[发明专利]一种基于脑电和领域适配的跨任务认知负荷识别方法

说明书

本发明公开了一种基于脑电和领域适配的跨任务认知负荷识别方法。属于脑电信号分析及脑‑机接口应用领域，具体步骤：设计跨任务认知负荷刺激范式；根据跨任务认知负荷刺激范式采集脑电数据，对采集到的脑电数据进行预处理；对预处理后的认知负荷脑电数据计算脑电特征，并将其作为跨任务认知负荷分类特征；将得到的跨任务认知负荷分类特征通过迁移联合匹配进行特征对齐；将对齐后的跨任务脑电特征作为支持向量机分类器的输入，进行模式识别，最终得到跨任务认知负荷识别结果。本发明通过跨任务刺激范式采集了多个任务的客观脑电数据，通过领域适配对齐多个任务数据的特征分布，从而减轻数据的分布差异，可以高效、准确、客观地得到跨任务认知负荷识别结果。

技术领域

本发明属于脑电信号处理、被动式脑-机接口应用领域，涉及一种基于脑电和领域适配的跨任务认知负荷识别方法。

背景技术

现有技术中，载人航天、飞机驾驶、汽车驾驶、医疗抢救、核电操控以及空中交管等复杂人机交互系统中，操作者通常需要在短时间内获取加工大量的感知觉信息并迅速做出反应和决策，从而容易导致较高的认知负荷。认知负荷体现为由操作者感知、注意、记忆、思维、推理和决策等方面造成的负荷，可以定义为操作者完成任务所需的资源与可用于该任务的资源之比。当需要大量资源来完成分配的任务，但只有少量资源可用时，就会出现高负荷状态。认知负荷显著影响特定任务中的操作者绩效，导致操作者表现和行为发生变化。研究表明，过高负荷状态会导致效率低下和任务性能下降，更严重的可能导致事故发生；而过低负荷状态会造成人力资源浪费，分散对主要任务的注意力，并失去适当的警惕性，从而导致性能下降。因此，在人机交互系统中，对系统造成的认知负荷进行评估，实现认知负荷的监测并进行反馈调节，对系统的工作效率、安全性、人的健康都有非常重要的意义。

认知负荷评估算法主要通过机器学习和数据挖掘技术，检测或识别操作者在执行人机交互任务过程中能表征认知负荷水平高低的客观生理指标、主观心理和行为指标，从而将认知负荷分为高负荷和低负荷。其中，基于客观生理指标的认知负荷评估，使用可佩戴的生物传感器，通过测量操作者在任务过程中相关生理指标的变化程度，来推断其认知负荷水平。由于脑电信号能敏感体现大脑对认知负荷的原始神经电生理响应，具有良好的时间分辨率，便于携带和实时采集，价格较低廉等特点，脑电已成为目前识别认知负荷水平的重要手段之一。

有研究者认为虽然不同认知任务调用大脑资源不同，但认知负荷更关注占用大脑资源的多少(即容量)，而不关注具体占用的大脑资源。因此，建立适用于不同任务场景的认知负荷识别模型是有可能的。目前绝大多数认知负荷研究的主要焦点是在单个任务上，其所用认知负荷诱发任务单一，较少探讨不同任务情况下的模型适用性，因此跨任务认知负荷识别仍然存在挑战。此外，由于脑电信号的非稳态特性和不同任务的差异性，不同被试认知任务之间的差异，目前跨任务认知负荷识别正确率低，限制了预先训练模型扩展到新认知状态的泛化性。因此，针对跨任务认知负荷识别任务，如何在各种任务中找到鲁棒或者共享的脑电特征，如何减少不同被试任务之间的差异性是接下来要思考的问题。

发明内容

发明目的：现有的基于脑电信号的认知负荷识别方法，大多基于单个认知任务，限制了其在真实场景中的应用；其次，现有的跨任务认知负荷识别方法主要发掘和提取不同任务的鲁棒特征，忽略了被试内的个体差异性，即同一被试在不同时间的脑电信号也是有差异的；本发明提供一种基于脑电信号和领域适配的跨任务认知负荷识别技术，包括基于数学计算和工作记忆的任务范式，同时采用领域适配方法减轻被试个体性分布差异，以解决现有跨任务认知负荷识别精度不高等问题。

技术方案：本发明所述的一种基于脑电和领域适配的跨任务认知负荷识别方法，其具体操作步骤如下：

(1)、设计跨任务认知负荷刺激范式；

(2)、根据跨任务认知负荷刺激范式采集脑电数据，对采集到的脑电数据进行预处理；

(3)、对预处理后的认知负荷脑电数据计算脑电特征，并将其作为跨任务认知负荷分类特征；