一种基于无线通信测量认知负荷与心理压力的方法及装置与流程

本申请涉及信息技术的技术领域，尤其涉及一种基于无线通信测量认知负荷与心理压力的方法及装置。

背景技术：

随着信息技术的发展，以人为本的智能人机交互是十分重要的，并且拥有广阔的应用前景，而认知负荷与心理压力的评估对于用户行为的研究和人机交互的设计是十分重要的。认知负荷与心理压力是信息处理时学习者所感受到的施加在其认知体系—工作记忆中的载荷。心理投入是指学习者分配给任务的认知容量，反映了认知负荷的实际水平，可以作为认知负荷与心理压力的测量指标。当认知负荷或心理投入超过了学习者的认知容量，就会产生压力，并阻碍学习处理任务。所以负载会影响学习者的行为策略和表现结果，并可以导致学习者生理及心理过程的变化，因此，测量认知负荷与心理压力具有重要的价值。

目前使用的认知负荷与心理压力的测量方式主要分为主观方法和客观方法两大类。主观方法一般使用主观评分量表或是问卷的形式，客观方法则一般分为行为方法和生理方法，其中行为方法一般包括行为测量和行为表现测量。如基于触摸屏的行为表现测量，基于双任务的表现测量。生理方法一般基于心电图(electrocardiogram，ecg)，脑电图(electroencephalographyeeg)，皮肤电反应(galvanicskinresponsegsr)和光电血管容积扫描图(photoplethysmogram，ppg)。

中国专利申请号cn201610165125.9，名称为：一种基于周围血管应变的认知负荷与心理压力和压力测量方法与装置，提供了一种基于周围血管应变的认知负荷与心理压力和压力测量方法，通过透射式或者反射式光电传感器采集血管容积波信号，并进行滤波，消除噪声；进行瞬时周围血管应变特征提取；通过动态滑动窗口整理和基于统计学的数据调制，获得连续稳定的每搏量变化(svv)外周血管阻力指数(svri)输出；最后使用svri评估认知负荷与心理压力和压力水平，该发明还提供了相应的测量装置，不同于传统的基于周围血管扩张程度测量方法，该发明中svri使用了ppg信号相邻波段振幅比值，实验发现该指征对于认知负荷与心理压力和压力的反映能力更加灵敏和可靠；该发明基于周围血管应变的认知负荷与心理压力和压力测量技术在测量人的认知负荷与心理压力和心理压力等心理活动时的灵敏度、可靠性和个体差异等方面具有比较明显的优势，并可以实时测量，很好地应用在普适环境中。

但是，对于认知负荷与心理压力的测量，主观方法严重依赖与人任务后的主观回忆，而且不能做到实时测量，难以应用在大量的场景。但基于生理信号实现的认知负荷与心理压力评估方法，需要用户佩戴繁琐的设备，具有较强的侵入性，不易于于推广使用，难以运用到临床以外现实生产生活领域之中。

