BE1032593A1 - Système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale - Google Patents
Système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatialeInfo
- Publication number
- BE1032593A1 BE1032593A1 BE20255620A BE202505620A BE1032593A1 BE 1032593 A1 BE1032593 A1 BE 1032593A1 BE 20255620 A BE20255620 A BE 20255620A BE 202505620 A BE202505620 A BE 202505620A BE 1032593 A1 BE1032593 A1 BE 1032593A1
- Authority
- BE
- Belgium
- Prior art keywords
- module
- cognitive load
- fiber optic
- multipoint
- spatial transmission
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
La présente invention divulgue un système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale, comprenant un module de réseau de capteurs à fibre optique de transmission spatiale, un module de modulation de signal optique, un module de démodulation et d’amplification de signal, un module d’acquisition et de prétraitement des données, un module d’extraction de caractéristiques et d’évaluation de la charge cognitive, un module de fusion de données multi-sources, un module de décision d’alerte précoce et de rétroaction, un module de stockage et de gestion sur plateforme cloud, ainsi qu’un module d’interface d’interaction utilisateur ; la présente invention permet, au moyen d’un réseau de capteurs à fibre optique distribués, la surveillance synchrone multipoint des signaux physiologiques, et, associée à la fusion de données multi-sources et à des algorithmes d’apprentissage profond, améliore de manière significative la précision et la réactivité en temps réel de l’évaluation de la charge cognitive. Le système présente les avantages suivants : forte résistance aux interférences, déploiement flexible et réponse rapide aux alertes.
Description
Système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale
Domaine technique
La présente invention relève du domaine technique de la surveillance des signaux physiologiques et de l’évaluation de la charge cognitive, et concerne spécifiquement un système de mesure et d'alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale.
État de la technique
La charge cognitive désigne la quantité totale de ressources mentales consommées par un individu lors de l’accomplissement d’une tâche. Sa mesure revêt une importance majeure dans l'optimisation de l'interaction homme-machine dans des domaines tels que l’éducation, la conduite automobile ou encore les soins médicaux. Dans l’état de la technique, les méthodes de mesure de la charge cognitive basées sur des dispositifs portables présentent des inconvénients tels qu’une faible résistance aux interférences et une précision insuffisante dans la surveillance synchrone multipoint. Par exemple, les capteurs électriques traditionnels sont facilement affectés par les interférences électromagnétiques et ne permettent pas une perception distribuée synchronisée sur plusieurs nœuds. Les capteurs à fibre optique, grâce à leur immunité aux interférences électromagnétiques, leur haute sensibilité et leur capacité à être déployés de manière distribuée, montrent un potentiel dans la surveillance des signaux physiologiques.
Cependant, les systèmes de capteurs à fibre optique existants sont pour la plupart limités à une surveillance en un seul point ou sur une petite zone, et manquent de solutions systématiques adaptées à la mesure multipoint de la charge cognitive.
Contenu de l’invention
La présente invention a pour objectif de proposer un système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale, afin de résoudre les problèmes mentionnés dans la technique antérieure.
