[发明专利]一种基于生理信号的具身学习认知负荷评估系统

权利要求书

1.一种基于生理信号的具身学习认知负荷评估系统，其特征在于：包括数据采集模块、所述数据预处理模块、数据重构模块、认知负荷水平评估模块和用于存储数据的数据库。

所述数据采集模块通过传感器实时采集受试者生理信号数据，并传输至数据预处理模块；

所述数据预处理模块对生理信号数据进行去噪处理，并传输至数据重构模块；

所述数据重构模块对接收到的生理信号数据进行信号重构和归一化，得到生理信号输入矩阵，并传输至认知负荷水平评估模块；

所述认知负荷水平评估模块存储有multi-CNN-LSTM神经网络模型；

所述multi-CNN-LSTM神经网络模型对生理信号输入矩阵进行处理，得到认知负荷水平评估等级。

2.根据权利要求1所述的一种基于生理信号的具身学习认知负荷评估系统，其特征在于，所述传感器贴置在受试者身上。

3.根据权利要求1所述的一种基于生理信号的具身学习认知负荷评估系统，其特征在于，所述受试者在VR环境下通过肢体动作与环境交互。

4.根据权利要求3所述的一种基于生理信号的具身学习认知负荷评估系统，其特征在于，所述受试者根据任务指令在VR环境下通过肢体动作与环境交互；所述任务指令包括对受试者四肢、躯干和头部的动作命令指令；所述肢体动作包括腿部动作、手部动作、躯干动作和头部动作。

5.根据权利要求1所述的一种基于生理信号的具身学习认知负荷评估系统，其特征在于，所述数据重构模块利用平稳小波变换对接收到的生理信号数据进行信号重构，步骤包括：

1)对生理信号进行平稳小波分解，得到小波系数向量

其中，第k-1层分解得到的低频尺度a_k和高频尺度b_k如下所示：

式中，h_[k-1]、g_[k-1]分别为第k-1层的低滤波器和高滤波器；k∈N^*；N^*为总层数；

第k层的低滤波器h_[k]和高滤波器g_[k]如下所示：

式中，U₀表示在滤波器每个系数后面插0；

2)对小波系数向量进行重构，其中，重构的低频尺度a_k如下所示：

式中，R_[k-1]为第k-1层的低滤波器h_[k-1]的逆变换；R′_k-1为第k-1层的高滤波器的逆变换。

6.根据权利要求1所述的一种基于生理信号的具身学习认知负荷评估系统，其特征在于，归一化后的数据如下所示：

式中，x′表示归一化后的数据，即生理信号输入矩阵的元素；x_max表示数据的最大值，x_min表示数据的最小值；x为重构的生理信号。