一种基于 EEG 信号的任务评估自动化方法

关键任务与基于认知的环境，例如军事与国防行动、用户界面上的航空用户技术交互评估、理解硬件模型或软件工具包的直观性等，需要对特定任务给用户带来的心理负荷程度进行评估。这对于理解如何改进这些任务、操作与活动以使其更适于用户是必要的，从而减轻个体的心理负荷，使操作员能够更轻松、更少困难地使用它们。然而，一项特定任务可能被某用户视为简单，而对他人可能困难。理解特定任务的复杂性只能在用户层面完成，我们提议通过理解操作员在执行需处理大量信息以完成任务时所产生的心理负荷（MWL）来实现。本工作中，我们提出了一种实验设置，复现了日常工作中现代任务的负荷。我们提出了一种方法，利用用户操作期间的脑电图（EEG）数据自动评估个体所感知的任务复杂性。本工作解决的关键步骤包括不同特征的提取与优化、相关特征的选择以实现降维，以及使用监督式机器学习技术。此外，还比较了分类器在使用全部特征与仅使用所选特征时的性能结果。由结果可推断，与传统方法相比，机器学习算法在心理负荷估计上表现更优。