博文

Drones：广阳湾实验室 (重庆脑与智能科学中心) 联合西北工业大学：基于脑功能连接的无人系统操作员认知状态评估新方法

已有 179 次阅读 2026-2-13 18:22 |个人分类:学术软文|系统分类:论文交流

第一作者：陈军

西北工业大学电子信息学院教授，硕/博士生导师，空军领域专家，西安市“飞行器智能认知与控制”重点实验室副主任，中国指挥与控制学会无人系统专委会委员，《无人系统技术》青年编委。研究方向为航空火力控制与协同决策关键理论与方法。

近年来，主持国家自然科学基金、军口国家级纵向项目等科研课题40余项；主编教材3部，获教育部优秀教材奖1项；主编专著1部，译著1部，参编专著1部；在国内外重要期刊和学术会议上发表论文50余篇；授权/受理技术发明专利24项，专利技术转让2项，登记软件著作权10项；获省部级科学技术进步一等奖、二等奖共3项。

通讯作者：张馨予

西北工业大学电子信息学院副教授，硕导。研究领域为数据科学与人工智能、信号与图像处理、航电系统数据挖掘与智能决策、生物医学工程。

主要研究方向为有人-无人系统智能交互与协同决策、数字医疗。

文章导读

在无人机 (UAV) 运行过程中，操作员的认知状态易出现下降，进而对任务执行效果构成风险。然而，现有诸多认知状态评估方法直接依赖原始脑电图 (EEG) 信号，在跨个体应用时鲁棒性有限。为解决这一局限，并充分利用脑功能连接网络所有效捕捉的空间信息与电极间关联，广阳湾实验室 (重庆脑与智能科学中心) 与西北工业大学电子与信息学院的研究团队在 Drones 上发表了题为“Cross-Subject Cognitive State Assessment for Unmanned System Operators Based on Brain Functional Connectivity”的研究论文，此研究能够实现对认知状态的及时识别，从而提升无人系统中人机交互的可靠性。

研究过程与结果

在无人机操作中，操作员的认知状态易因长时间任务而下降，导致反应迟缓、判断失误，威胁飞行安全。传统脑电图 (EEG) 评估方法受个体差异影响大，泛化能力有限。本研究创新性地将EEG信号转换为脑功能连接矩阵，以捕捉脑区间的协同活动，并结合DAM-CNN模型增强特征提取能力。DAM-CNN通过位置注意力模块 (PAM) 和通道注意力模块 (CAM) 动态聚焦关键神经特征，有效抑制冗余信息，从而提升分类精度。

图1. 总体流程示意

为验证提出的方法的效果，研究设置无人机操作模拟实验，实验涉及10名参与者，在三种认知状态 (低、中、高负荷) 下采集EEG数据，并通过留一主体交叉验证测试模型。结果表明，DAM-CNN的准确率较传统方法 (如SVM、RF、EEGNet等) 提升至少7.01%，方差降低至少0.0191，且在不同主体间表现稳定。该模型无需个体校准，即可实现实时认知状态识别，为动态人机协作提供了可靠技术支持。