Pour atteindre cet objectif, l’invention fournit la solution technique suivante : un système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale, comprenant un module de réseau de capteurs à fibre optique de transmission spatiale, un module de modulation de signal optique, un module de démodulation et d'amplification de signal, un module d’acquisition et de prétraitement des données, un module d'extraction de caractéristiques et d’évaluation de la charge cognitive, un module de fusion de données multi-sources, un module de décision d’alerte précoce et de rétroaction, un module de stockage et de gestion sur plateforme cloud, ainsi qu’un module d'interface d’interaction utilisateur ; le module de réseau de capteurs à fibre optique de transmission spatiale adopte un réseau distribué de réseaux à grille de Bragg en fibre optique (FBG), les réseaux étant gravés à l’intérieur de microfibres au moyen d’une technologie d’écriture directe par laser femtoseconde, formant un réseau de capteurs multi-nœuds codé en longueur d’onde ; le module de modulation de signal optique adopte une technologie de modulation en longueur d’onde, réalisant le codage en longueur d’onde du signal optique par modulation directe du courant de commande du laser; le module de démodulation et d’amplification de signal adopte un filtre F-P réglable basé sur une céramique piézoélectrique PZT pour la démodulation en longueur d’onde, et utilise un algorithme de filtrage par correspondance pour améliorer le signal ; le module d'acquisition et de prétraitement des données utilise une carte d'acquisition synchrone multicanal pour assurer l’acquisition en temps réel des données, avec une fréquence d’échantillonnage ne devant pas être inférieure à 2000 Hz ; le prétraitement comprend un débruitage par ondelettes et une correction de ligne de base, et utilise un algorithme de filtrage de Kalman pour éliminer les artéfacts de mouvement ; le module d’extraction de caractéristiques et d'évaluation de la charge cognitive combine un modèle de regroupement spatio-temporel profond ISTDC, et utilise un auto-encodeur variationnel (VAE) pour extraire les caractéristiques spatio-temporelles des signaux EEG ; le module de fusion de données multi-sources fusionne les données multimodales sur la base de la théorie des preuves de Dempster-Shafer ; le module de décision d’alerte précoce et de rétroaction définit trois seuils d’alerte (charge faible, moyenne et élevée), et lorsque la charge cognitive dépasse ces seuils, alerte l’utilisateur par alarme sonore et lumineuse ainsi que par retour vibratoire ; le module de stockage et de gestion sur plateforme cloud utilise une base de données distribuée (telle que Hadoop) pour stocker les données historiques, avec prise en charge de accès à distance et de l’exploration de données ; le module d'interface d'interaction utilisateur est conçu avec une interface multimodale prenant en charge les opérations tactiles, vocales et gestuelles.
De préférence, le réseau de capteurs du module de réseau de capteurs à fibre optique de transmission spatiale est réparti sur la tête (par exemple le front, les lobes temporaux), le thorax et les membres, surveillant respectivement les signaux physiologiques de l’électroencéphalogramme (EEG), de la variabilité de la fréquence cardiaque (HRV) et de la réponse électrodermale (EDA) ; la fibre optique est encapsulée dans un matériau composite en fibre de carbone, ce qui permet d'augmenter la résistance mécanique et de réduire la perte optique, une seule fibre optique pouvant couvrir une portée de 10 kilomètres.
De préférence, la formule de modulation du module de modulation de signal optique est la suivante :
À = à, + AA f(t) où À, est la longueur d’onde centrale, A4 est le décalage en longueur d’onde, f(t) est le signal de modulation ; par la technologie de multiplexage en longueurs d’onde multiples, plusieurs signaux sont transmis simultanément dans une seule fibre optique, ce qui augmente la capacité du système.
De préférence, la formule de démodulation dans le module de démodulation et d'amplification de signal est la suivante : out = lin cos? (5)
À où AL est la variation de la longueur de la cavité F-P, À est la longueur d’onde de la lumière incidente ; le signal, une fois amplifié par un amplificateur à faible bruit, est converti en signal numérique par un convertisseur analogique-numérique (ADC).
De préférence, la formule de l’algorithme de filtrage de Kalman utilisée dans le module … d'acquisition et de prétraitement des données est la suivante :
Zr = Aîp-1 + Ky (Zn — HÈ4-1) où A est la matrice de transition d’état, H est la matrice d’observation, K, est le gain de
Kalman.
De préférence, la formule d’extraction des caractéristiques spatio-temporelles dans le module d'extraction de caractéristiques et d’évaluation de la charge cognitive est la suivante :
L= Egcix)[logp(x|2)] — KL(q@|x)I|p(2)) où q(z|x) est la distribution postérieure approximative et p(z) la distribution a priori ; un modèle de mélange gaussien variationnel bayésien (VBGMM) est utilisé pour l’analyse de regroupement, permettant de produire un niveau de charge cognitive en sortie.