因此，如何提供一种能够实时准确地对认知负荷与心理压力进行非侵入式的测量方案是本领域亟待解决的技术问题。

技术实现要素：

本申请的目的在于提供一种基于无线通信测量认知负荷与心理压力的方法及装置，解决现有技术中没有能够实时准确地对认知负荷与心理压力进行非侵入式的测量方案的技术问题。

为达到上述目的，本申请提供一种基于无线通信测量认知负荷与心理压力的方法，包括：

获取用户在无线通信下的用户信道状态信息数据；

对所述用户信道状态信息数据进行数据特征预处理，得到预处理的用户信道状态信息数据；

根据信道状态信息的神经网络及所述预处理的用户信道状态信息数据，预测得到所述用户的认知负荷与心理压力。

可选地，其中，对所述用户信道状态信息数据进行数据特征预处理，得到预处理的用户信道状态信息数据，为：

获取所述用户在无线通信下的用户信道状态信息数据，对所述用户信道状态信息数据进行处理得到稳定的用户信道状态信息数据；

利用归一化模型对所述稳定的用户信道状态信息数据进行归一化处理，得到所述预处理的用户信道状态信息数据。

可选地，其中，对所述用户信道状态信息数据进行处理得到稳定的用户信道状态信息数据，为：

对所述用户信道状态信息数据进行滤波处理，去除由于噪声和测量误差引起的异常点，得到滤波后的用户信道状态信息数据；

通过线性插值弥补接所述滤波后的用户信道状态信息数据中的丢包和时延，得到稳定的用户信道状态信息数据。

可选地，其中，所述滤波处理，为：

定义滤波处理策略，定义在区间之外的点为异常点，其中，为这段数据的中位数，为这段数据的中位数绝对偏差，表示数据偏离中位数的耐受范围；

对用户信道状态信息数据进行滤波处理，去除由于噪声和测量误差引起的异常点，得到滤波后的用户信道状态信息数据。

可选地，其中，根据信道状态信息的神经网络及所述预处理的用户信道状态信息数据，预测得到所述用户的认知负荷与心理压力，为：

通过网络接口控制器获取无线通信中的信道状态信息数据；

以预设的认知负荷与心理压力策略调整认知负荷与心理压力，并获取大于或等于训练个体数量阈值的训练个体在所述认知负荷与心理压力下对应的个体信道状态信息数据；

对所述个体信道状态信息数据进行预处理，得到预处理的个体信道状态信息训练数据；

将预处理的所述个体信道状态信息训练数据对神经网络搭建模型进行训练，得到信道状态信息的神经网络；

根据信道状态信息的神经网络及所述预处理的用户信道状态信息数据，预测得到所述用户的认知负荷与心理压力。

另一方面，本发明还提供一种基于无线通信测量认知负荷与心理压力的装置，包括：用户信道状态信息数据接收器、用户信道状态信息数据预处理器及认知负荷与心理压力测量处理器；其中，

所述用户信道状态信息数据接收器，与所述用户信道状态信息数据预处理器相连接，获取用户在无线通信下的用户信道状态信息数据；

所述用户信道状态信息数据预处理器，与所述用户信道状态信息数据接收器及认知负荷与心理压力测量处理器相连接，对所述用户信道状态信息数据进行数据特征预处理，得到预处理的用户信道状态信息数据；

所述认知负荷与心理压力测量处理器，与所述用户信道状态信息数据预处理器相连接，根据信道状态信息的神经网络及所述预处理的用户信道状态信息数据，预测得到所述用户的认知负荷与心理压力。

可选地，其中，所述用户信道状态信息数据预处理器，包括：用户信道状态信息数据稳定化处理单元及用户信道状态信息数据归一化处理单元；其中，

所述用户信道状态信息数据稳定化处理单元，与所述用户信道状态信息数据接收器及用户信道状态信息数据归一化处理单元相连接，获取所述用户在无线通信下的用户信道状态信息数据，对所述用户信道状态信息数据进行处理得到稳定的用户信道状态信息数据；

所述用户信道状态信息数据归一化处理单元，与所述用户信道状态信息数据稳定化处理单元及认知负荷与心理压力测量处理器相连接，利用归一化模型对所述稳定的用户信道状态信息数据进行归一化处理，得到所述预处理的用户信道状态信息数据。

可选地，其中，所述用户信道状态信息数据稳定化处理单元，包括：用户信道状态信息数据滤波处理单元及用户信道状态信息数据弥补处理单元；其中，

所述用户信道状态信息数据滤波处理单元，与所述用户信道状态信息数据接收器及用户信道状态信息数据弥补处理单元相连接，对所述用户信道状态信息数据进行滤波处理，去除由于噪声和测量误差引起的异常点，得到滤波后的用户信道状态信息数据；

所述用户信道状态信息数据弥补处理单元，与所述用户信道状态信息数据滤波处理单元及用户信道状态信息数据归一化处理单元相连接，通过线性插值弥补接所述滤波后的用户信道状态信息数据中的丢包和时延，得到稳定的用户信道状态信息数据。

