买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：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。

主权项：1.一种基于脑电信号特征融合的认知负荷评估方法，其特征在于，所述方法包括以下步骤：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：对所述脑电信号进行预处理，得到预处理后的脑电信号；步骤S300：对所述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：对所述功率谱密度、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，将所述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；步骤S300中对所述预处理后的脑电信号进行特征提取得到功率谱密度，包括：步骤S310：利用傅里叶变换将所述预处理后的脑电信号转换为频域信号，具体为： 其中，Xw是信号的傅里叶变换，j是虚数的前缀，w表示2π的数量；步骤S320：分析不同频域的信号得到对应的频域信息，根据所述频域信息得到不同频段的功率谱密度，具体为： 其中，Δt，N和fs分别表示采样周期、时间段内的采样次数和采样频率，Sw表示对应频段的功率谱密度；步骤S300中对所述预处理后的脑电信号进行特征提取得到功能连接性，包括：步骤S330：计算所述预处理后的脑电信号中任意两个信号的互谱密度和自谱密度，具体为： 其中，N为信号序列长度，Xf为信号x的离散傅里叶变换，Sxxf为信号x的自谱密度，Yf为信号y的离散傅里叶变换，Sxyf为信号x、y的互谱密度；步骤S340：根据所述任意两个信号的互谱密度和自谱密度得到两个信号在频域中的功能连接性，具体为： 其中，Cohxy取值范围为[01]；步骤S300中对所述预处理后的脑电信号进行特征提取得到微状态特征，包括：步骤S350：计算所有电极上信号的标准差，得到全局场电位曲线，具体为： 其中，vit是电极i在t时刻的电压值，是t时刻所有电极的平均电压值，m是电极数目；步骤S360：所述全局场电位曲线的峰值点代表最高信噪比时刻，记录全局场电位曲线峰值点各电极上的电位，得到原始地形图的序列，利用聚类算法将地形图集解释为四个微状态图；步骤S370：通过选取与所述原始地形图序列中每个地形图相关程度最高的微状态类型，将所述全局场电位曲线峰值处的原始地形图表示为一系列四种交替类型的微观状态，分析得到各微观状态的平均持续时间、单位时间内各微观状态发生的次数、各微观状态的覆盖时间与总时间的比率以及四种微观状态之间转换的概率；步骤S400中对所述功率谱密度、功能连接性和微状态特征进行特征融合，包括：步骤S410：计算单个频段PSD与所有频段PSD之和的比值得到相对PSD，相对PSD的值在[0，1]区间内，PSD特征为预设第一数量个通道的预设第二数量个频段相对功率谱密度，第一维向量＝预设第一数量*预设第二数量；步骤S420：功能连接性特征为预设第一数量个通道的预设第二数量个频段下COH矩阵，第二维向量＝预设第一数量*预设第二数量*预设第一数量-12；步骤S430：微状态特征为4个微观状态的平均持续时间、单位时间内微观状态发生的次数、微观状态的覆盖时间与总时间的比率和四种微观状态之间转换的概率，第三维向量＝微观状态数量*每个微观状态的指标数量+不同微观状态之间转换的概率的总数量；步骤S440：根据所述第一维向量、所述第二维向量和所述第三维向量进行特征融合，得到融合后的特征。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种基于脑电信号特征融合的认知负荷评估方法