De préférence, la formule de synthèse des données multimodales dans le module de fusion de données multi-sources est la suivante : m(A) = Zpnc=a M (B) ma(C) 1) MO x = > m, (B) : m2(C)
BNC=% où m(A) représente la distribution de probabilité de base du postulat A après fusion, 5 intégrant les informations issues de différents capteurs et reflétant le degré de confiance associé au postulat A sous l’évidence fusionnée ; m,(B) et m,(C) représentent respectivement la distribution de probabilité de base attribuée aux postulats B et C par différents capteurs, représentant le degré de confiance de chaque capteur envers le postulat correspondant ; m, et m, sont les distributions de probabilité de base des capteurs, et K est le coefficient de conflit ; la somme Ssnc=-aM,(B)-m,(C) correspond à l’ensemble des produits des distributions de probabilité de base m,(B) et m,(C) pour tous les couples de postulats B et C dont l'intersection est A, constituant la partie clé du calcul de m(A) ; la somme Yanc=g M, (B) * ma (C) calcule la somme des produits des distributions de probabilité de base m,(B) et m,(C) pour tous les postulats B et C disjoints, et permet de déterminer le coefficient de conflit K ; la fusion des données EEG, HRV et EDA permet d’améliorer la précision de l’évaluation.
De préférence, le module de décision d’alerte précoce et de rétroaction adopte un mécanisme d’alerte imminent dit de « réponse par appel », garantissant que l'information d’alerte parvienne directement à l'utilisateur et que celui-ci confirme sa réception ; en outre, le système transmet les données via Bluetooth à un terminal mobile, en fournissant des recommandations d'intervention personnalisées.
De préférence, le Module de stockage et de gestion sur plateforme cloud réalise une analyse des données en temps réel via des nœuds de calcul en périphérie, afin de réduire la charge de calcul du cloud ; la plateforme fournit une interface de visualisation des données permettant aux utilisateurs et aux experts un suivi à distance ;
dans le module d'interface d’interaction utilisateur, l’utilisateur visualise les données physiologiques en temps réel, les tendances historiques et les enregistrements d’alerte via l'interface, et dispose d’une entrée pour évaluer subjectivement l’effort mental, ce qui aide le système à se calibrer.
Effets bénéfiques de l'invention par rapport à l’état de la technique :
La présente invention permet, par l'intermédiaire d’un réseau de capteurs à fibre optique distribués, la surveillance synchrone multipoint des signaux physiologiques, et, en combinant la fusion de données multi-sources et des algorithmes d’apprentissage profond, améliore de manière significative la précision et la réactivité de l’évaluation de la charge cognitive. Le système présente les avantages suivants : forte résistance aux interférences, déploiement flexible et réponse rapide aux alertes.
Description des figures
La figure 1 est un schéma de principe du système selon la présente invention.
Mode de réalisation spécifique
Les modes de réalisation de la présente invention seront décrits de manière claire et complète ci-après en se référant aux exemples de réalisation de l’invention. Il est évident que les exemples décrits ne constituent qu’une partie des modes de réalisation de l'invention et non leur totalité. Sur la base des exemples présentés, tout autre mode de réalisation obtenu par une personne du métier sans effort inventif entre dans le champ de protection de la présente invention.
