基于FPA优化的GP算法的飞行员认知状态识别

发布时间：2018-05-25 05:36

  本文选题：认知状态 + 飞行控制　； 参考：《电光与控制》2016年11期

【摘要】：飞行员认知状态是影响人机飞行控制系统表现的重要因素。认知状态通常不能被直接测得,需借助于诸多的生理信号间接分析。根据典型生理信号的时频特点,应用小波分析建立信号特征集,并提出了一种基于花粉传播算法的高斯过程分类模型,用以分析全动飞行模拟实验中的飞行员认知状态。通过对比分类结果与飞行员的NASATLX测评结果,验证该模型对飞行员认知状态识别的有效性。
[Abstract]:Pilot cognitive state is an important factor affecting the performance of man-machine flight control system. Cognitive state can not be measured directly, it needs indirect analysis of many physiological signals. According to the time-frequency characteristics of typical physiological signals, wavelet analysis is used to establish the signal feature set, and a Gao Si process classification model based on pollen propagation algorithm is proposed to analyze the pilots' cognitive state in the full-motion flight simulation experiment. The validity of the model for cognitive state recognition of pilots is verified by comparing the classification results with the NASATLX evaluation results of pilots.
【作者单位】： 上海交通大学航空航天学院;上海交通大学电子信息与电气工程学院;
【基金】：上海市浦江人才计划(15PJ1404300)
【分类号】：V249.1

【相似文献】

相关会议论文 前1条

1 于恩彦;谭云飞;廖峥娈;仇雅菊;史菊芳;吴万振;丁忠祥;;静息态脑功能连接在不同认知状态老年人中的应用[A];2013浙江省医学会精神病学分会学术年会暨浙江省医师协会精神科医师分会第六届年会论文汇编[C];2013年

相关重要报纸文章 前1条

1 祁胜利;常自拷者更擅撰[N];中国新闻出版报;2006年

相关硕士学位论文 前3条

1 王欣杰;面向认知状态识别的EEG特征提取方法研究[D];哈尔滨工业大学;2015年

2 随瑞斌;轻度认知功能障碍安静及认知状态脑电复杂度研究[D];天津医科大学;2015年

3 孙波;脑认知状态fMRI数据的分析及分类方法研究[D];大连理工大学;2011年

，

本文编号：1932327