可选地，其中，所述用户信道状态信息数据滤波处理单元，包括：滤波处理策略定义处理单元及用户信道状态信息数据滤波执行处理单元；

所述滤波处理策略定义处理单元，与所述用户信道状态信息数据接收器及用户信道状态信息数据滤波执行处理单元相连接，定义滤波处理策略，定义在区间之外的点为异常点，其中，为这段数据的中位数，为这段数据的中位数绝对偏差，表示数据偏离中位数的耐受范围；

所述用户信道状态信息数据滤波执行处理单元，与所述滤波处理策略定义处理单元及用户信道状态信息数据弥补处理单元相连接，对用户信道状态信息数据进行滤波处理，去除由于噪声和测量误差引起的异常点，得到滤波后的用户信道状态信息数据。

可选地，其中，所述认知负荷与心理压力测量处理器，包括：无线通信信道状态信息数据采集单元、个体信道状态信息训练数据采集单元、个体信道状态信息训练数据预处理单元、认知负荷与心理压力神经网络搭建处理单元及认知负荷与心理压力测量处理单元；其中，

所述无线通信信道状态信息数据采集单元，与所述个体信道状态信息训练数据采集单元相连接，通过网络接口控制器获取无线通信中的信道状态信息数据；

所述个体信道状态信息训练数据采集单元，与所述无线通信信道状态信息数据采集单元及个体信道状态信息训练数据预处理单元相连接，以预设的认知负荷与心理压力策略调整认知负荷与心理压力，并获取大于或等于训练个体数量阈值的训练个体在所述认知负荷与心理压力下对应的个体信道状态信息数据；

所述个体信道状态信息训练数据预处理单元，与所述个体信道状态信息训练数据采集单元及认知负荷与心理压力神经网络搭建处理单元相连接，对所述个体信道状态信息数据进行预处理，得到预处理的个体信道状态信息训练数据；

所述认知负荷与心理压力神经网络搭建处理单元，与所述个体信道状态信息训练数据预处理单元、认知负荷与心理压力测量处理单元及用户信道状态信息数据预处理器相连接，将预处理的所述个体信道状态信息训练数据对神经网络搭建模型进行训练，得到信道状态信息的神经网络；

所述认知负荷与心理压力测量处理单元，与所述认知负荷与心理压力神经网络搭建处理单元相连接，根据信道状态信息的神经网络及所述预处理的用户信道状态信息数据，预测得到所述用户的认知负荷与心理压力。

本申请的基于无线通信测量认知负荷与心理压力的方法及装置，实现的有益效果至少如下：

(1)本申请的基于无线通信测量认知负荷与心理压力的方法及装置，与现有技术相比，提出了一种基于无线通信，如wi-fi的认知负荷与心理压力测量评估方案，由于无线通信设备的普遍性，实现了无接触、无侵入、低成本、易部署的认知负荷与心理压力测量评估方案，易于推广使用。

(2)本申请的基于无线通信测量认知负荷与心理压力的方法及装置，通过无线信号(wi-fi)来评估人体的认知负荷与心理压力，可以预先获得及存储大量有关人体认知负荷与心理压力的wi-fi数据进行模型的训练，获得认知负荷与心理压力的准确规律模型，再利用个体用户的信道状态信息得到人体认知负荷与心理压力情况，实现了实时的人体认知负荷与心理压力测量评估，提升了认知负荷与心理压力测量的智能性和快捷性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例中一种基于无线通信测量认知负荷与心理压力的方法的流程示意图；

图2为本发明实施例中第二种基于无线通信测量认知负荷与心理压力的方法的流程示意图；

图3为本发明实施例图2中基于无线通信测量认知负荷与心理压力的方法中对信道状态信息数据进行滤波处理的示意图；

图4为本发明实施例中第三种基于无线通信测量认知负荷与心理压力的方法的流程示意图；

图5为本发明实施例中第四种基于无线通信测量认知负荷与心理压力的方法的流程示意图；

图6为本发明实施例中第五种基于无线通信测量认知负荷与心理压力的方法的流程示意图；

图7为本发明实施例中一种实际应用的基于无线通信测量认知负荷与心理压力的方法的流程示意图；

图8为本发明实施例中一种基于无线通信测量认知负荷与心理压力的装置的结构示意图；

图9为本发明实施例中第二种基于无线通信测量认知负荷与心理压力的装置的结构示意图；

图10为本发明实施例中第三种基于无线通信测量认知负荷与心理压力的装置的结构示意图；

图11为本发明实施例中第四种基于无线通信测量认知负荷与心理压力的装置的结构示意图；

图12为本发明实施例中第五种基于无线通信测量认知负荷与心理压力的装置的结构示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