Veuillez vous référer à la figure 1. La présente invention propose un système de mesure et d'alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale, comprenant un module de réseau de capteurs à fibre optique de transmission spatiale,
un module de modulation de signal optique, un module de démodulation et d’amplification de signal, un module d’acquisition et de prétraitement des données, un module d’extraction de caractéristiques et d'évaluation de la charge cognitive, un module de fusion de données multi- sources, un module de décision d’alerte précoce et de rétroaction, un module de stockage et de gestion sur plateforme cloud ainsi qu’un module d'interface d’interaction utilisateur ;
le module de réseau de capteurs à fibre optique de transmission spatiale adopte un réseau distribué de réseaux à grille de Bragg en fibre optique (FBG), dans lequel les réseaux sont gravés à l’intérieur de microfibres au moyen de la technologie d’écriture directe par laser femtoseconde, formant un réseau de capteurs multi-nœuds codé en longueur d’onde ;
le module de modulation de signal optique adopte une technologie de modulation en longueur d’onde, réalisant le codage en longueur d’onde du signal optique par modulation directe du courant de commande du laser ;
le module de démodulation et d’amplification de signal adopte un filtre F-P réglable basé sur une céramique piézoélectrique PZT pour la démodulation de la longueur d’onde, et utilise un
— algorithme de filtrage par correspondance pour améliorer le signal ;
le module d'acquisition et de prétraitement des données utilise une carte d'acquisition synchrone multicanal pour assurer l’acquisition en temps réel des données, avec une fréquence d’échantillonnage ne devant pas être inférieure à 2000 Hz ; le prétraitement comprend un débruitage par ondelettes et une correction de ligne de base, et utilise un algorithme de filtrage de Kalman pour éliminer les artéfacts de mouvement ;
le module d’extraction de caractéristiques et d'évaluation de la charge cognitive combine un modèle de regroupement spatio-temporel profond ISTDC, et utilise un auto-encodeur variationnel (VAE) pour extraire les caractéristiques spatio-temporelles des signaux EEG ;
le module de fusion de données multi-sources fusionne les données multimodales sur la base de la théorie des preuves de Dempster-Shafer ; le module de décision d’alerte précoce et de rétroaction définit trois seuils d’alerte (charge faible, moyenne et élevée), et lorsque la charge cognitive dépasse ces seuils, alerte l’utilisateur par alarme sonore et lumineuse ainsi que par retour vibratoire ; le module de stockage et de gestion sur plateforme cloud utilise une base de données distribuée (telle que Hadoop) pour stocker les données historiques, avec prise en charge de l’accès à distance et de l’exploration de données ; le module d'interface d'interaction utilisateur est conçu avec une interface multimodale prenant en charge les opérations tactiles, vocales et gestuelles.
Dans le module de réseau de capteurs à fibre optique de transmission spatiale, le réseau de capteurs est réparti sur la tête (par exemple le front, les lobes temporaux), le thorax et les membres, surveillant respectivement les signaux physiologiques de l’électroencéphalogramme (EEG), de la variabilité de la fréquence cardiaque (HRV) et de la réponse électrodermale (EDA) ; la fibre optique est encapsulée dans un matériau composite en fibre de carbone, ce qui permet d'augmenter la résistance mécanique et de réduire la perte optique, une seule fibre optique pouvant couvrir une portée de 10 kilomètres.
La formule de modulation du module de modulation de signal optique est la suivante :
À = à, + AA f(t) où À, est la longueur d’onde centrale, A4 est le décalage en longueur d’onde, f(t) est le signal de modulation ; par la technologie de multiplexage en longueurs d’onde multiples, plusieurs signaux sont transmis simultanément dans une seule fibre optique, ce qui augmente la capacité du système.
La formule de démodulation dans le module de démodulation et d’amplification de signal est la suivante :
Lout = Im’ cos? (5)
À où AL est la variation de la longueur de la cavité F-P, À est la longueur d’onde de la lumière incidente ; le signal, une fois amplifié par un amplificateur à faible bruit, est converti en signal numérique par un convertisseur analogique-numérique (ADC).
La formule de l’algorithme de filtrage de Kalman utilisée dans le module d'acquisition et de prétraitement des données est la suivante :
Ar = Aîp-1 + Ky (Zn — HR) où A est la matrice de transition d’état, H est la matrice d'observation, K, est le gain de
Kalman.
La formule d’extraction des caractéristiques spatio-temporelles dans le module d’extraction de caractéristiques et d’évaluation de la charge cognitive est la suivante :
L= Egcix)[logp(x|2)] — KL(q@|x)I|p(2)) où q(z|x) est la distribution postérieure approximative, p(z) est la distribution a priori ; un modèle de mélange gaussien variationnel bayésien (VBGMM) est utilisé pour l’analyse de … regroupement, permettant de produire un niveau de charge cognitive en sortie.
