一种基于多模态信息融合的乘员晕动症预测方法

本发明公开了一种基于多模态信息融合的乘员晕动症预测方法，属于车辆舒适性控制技术领域。该模型包括数据采集系统、数据预处理模块和基于CNN+BiLSTM+Attention的多模态融合深度学习模型。数据采集系统采集脑电、肌电、皮电、心电生理信号和三轴加速度数据；数据预处理模块对信号进行滤波、特征提取和数据同步；深度学习模型通过模态特定特征提取层、时序特征提取层、注意力机制层、特征融合层和预测层，融合处理生理信号和运动参数，实现晕动风险预测。该模型还包括个性化适应机制，能够提前30‑60秒预测晕动风险，并通过分级预警机制与车辆舒适性控制系统联动。本发明还提供了基于该模型的车载晕动预警系统、训练方法和轻量化方法，可有效提高乘车舒适性，降低晕车风险。