缺失脑电模态下的工作负荷识别方法技术

本发明专利技术公开了一种缺失脑电模态下的工作负荷识别方法，属于生理信号识别领域。本发明专利技术首先对原始的包含脑电信号的多模态数据进行简单的预处理，然后利用对不同的生理信号模态进行时域特征和频域特征的提取，使得特征包含的特征更加的全面；紧接着为了使得在推理过程中能够获得脑电的特征，基于所设置的脑电特征生成模块，通过增大脑电特征和其他特征之间的互信息使得生成的难度更低，从而使得模型在缺失脑电模态时也能拥有丰富的特征；为了减少融合特征中的冗余特征，使用了自编码器对特征进行降维。针对脑电信号的不便于采集，本发明专利技术能够帮助基于脑电开发的工作负荷识别模型在实际应用中进行部署，保障工作负荷识别模型的应用落地。

【技术实现步骤摘要】

本专利技术涉及生理信号识别领域，尤其涉及一种缺失脑电模态下的工作负荷识别方法。

技术介绍

1、工作负荷(也称为认知负荷、脑力负荷)是指人体在工作状态下脑力资源的占用率。人体不同程度的工作负荷会使其表现出不同的认知能力，过高的工作负荷会降低整体的工作效率，增加出错的可能性，甚至可能会导致猝死等重大事故。过低的工作负荷可能会导致工作效率低下、注意力不集中、以及降低工作人员的警觉性等问题。因此在民航飞行、航空航天等复杂的、对安全性要求较高的环境中对操作员的工作负荷进行有效识别并及时提供反馈至关重要，可以一定程度上避免从事特种职业的人员因为工作负荷过大而导致的操作失误问题，对保障社会正常运转和人民群众的生命财产安全具有重要意义。

2、近年来随着可穿戴传感器的发展，越来越多维度(模态)的生理数据能够被用于工作负荷的识别。使用多维度(模态)传感器数据进行工作负荷识别有多方面的好处：(1)多种维度的传感器数据之间的信息能够互补，比如脑电信号(eeg)能够表征大脑的活动，心电信号(ecg)能够表征心脏的一些生理活动，融合这两种信号能够覆盖更加全面的受试者的各种本文档来自技高网...

【技术保护点】

1.缺失脑电模态下的工作负荷识别方法，其特征在于，包括下列步骤：

2.如权利要求1所述的方法，其特征在于，生理信号特征提取网络提取不同模态的生理信号的信号特征具体包括：

3.如权利要求1所述的方法，其特征在于，时间窗口的时间长度为1秒。

4.如权利要求1所述的方法，其特征在于，脑电特征生成模块包括：模态特征转换模块和Transformer编码器；

5.如权利要求3所述的方法，其特征在于，脑电特征生成模块的交互信息损失为：模态间的互信息的相反数的总和；脑电特征生成模块的重建损失为：样本的生理信号特征提取网络提取的脑电信号特征与生成的脑电信号特...

【技术特征摘要】

1.缺失脑电模态下的工作负荷识别方法，其特征在于，包括下列步骤：

2.如权利要求1所述的方法，其特征在于，生理信号特征提取网络提取不同模态的生理信号的信号特征具体包括：

3.如权利要求1所述的方法，其特征在于，时间窗口的时间长度为1秒。

4.如权利要求1所述的方法，其特征在于，脑电特征生成模块包括：模态特征转换模块和transformer编码器；

5.如权利要求3所述的...

【专利技术属性】
技术研发人员：叶娅兰，潘桐杰，贺雨杰，蒋泓宇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：