La formule de synthèse des données multimodales dans le module de fusion de données multi-sources est la suivante : m(A) = ener MD MO Op > m8): ma(C)
BNC=% où m(A) représente la distribution de probabilité de base du postulat A après fusion, — intégrant les informations issues de différents capteurs et reflétant le degré de confiance du postulat A sous l’évidence fusionnée ; m,(B) et m,(C) sont respectivement les distributions de probabilité de base attribuées aux postulats B et C par différents capteurs, représentant le degré de confiance attribué par chaque capteur au postulat correspondant ; m, et m, désignent les distributions de probabilité de base des différents capteurs, et K est le coefficient de conflit ;
la somme Spnc=a M (B)- m2(C) correspond à l’ensemble des produits des distributions m, (B) et m,(C) pour les postulats B et C dont l'intersection est A, et constitue la partie clé du calcul de m(A) ; la somme XYarnc=g M, (B) m2 (C) calcule la somme des produits des distributions de probabilité de base m, (B) et m,(C) pour tous les postulats B et C dont l'intersection est vide, et permet ainsi de déterminer le coefficient de conflit K. La fusion des données EEG, HRV et
EDA permet d’améliorer la précision de l’évaluation.
Le module de décision d’alerte précoce et de rétroaction adopte un mécanisme d'alerte imminent dit de « réponse par appel », garantissant que l’information d'alerte parvienne directement à l’utilisateur et que celui-ci confirme sa réception ; en outre, le système transmet les données via Bluetooth à un terminal mobile, en fournissant des recommandations d'intervention personnalisées.
Le module de stockage et de gestion sur plateforme cloud effectue une analyse des données en temps réel à l’aide de nœuds de calcul en périphérie, afin de réduire la charge de traitement côté cloud ; la plateforme propose une interface de visualisation des données destinée au suivi à distance par les utilisateurs et les experts.
Dans le module d'interface d’interaction utilisateur, Vutilisateur peut consulter les données physiologiques en temps réel, les tendances historiques et les enregistrements d’alerte via l'interface, et dispose d’une entrée pour l’évaluation subjective de l’effort mental, permettant d'assister le calibrage du système.
Procédé de mesure et d'alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale, comprenant les étapes suivantes :
Déploiement des capteurs : Dans la zone cible à surveiller (telle que cockpit, poste de travail, etc.), les capteurs à fibre optique sont déployés en matrice multipoint en exploitant les propriétés de transmission spatiale. Par des procédés spécifiques, les capteurs sont intégrés dans les zones de contact avec le corps humain telles que le dossier de siège ou les dispositifs portés sur la tête, de manière à détecter en temps réel les signaux physiologiques comme les micro-trémulations musculaires ou les variations de pression liées à l’activité cérébrale.
Acquisition et transmission des signaux : En exploitant l’effet photoélastique des fibres
Optiques, les signaux physiologiques sont convertis en variations de phase ou d'intensité de la lumière. Grâce à leurs caractéristiques de faible perte et d’immunité aux interférences, les fibres optiques de transmission spatiale assurent une transmission rapide des signaux lumineux multipoints vers l’unité centrale de traitement, en évitant toute distorsion liée aux interférences électromagnétiques durant le transport.
Analyse de la charge cognitive : Un modèle de fusion multimodale basé sur l’apprentissage automatique est construit ; en entrée sont introduits les signaux électromyographiques, EEG, etc., convertis depuis les signaux optiques. Le modèle est entraîné sur un grand nombre d’échantillons étiquetés afin d’établir une correspondance entre les signaux physiologiques et le niveau de charge cognitive. Le niveau de charge cognitive de chaque point de mesure est alors calculé en temps réel.
Mécanisme d’alerte : Des seuils de charge cognitive à plusieurs niveaux sont définis. Lorsque le niveau calculé dépasse le seuil prédéfini, le système déclenche une alerte par alarme sonore, visuelle ou vibration. Les informations d’alerte sont également transmises aux terminaux des gestionnaires pour qu’ils puissent intervenir rapidement, évitant ainsi les accidents dus à une surcharge cognitive ou une baisse d’efficacité.
Exemple de mise en œuvre :
Déploiement de l’antenne de capteurs :
Un réseau de capteurs FBG est fixé sur le front, les lobes temporaux, le thorax et les poignets du sujet à l’aide d’un adhésif médical. Les fibres optiques sont connectées au démodulateur via des tubes de protection blindés. La technologie de fusion est utilisée pour réduire la perte optique, permettant à une seule fibre de couvrir l’ensemble des points de surveillance corporelle.