如图1所示，图1为本实施例中一种基于无线通信测量认知负荷与心理压力的方法的流程示意图，能够实时准确地对认知负荷与心理压力进行非侵入式的测量，具体地，包括步骤：

步骤101、处理网络接口控制器，通过网络接口控制器获取无线通信中的信道状态信息数据。

可选地，本实施例中的无线通信可以是wi-fi，基于wi-fi设备提取的信道状态信息(csi)数据区分人体的认知负荷与心理压力，修改网络接口控制器(networkinterfacecontroller，nic)驱动，获取wi-fi的csi数据。

步骤102、以预设的认知负荷与心理压力策略调整认知负荷与心理压力，并获取大于或等于训练个体数量阈值的训练个体在认知负荷与心理压力下对应的个体信道状态信息数据。

步骤103、对个体信道状态信息数据进行处理得到稳定的个体信道状态信息训练数据；利用归一化模型对稳定的个体信道状态信息训练数据进行归一化处理，得到归一化的个体信道状态信息训练数据。

步骤104、将归一化的个体信道状态信息训练数据对神经网络搭建模型进行训练，得到信道状态信息的神经网络。

步骤105、获取用户在无线通信下的用户信道状态信息数据，对用户信道状态信息数据进行处理得到稳定的用户信道状态信息数据；利用归一化模型对稳定的用户信道状态信息数据进行归一化处理，得到归一化的用户信道状态信息数据。

步骤106、将归一化的用户信道状态信息数据输入信道状态信息的神经网络后得到该用户的认知负荷与心理压力。

模型训练完成后，对任意用户经过wi-fi的csi数据进行进行预处理，输入训练好的神经网络，得到用户的认知负荷与心理压力情况，由于预处理运算量较小，能够实现实时处理。通过wi-fi无线信号来评估人体的认知负荷与心理压力，需要预先获得大量有关人体认知负荷与心理压力的wi-fi数据，进行模型的训练，实现了实时人体认知负荷与心理压力评估。

在一些可选的实施例中，如图2及3所示，图2为本实施例中第二种基于无线通信测量认知负荷与心理压力的方法的流程示意图；图3为图2中基于无线通信测量认知负荷与心理压力的方法中对信道状态信息数据进行滤波处理的示意图。与图1中不同的是，对个体信道状态信息数据进行处理得到稳定的个体信道状态信息训练数据，为：

步骤201、对个体信道状态信息数据进行滤波处理，去除由于噪声和测量误差引起的异常点，得到滤波后的个体信道状态信息数据。

可选地，对数据使用hampel滤波器去除由于噪声和测量误差引起的异常点。

步骤202、通过线性插值弥补接滤波后的个体信道状态信息数据中的丢包和时延，得到稳定的个体信道状态信息训练数据。

在一些可选的实施例中，如图4所示，为本实施例中第三种基于无线通信测量认知负荷与心理压力的方法的流程示意图，与图2中不同的是，滤波处理，为：

步骤401、定义滤波处理策略，定义在区间之外的点为异常点，其中，为这段数据的中位数，为这段数据的中位数绝对偏差，表示数据偏离中位数的耐受范围，典型的取值为3。

步骤402、对信道状态信息数据进行滤波处理，去除由于噪声和测量误差引起的异常点，得到滤波后的信道状态信息数据。

在一些可选的实施例中，如图5所示，为本实施例中第四种基于无线通信测量认知负荷与心理压力的方法的流程示意图，与图1中不同的是，归一化处理，为：

步骤501、调用预设的z-score归一化模型。

步骤502、利用z-score归一化模型对信道状态信息数据进行归一化处理。

在一些可选的实施例中，如图6所示，为本实施例中第五种基于无线通信测量认知负荷与心理压力的方法的流程示意图，与图1中不同的是，以预设的认知负荷与心理压力策略调整认知负荷与心理压力，为：

