[發明專利]一種基于生理信號的具身學習認知負荷評估系統在審
| 申請號： | 202110403822.4 | 申請日： | 2021-04-15 |
| 公開（公告）號： | CN113139449A | 公開（公告）日： | 2021-07-20 |
| 發明（設計）人： | 劉禮;雍滋蕊;許娜;廖軍;胡行;羅璇;鄧卜瑋;黃景;鄧正巧;錢爽;李小虎 | 申請（專利權）人： | 重慶大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/40;G06K9/52;G06K9/62;G06N3/04;G06N3/08;A61B5/16;A61B5/11 |
| 代理公司： | 重慶縉云專利代理事務所(特殊普通合伙) 50237 | 代理人： | 王翔 |
| 地址： | 400044 *** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 生理 信號 學習 認知 負荷 評估 系統 | ||
1.一種基于生理信號的具身學習認知負荷評估系統，其特征在于：包括數據采集模塊、所述數據預處理模塊、數據重構模塊、認知負荷水平評估模塊和用于存儲數據的數據庫。
所述數據采集模塊通過傳感器實時采集受試者生理信號數據，并傳輸至數據預處理模塊；
所述數據預處理模塊對生理信號數據進行去噪處理，并傳輸至數據重構模塊；
所述數據重構模塊對接收到的生理信號數據進行信號重構和歸一化，得到生理信號輸入矩陣，并傳輸至認知負荷水平評估模塊；
所述認知負荷水平評估模塊存儲有multi-CNN-LSTM神經網絡模型；
所述multi-CNN-LSTM神經網絡模型對生理信號輸入矩陣進行處理，得到認知負荷水平評估等級。
2.根據權利要求1所述的一種基于生理信號的具身學習認知負荷評估系統，其特征在于，所述傳感器貼置在受試者身上。
3.根據權利要求1所述的一種基于生理信號的具身學習認知負荷評估系統，其特征在于，所述受試者在VR環境下通過肢體動作與環境交互。
4.根據權利要求3所述的一種基于生理信號的具身學習認知負荷評估系統，其特征在于，所述受試者根據任務指令在VR環境下通過肢體動作與環境交互；所述任務指令包括對受試者四肢、軀干和頭部的動作命令指令；所述肢體動作包括腿部動作、手部動作、軀干動作和頭部動作。
5.根據權利要求1所述的一種基于生理信號的具身學習認知負荷評估系統，其特征在于，所述數據重構模塊利用平穩小波變換對接收到的生理信號數據進行信號重構，步驟包括：
1)對生理信號進行平穩小波分解，得到小波系數向量
其中，第k-1層分解得到的低頻尺度ak和高頻尺度bk如下所示：
式中，h[k-1]、g[k-1]分別為第k-1層的低濾波器和高濾波器；k∈N*；N*為總層數；
第k層的低濾波器h[k]和高濾波器g[k]如下所示：
式中，U0表示在濾波器每個系數后面插0；
2)對小波系數向量進行重構，其中，重構的低頻尺度ak如下所示：
式中，R[k-1]為第k-1層的低濾波器h[k-1]的逆變換；R′k-1為第k-1層的高濾波器的逆變換。
6.根據權利要求1所述的一種基于生理信號的具身學習認知負荷評估系統，其特征在于，歸一化后的數據如下所示：
式中，x′表示歸一化后的數據，即生理信號輸入矩陣的元素；xmax表示數據的最大值，xmin表示數據的最小值；x為重構的生理信號。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶大學，未經重慶大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110403822.4/1.html，轉載請聲明來源鉆瓜專利網。