Acquisition et traitement des signaux :
Après modulation, les signaux optiques sont transmis via les fibres vers le démodulateur, démodulés par un filtre F-P, puis convertis en signaux numériques par l'ADC. Le module de prétraitement applique un filtre de Kalman pour éliminer les bruits, tandis que le module d’extraction de caractéristiques utilise les modèles VAE et VBGMM pour produire le niveau de charge cognitive.
Alerte et retour :
Lorsque le niveau de charge cognitive atteint le seuil d’alerte, le système déclenche des alarmes multiples par buzzer, LED et moteur vibrant, et envoie des recommandations d'intervention à une application mobile. Les données sont stockées en temps réel sur la plateforme cloud pour des analyses et optimisations ultérieures.
En résumé, la présente invention fournit un système de mesure et d'alerte de charge cognitive multipoint à haute précision et haute fiabilité, présentant une innovation technique remarquable ainsi qu’une valeur applicative élevée.
Bien que la présente invention ait été décrite en détail à l’aide des exemples ci-dessus, il est clair pour les personnes du métier qu’elles peuvent apporter des modifications aux solutions techniques décrites ou effectuer des remplacements équivalents de certaines caractéristiques techniques. Tant que ces modifications ou remplacements relèvent de l’esprit et du principe de la présente invention, ils sont considérés comme faisant partie du champ de protection de la présente invention.
Claims (9)
1. Système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale, caractérisé en ce qu’il comprend : un module de réseau de capteurs à fibre optique de transmission spatiale, un module de modulation de signal optique, un module de démodulation et d’amplification de signal, un module d’acquisition et de prétraitement des données, un module d’extraction de caractéristiques et d’évaluation de la charge cognitive, un module de fusion de données multi-sources, un module de décision d’alerte précoce et de rétroaction, un module de stockage et de gestion sur plateforme cloud, ainsi qu’un module — d’interface d’interaction utilisateur ; le module de réseau de capteurs à fibre optique de transmission spatiale adopte un réseau distribué de réseaux à grille de Bragg en fibre optique (FBG), dans lequel les réseaux sont gravés à l’intérieur de microfibres à l’aide de la technologie d’écriture directe par laser femtoseconde, formant ainsi un réseau de capteurs multi-nœuds codé en longueur d’onde ; le module de modulation de signal optique adopte une technologie de modulation en longueur d’onde, réalisant le codage en longueur d’onde du signal optique par modulation directe du courant de commande du laser ; le module de démodulation et d’amplification de signal adopte un filtre F-P réglable basé sur un dispositif piézoélectrique en céramique PZT pour la démodulation de la longueur d’onde, et — utilise un algorithme de filtrage par correspondance pour améliorer le signal ; le module d'acquisition et de prétraitement des données utilise une carte d'acquisition synchrone multicanal pour assurer l’acquisition en temps réel des données, avec une fréquence d’échantillonnage ne devant pas être inférieure à 2000 Hz ; le prétraitement comprend un débruitage par ondelettes et une correction de ligne de base, et utilise un algorithme de filtrage de Kalman pour éliminer les artéfacts de mouvement ; le module d’extraction de caractéristiques et d'évaluation de la charge cognitive combine un modèle de regroupement spatio-temporel profond ISTDC, et utilise un auto-encodeur variationnel (VAE) pour extraire les caractéristiques spatio-temporelles des signaux EEG ; le module de fusion de données multi-sources fusionne les données multimodales sur la base de la théorie des preuves de Dempster-Shafer ; le module de décision d’alerte précoce et de rétroaction définit trois seuils d’alerte, et lorsque la charge cognitive dépasse ces seuils, alerte l'utilisateur par alarme sonore et lumineuse ainsi que par retour vibratoire ; le module de stockage et de gestion sur plateforme cloud utilise une base de données distribuée pour stocker les données historiques, avec prise en charge de l’accès à distance et de l'exploration de données ; le module d'interface d'interaction utilisateur est conçu avec une interface multimodale prenant en charge les opérations tactiles, vocales et gestuelles.