步骤601、预设环境参数与认知负荷与心理压力策略的对应关系。

步骤602、获取当前认知负荷与心理压力的实时环境参数，根据实时环境参数得到当前实时环境下的认知负荷与心理压力策略，并以当前实时环境下的认知负荷与心理压力策略调整训练采样过程中的认知负荷与心理压力。

不同环境条件下的认知负荷与心理压力与无线通信的信道状态信息对应关系可能不尽相同，通过预先设置在不同环境条件下(如地理位置、天气条件等)的认知负荷与心理压力与无线通信的信道状态信息对应关系，调用当前实时环境下的认知负荷与心理压力策略的对应关系测量不同环境条件下的认知负荷与心理压力，有利于提升认知负荷与心理压力测量的准确性。

在一些可选的实施例中，如图7所示，为本实施例中一种实际应用的基于无线通信测量认知负荷与心理压力的方法的流程示意图，包括如下步骤：

步骤701、获取大量不同个体在不同认知负荷与心理压力下的wi-fi数据。

步骤702、异常值处理。

步骤703、线性插值。

步骤704、数据z-score归一化。

步骤705、滑动窗口切片。

步骤706、训练神经网络模型。

步骤707、获取实时wi-fi数据。

步骤708、输入神经网络。

步骤709、获得当前人体认知负荷与心理压力情况。

进一步地，在本申请实施例中，预测得到用户的认知负荷与心理压力，具体包括选取当前时刻之前的n个预处理的用户信道状态信息数据生成预测结果，利用归一化算法将预测结果归一化至标准范围内，归一化后的结果作为当前时刻的实际认知负荷与心理压力测量值；其中n为正整数；

可选地，归一化至标准范围内可以为将测量结果归一化至0～1范围内，作为最终测量结果。

在一些可选的实施例中，如图8所示，为本实施例中一种基于无线通信测量认知负荷与心理压力的装置800的结构示意图，该装置用于实施上述的基于无线通信测量认知负荷与心理压力的方法。具体地，该装置包括：信道状态信息数据接收器801、用户信道状态信息数据预处理器802及认知负荷与心理压力测量处理器803。

用户信道状态信息数据接收器801，与用户信道状态信息数据预处理器802相连接，获取用户在无线通信下的用户信道状态信息数据。

用户信道状态信息数据预处理器802，与用户信道状态信息数据接收器801及认知负荷与心理压力测量处理器803相连接，对用户信道状态信息数据进行数据特征预处理，得到预处理的用户信道状态信息数据。

认知负荷与心理压力测量处理器803，与用户信道状态信息数据预处理器802相连接，根据用户信道状态信息的神经网络及预处理的用户信道状态信息数据，预测得到用户的认知负荷与心理压力。

在一些可选的实施例中，如图9所示，为本实施例中第二种基于无线通信测量认知负荷与心理压力的装置900的结构示意图，与图8中不同的是，用户信道状态信息数据预处理器802，包括：用户信道状态信息数据稳定化处理单元821及用户信道状态信息数据归一化处理单元822。

其中，用户信道状态信息数据稳定化处理单元821，与用户信道状态信息数据接收器801及用户信道状态信息数据归一化处理单元822相连接，获取用户在无线通信下的用户信道状态信息数据，对用户信道状态信息数据进行处理得到稳定的用户信道状态信息数据。

用户信道状态信息数据归一化处理单元822，与用户信道状态信息数据稳定化处理单元821及认知负荷与心理压力测量处理器803相连接，利用归一化模型对稳定的用户信道状态信息数据进行归一化处理，得到预处理的用户信道状态信息数据。

可选地，用户信道状态信息数据归一化处理单元822调用预设的z-score归一化模型；利用z-score归一化模型对用户信道状态信息数据进行归一化处理。

在一些可选的实施例中，如图10所示，为本实施例中第三种基于无线通信测量认知负荷与心理压力的装置1000的结构示意图，与图9中不同的是，用户信道状态信息数据稳定化处理单元821，包括：用户信道状态信息数据滤波处理单元1001及用户信道状态信息数据弥补处理单元1002。

