操作环境下的一种心理结构，反映了操作人员在执行任务过程中所承受的心理压力，对任务的反应能力要求。认知负荷有主观和客观两种测量方法。主观评价通常是指个体通过问卷对自己对任务复杂性感知的自我评价，而客观评价则侧重于通过客观指标测量认知负荷水平，常用的客观指标包括神经生理信号，如脑电图(electroencephalography，EEG)和近红外光谱(NIR)信号；生理信号如眼动、心电图和心率信号；以及手势和表情等行为信号。在这些客观指标中，EEG因其独特的反映脑内神经活动的能力而成为评估认知负荷水平的最佳手段之一；因此，它是最常用的客观评估认知状态的方法。为此，本发明提出了一种基于脑电信号的认知负荷测量方法。

脑电记录技术是指通过一种穿戴式的电极帽，记录被试者大脑皮层低振幅的电生理活动，它提供了大脑皮层或头皮表面脑神经细胞电生理活动的一般反映。脑电信号包含大量的生理和疾病信息，在医疗和工程应用中具有重要价值。近年来，EEG信号被用于测量各种应用环境下的认知负荷。EEG信号的分析方法有很多，本发明中对EEG信号提取了功率谱密度、功能连接性以及微状态，进而通过特征融合对认知负荷进行识别。

发明内容

针对以上技术问题，本发明提供一种基于脑电信号特征融合的认知负荷评估方法。

本发明解决其技术问题采用的技术方案是：

一种基于脑电信号特征融合的认知负荷评估方法，方法包括以下步骤：

步骤S100：采集被试者不同认知负荷水平对应的脑电信号；

步骤S200：对脑电信号进行预处理，得到预处理后的脑电信号；

步骤S300：对预处理后的脑电信号进行特征提取，分别提取得到功率谱密度、功能连接性和微状态特征；

步骤S400：对功率谱密度、功能连接性和微状态特征进行特征融合，得到不同认知负荷水平下的融合后的特征，将不同认知负荷水平下的融合后的特征输入至训练好的分类模型后进行分类，得到分类评估结果，完成对不同认知负荷水平的识别。

优选地，步骤S200包括：

步骤S210：经过通道定位、用0.1-40Hz带通滤波器去除脑电信号的高频噪声；

步骤S220：采用48-52Hz降压滤波器去除工频干扰；