2. Le système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale selon la revendication 1, caractérisé en ce que le réseau de capteurs du module de réseau de capteurs à fibre optique de transmission spatiale est réparti sur la tête, le thorax et les membres, surveillant respectivement les signaux physiologiques de — l’électroencéphalogramme (EEG), de la variabilité de la fréquence cardiaque (HRV) et de la réponse électrodermale (EDA) ; la fibre optique est encapsulée dans un matériau composite en fibre de carbone, ce qui permet d'augmenter la résistance mécanique et de réduire la perte optique, une seule fibre optique pouvant couvrir une portée de 10 kilomètres.
3. Le système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale selon la revendication 1, caractérisé en ce que la formule de modulation du module de modulation de signal optique est la suivante : À = à, + AA f(t) où À, est la longueur d’onde centrale, A4 est le décalage en longueur d’onde, f(t) est le signal de modulation ; par la technologie de multiplexage en longueurs d’onde multiples, plusieurs signaux sont transmis simultanément dans une seule fibre optique, ce qui augmente la capacité du système.
4. Le système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale selon la revendication 1, caractérisé en ce que la formule de démodulation dans le module de démodulation et d’amplification de signal est la suivante : out = lin cos? (5) À où AL est la variation de la longueur de la cavité F-P, À est la longueur d’onde de la lumière — incidente ; le signal, une fois amplifié par un amplificateur à faible bruit, est converti en signal numérique par un convertisseur analogique-numérique (ADC).
5. Le système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale selon la revendication 1, caractérisé en ce que la formule de l’algorithme de filtrage de Kalman utilisée dans le module d'acquisition et de prétraitement des données est la suivante : Ar = Aîp-1 + Ky (Zn — HR) où A est la matrice de transition d’état, H est la matrice d’observation, K, est le gain de Kalman.
6. Le système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale selon la revendication 1, caractérisé en ce que la formule d'extraction des caractéristiques spatio-temporelles dans le module d’extraction de caractéristiques et d'évaluation de la charge cognitive est la suivante : L= Egcix)[logp(x|2)] — KL(q@|x)I|p(2)) où q(z|x) est la distribution postérieure approximative, p(z) est la distribution a priori ; un modèle de mélange gaussien variationnel bayésien (VBGMM) est utilisé pour l’analyse de regroupement, produisant un niveau de charge cognitive en sortie.
7. Le système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale selon la revendication 1, caractérisé en ce que la formule de synthèse des données multimodales dans le module de fusion de données multi-sources est la suivante : m(A) enen) MO pe = > m (B): m2(C) BNC=% où m(A) représente la distribution de probabilité de base du postulat A après fusion, intégrant les informations issues de différents capteurs, et reflétant le degré de confiance attribué au postulat A sous l’évidence fusionnée ; m,(B) et m;(C) sont respectivement les distributions de probabilité de base attribuées aux postulats B et C par différents capteurs, représentant la confiance de chaque capteur vis-à-vis des postulats respectifs ; m, et m, sont les distributions de probabilité de base de différents capteurs, K est le coefficient de conflit ; S Bnc=a M, (B) - m2 (C) représente la somme des produits des distributions de probabilité de base m (B) et m,(C) pour tous les postulats B et C dont l'intersection est A, constituant la partie clé du calcul de m(A) ; Yrnc=g M (B) * m2 (C) calcule la somme des produits m,(B) et m2(C)
pour tous les postulats B et C disjoints, permettant de déterminer le coefficient de conflit K ; en fusionnant les données EEG, HRV et EDA, la précision de l’évaluation est améliorée.
8. Le système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale selon la revendication 1, caractérisé en ce que le module de décision d’alerte précoce et de rétroaction adopte un mécanisme d’alerte imminent dit de “réponse par appel”, garantissant que l’information d'alerte parvienne directement à l’utilisateur et que celui-ci confirme sa réception ; en parallèle, le système transmet les données via Bluetooth à un terminal mobile, fournissant des recommandations d'intervention personnalisées.