其中，用户信道状态信息数据滤波处理单元1001，与用户信道状态信息数据接收器801及用户信道状态信息数据弥补处理单元1002相连接，对用户信道状态信息数据进行滤波处理，去除由于噪声和测量误差引起的异常点，得到滤波后的用户信道状态信息数据。

用户信道状态信息数据弥补处理单元1002，与用户信道状态信息数据滤波处理单元1001及用户信道状态信息数据归一化处理单元822相连接，通过线性插值弥补接滤波后的用户信道状态信息数据中的丢包和时延，得到稳定的用户信道状态信息数据。

在一些可选的实施例中，如图11所示，为本实施例中第四种基于无线通信测量认知负荷与心理压力的装置1100的结构示意图，与图10中不同的是，用户信道状态信息数据滤波处理单元1001，包括：滤波处理策略定义处理单元1011及用户信道状态信息数据滤波执行处理单元1012。

滤波处理策略定义处理单元1011，与信道状态信息数据接收器801及信道状态信息数据滤波执行处理单元1012相连接，定义滤波处理策略，定义在区间之外的点为异常点，其中，为这段数据的中位数，为这段数据的中位数绝对偏差，表示数据偏离中位数的耐受范围。

用户信道状态信息数据滤波执行处理单元1012，与滤波处理策略定义处理单元1011及用户信道状态信息数据弥补处理单元1022相连接，对用户信道状态信息数据进行滤波处理，去除由于噪声和测量误差引起的异常点，得到滤波后的用户信道状态信息数据。

在一些可选的实施例中，如图12所示，为本实施例中第五种基于无线通信测量认知负荷与心理压力的装置1200的结构示意图，与图8中不同的是，认知负荷与心理压力测量处理器803，包括：无线通信信道状态信息数据采集单元831、个体信道状态信息训练数据采集单元832、个体信道状态信息训练数据预处理单元833、认知负荷与心理压力神经网络搭建处理单元834及认知负荷与心理压力测量处理单元835。

其中，无线通信信道状态信息数据采集单元831，与个体信道状态信息训练数据采集单元832相连接，处理网络接口控制器，通过网络接口控制器获取无线通信中的信道状态信息数据。

个体信道状态信息训练数据采集单元832，与无线通信信道状态信息数据采集单元831及个体信道状态信息训练数据预处理单元833相连接，以预设的认知负荷与心理压力策略调整认知负荷与心理压力，并获取大于或等于训练个体数量阈值的训练个体在认知负荷与心理压力下对应的个体信道状态信息数据。

个体信道状态信息训练数据预处理单元833，与个体信道状态信息训练数据采集单元832及认知负荷与心理压力神经网络搭建处理单元834相连接，对个体信道状态信息数据进行预处理，得到预处理的个体信道状态信息训练数据。

认知负荷与心理压力神经网络搭建处理单元834，与个体信道状态信息训练数据预处理单元833、认知负荷与心理压力测量处理单元835及用户信道状态信息数据预处理器802相连接，将预处理的个体信道状态信息训练数据对神经网络搭建模型进行训练，得到信道状态信息的神经网络。

认知负荷与心理压力测量处理单元835，与认知负荷与心理压力神经网络搭建处理单元834相连接，根据信道状态信息的神经网络及预处理的用户信道状态信息数据，预测得到用户的认知负荷与心理压力。

在一些可选的实施例中，该基于无线通信测量认知负荷与心理压力的装置还可以包括：认知负荷与心理压力策略调整处理器，与个体信道状态信息数据采集处理器相连接，预设环境参数与认知负荷与心理压力策略的对应关系；获取当前认知负荷与心理压力的实时环境参数，根据实时环境参数得到当前实时环境下的认知负荷与心理压力策略，并以当前实时环境下的认知负荷与心理压力策略调整训练采样过程中的认知负荷与心理压力。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。