一种基于多模态信号的人机交互任务负荷的预测方法技术

本发明专利技术公开了一种基于多模态信号的人机交互任务负荷的预测方法，包括：(1)对应任务难度的负荷等级划分，通过实验操作后的量表评分得到对应任务具体的任务负荷等级；(2)实验操作平台搭建；构建一个融合多模态生理测评的实验操作平台；(3)生理指标的精确提取：根据实验操作平台采集的多模态生理信号数据，提取与任务负荷相关的脑电、眼电和肌电指标；(4)通过回归分析构建预测模型：将任务负荷作为因变量，生理指标作为自变量进行回归分析，构建任务负荷等级的累计概率预测公式和独立概率预测公式；(5)验证预测模型模型的预测准确率。本发明专利技术能更精确地预测用户在不同任务执行过程中的负荷水平，从而提高人机交互系统的效率和用户体验。

【技术实现步骤摘要】

本专利技术涉及人机交互，具体为一种基于多模态信号的人机交互任务负荷的预测方法。

技术介绍

1、在大多数的人机交互任务负荷测评指标研究中，主要有三类基本方法：主要和/或次要任务中任务绩效的度量，主观报告和生理指标。传统的人机交互评估方法，如问卷调查或简单的行为观察，在主观的工作量测量方面仍然存在一些方法问题：在线或实时评分的入侵性会分散实验者的认知资源，任务后的评分又会因为被试者的记忆回溯有所偏差。虽然提供了一定的洞察，但它们往往无法捕捉到操作员在快速、复杂的交互过程中经历的微妙的生理和情感变化。目前，生理学分析可以直接反应操作员的生理机能，对操作员的人认知状态进行实时监测和评估。研究人员使用皮肤电导、脑电图和心电图等心理生理反馈装置来检测用户在执行任务期间的认知状态。但在某些情况下，仅使用脑电或眼动数据。可能无法全面捕捉和解释用户在复杂的交互环境下的认知状态和负荷水平。例如，脑电信号能够反映大脑活动的变化，但可能无法单独提供关于用户注意力分配或视觉疲劳的信息。类似地，眼动数据可以反映视觉注意的焦点和频率，但不一定能全面表达负荷的变化。</p>
...

【技术保护点】

1.一种基于多模态信号的人机交互任务负荷的预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于多模态信号的人机交互任务负荷的预测方法，其特征在于，步骤(1)具体包括：

3.如权利要求2所述的一种基于多模态信号的人机交互任务负荷的预测方法，其特征在于，步骤(2)具体包括：

4.如权利要求3所述的一种基于多模态信号的人机交互任务负荷的预测方法，其特征在于，步骤(3)具体包括：

5.如权利要求4所述的一种基于多模态信号的人机交互任务负荷的预测方法，其特征在于，步骤(4)具体包括：

6.如权利要求5所述的一种基于多模态信...

【技术特征摘要】

1.一种基于多模态信号的人机交互任务负荷的预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于多模态信号的人机交互任务负荷的预测方法，其特征在于，步骤(1)具体包括：

3.如权利要求2所述的一种基于多模态信号的人机交互任务负荷的预测方法，其特征在于，步骤(2)具体包括：

4.如权利要求3所述的一种基于多模态信号的人机交互任务负荷的预测方法，其特征在于，步骤(3)具体包括：

5.如权利要求4所述的一种基于多模态信号的人机交互任务负荷的预测方法，其特...

【专利技术属性】
技术研发人员：吴晓莉，韩炜毅，方泽茜，晏彪，李鑫浩，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：