9. Le système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale selon la revendication 1, caractérisé en ce que le module de stockage et de gestion sur plateforme cloud réalise une analyse des données en temps réel via des nœuds de calcul en périphérie, réduisant la charge de calcul du cloud ; la plateforme — fournit une interface de visualisation des données permettant aux utilisateurs et aux experts un suivi à distance ; dans le module d'interface d’interaction utilisateur, l’utilisateur visualise les données physiologiques en temps réel, les tendances historiques et les enregistrements d’alerte via l'interface, tout en disposant d’une entrée de notation subjective de l’effort mental pour assister à — l’étalonnage du système.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| BE20255620A BE1032593A1 (fr) | 2025-09-17 | 2025-09-17 | Système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| BE20255620A BE1032593A1 (fr) | 2025-09-17 | 2025-09-17 | Système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| BE1032593A1 true BE1032593A1 (fr) | 2025-11-27 |
Family
ID=97223418
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BE20255620A BE1032593A1 (fr) | 2025-09-17 | 2025-09-17 | Système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale |
Country Status (1)
| Country | Link |
|---|---|
| BE (1) | BE1032593A1 (fr) |
-
2025
- 2025-09-17 BE BE20255620A patent/BE1032593A1/fr unknown
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rydhmer et al. | Automating insect monitoring using unsupervised near-infrared sensors | |
| Buehler et al. | Real-time handheld multispectral optoacoustic imaging | |
| Kong et al. | Non-contact detection of oxygen saturation based on visible light imaging device using ambient light | |
| US7417727B2 (en) | Method and apparatus for standoff detection of liveness | |
| EP2858566B1 (fr) | Système d'imagerie multispectrale et procédé pour la mesure biométrique à distance de paramètres physiologiques humains | |
| Arpaia et al. | Soft transducer for patient’s vitals telemonitoring with deep learning-based personalized anomaly detection | |
| CN108599863B (zh) | 基于浅层cnn分类模型的架空输电线风舞监测预警系统及方法 | |
| EP2849646B1 (fr) | Dispositif et méthode de détection de mouvements respiratoires | |
| FR2951839A1 (fr) | Methode pour evaluer la ressemblance d'un objet requete a des objets de reference | |
| Li et al. | Insect flight velocity measurement with a CW near-IR Scheimpflug lidar system | |
| US20220108805A1 (en) | Health management apparatus and health management method | |
| CN108567433A (zh) | 一种多功能全光纤非侵入式的状态监测薄垫 | |
| Yu et al. | Dynamic heart rate measurements from video sequences | |
| Palavalli-Nettimi et al. | Miniaturisation reduces contrast sensitivity and spatial resolving power in ants | |
| EP3768154A1 (fr) | Méthode de génération d'un indicateur d'état d'une personne dans le coma | |
| BE1032593A1 (fr) | Système de mesure et d’alerte de charge cognitive multipoint basé sur un capteur à fibre optique de transmission spatiale | |
| FR3083346A1 (fr) | Procede et dispositif de surveillance de la capacite d'un membre d'equipage d'un aeronef | |
| FR2998158A1 (fr) | Procede et dispositif de surveillance a distance d'une pluralite de patients | |
| KR20230143407A (ko) | 심전도와 근전도를 이용한 사용자 식별 방법 | |
| Gao et al. | Deep Learning-Enabled Non-Invasive Human ECG and Long-Term Heart Rate Variability Monitoring and Matching with Sleep Stages Based on an Optical Fiber Sensor System | |
| CN1700881A (zh) | 用于读取从人皮肤反射的光辐射的装置和处理方法 | |
| CN113288134A (zh) | 用于训练血糖分类模型的方法、装置、手环设备及处理器 | |
| Baker | Infrared antenna-like structures in mammalian fur | |
| Neuhaus et al. | Simultaneous en-face imaging of multiple layers with multiple reference optical coherence tomography | |
| CN119112138A (zh) | 一种生命体征监测光纤传感器的监测系统 |