摘要
本发明涉及脑力评估技术领域,具体涉及基于有人‑无人飞行协同任务对操作员脑力评估与监测系统,包括:采集操作员的脑电波信号、语音波动和手指肌肉活动数据,生成操作员脑力负荷数据;设定操作员的个性化负荷基准值和阈值范围;基于多维回归分析和自适应深度学习模型,构建任务特性与脑力负荷之间的非线性关系模型,动态评估负荷状态,输出实时负荷变化预测值;根据脑力负荷波动曲线的波动模式预测未来高负荷风险时段;在多任务执行过程中动态调整任务参数;本发明,实现了对操作员脑力负荷的动态基准设定,从而确保负荷评估的个性化和准确性,能够在操作员负荷增加时迅速降低关键任务特性对负荷的影响,实现高效、精准的减负效果。
技术关键词
监测系统
深度学习模型
非线性
深度神经网络建模
脑力负荷变化
消除脑电信号
无人机
复杂度
动态负荷预测
采集单元
语音
数据获取模块
噪声抑制算法
趋势分析方法
多任务
多模态数据融合
脑电波传感器
系统为您推荐了相关专利信息
数据融合方法
策略
统一数据模型
格式
机器学习模型
系统建立方法
二进制伪随机序列
序列扩频通信
Chen混沌系统
系统抗干扰能力
卡口设备
车辆轨迹预测
候选位置集合
生成多尺度
车道中心线
多尺度特征融合网络
识别系统
无人机
高分辨率摄像头
图像采集单元
数据
图谱构建方法
视觉特征提取
实体
故障检测方法