基于信息增益与改良信赖域算法的模拟航天环境下个体精神状态的评价及预测方法

1.本发明属于计算数学与航空航天领域，特别涉及一种基于信息增益与改良信赖域算法的模拟航天环境个体精神状态的评价及预测方法。


背景技术：

2.当宇航员暴露于失重环境中时，失重视觉会改变人眼对颜色的感知从而造成一系列生理心理反应。
3.先前研究中航天器内部环境色彩对宇航员心理生理反应的模型建立以离散化为主，具有一定的局限性。本发明采用rgb连续型色彩模型，对环境中颜色的信号进行有效的编码，将有望找到最优的编码值。
4.已开展的一些头低位卧床研究中表明，头向体液分布是宇航员眼部问题和其他一些身体问题产生的主要原因，但不同角度的体位对宇航员体液分布的影响却没有被发现。
5.如何科学评估宇航员的生理心理状况，以及视觉、身体、精神三种因素对航天员精神状况的影响权重尚不清晰。宇航员最佳精神状态时的环境色彩与身体倾斜角度有待探究。
6.本研究搭建了基于unity3d的vr环境，屏幕分辨率为2160*1200，刷新频率为90hz,视角场为110 度，还原宇航员的生活环境，使结果可信度和科学性更高。


技术实现要素：

7.为实现在模拟航天环境下个体精神状态的评价和最优环境色彩及身体倾斜角度的预测，本发明利用小球追踪正确率及疲劳度交互量表数据两个指标反应个体精神状态的情况，并在此基础上通过改良信赖域算法找到宇航员精神状态最好时对应的环境色彩以及身体倾斜角度，具体是基于信息增益与改良信赖域算法的模拟航天环境下个体精神状态的评价及预测方法。
8.具体步骤如下：
9.步骤一、从宇航员中筛选健康的参与者，并让参与者熟悉实验流程，对其进行实验技能培训，使其能熟练掌握小球追踪、问卷交互填写任务技能。
10.步骤二、每名参与者以坐姿在d65光源环境下观看5min白屏以适应瞳孔反应，随后佩戴头戴式显示器平躺在可变换倾斜角度的床上，进行航天交互任务。
11.航天交互任务是指每名参与者在指定航天环境下完成三个疲劳程度量表和一个任务，疲劳度量表具体包括：视觉疲劳度量表、身体疲劳度量表和情绪疲劳度量表，任务为小球追踪测试。
12.指定环境是指vr头戴显示屏中26种渐变色彩下参与者7种不同姿态的场景。
13.具体场景情况：初始时刻床的倾斜角度为30
°
，每次实验床的倾斜角度减小5
°
，直至倾斜角度变为0。头戴式显示器中虚拟航天太空舱的颜色可进行变换，以色彩rgb的值进
行表示，从(5，5，5)开始，每次红、绿、蓝对应的数字都分别加10，直到rgb的值为(255,255,255)。这样将会采集每名参与者的7
ꢀ×
26组实验数据。
14.步骤三、针对每名参与者，在每种指定状态下(每种指定状态是指在特定倾斜角度及特定色彩下) 将分别进行对小球的追踪及疲劳度交互量表调查两组实验。
15.在实验正式开始时，有10个直径为2
°
视角的白色小球呈现在头戴式显示器的航天虚拟场景中，其中5个小球会闪动作为标记，停止闪动后，10个小球将不规则运动，运动10s后停止，参与者需要用手柄点击运动前标记过的5个小球。程序自动记录正确追踪的小球数目，并计算每个指定状态下追踪正确率，以用来衡量追踪能力即参与者精神状态。在某种程度上，追踪正确率从侧面反映了在该种指定状态下参与者的精神状态情况，追踪正确率越高，精神状态越好；反之，精神状态较差。然而，参与者的追踪正确率与其精神状态并不完全等同，这只是一个侧面体现；进一步地，我们采用问卷交互量表分别对参与者的视觉、身体、精神疲劳程度进行调查，必计算三种类别的疲劳程度与追踪正确率之间的信息增益比以得到不同类别疲劳程度对参与者精神状态的影响权重，并将其加权值作为参与者在该指定状态下的精神状态。
16.追踪小球任务结束后，头戴式显示器中呈现一份问卷供参与者利用手柄进行交互填写，以分别评估参与者在指定状态下的视觉疲劳、身体疲劳、情绪疲劳程度。
17.采集参与者在指定状态下三种类别的问卷数据，并利用信息增益的方法，根据三种类别(眼部、身体、情绪)的疲劳程度问卷结果对追踪小球正确率(即参与者的精神状态)影响的重要程度赋权，加权得到在指定状态下参与者的精神状态。
18.设宇航员回答的不同类别的问卷问题的答案为向量xi(i＝1，2，3)，由于每一类别的问卷含有5个问题，每道题有10个选项，记向量xi＝x
i1
，x
i2
，x
i3
，x
i4
，x
i5
}(x
ij
＝1，......，10)，将该组向量张成的度量空间记为 m＝span{x1，x2，x3}，它是完备的。在该巴拿赫空间m上定义范数及线性泛函f：
19.宇航员追踪小球是否正确记为随机变量y＝{0，1}，其信息熵记为h(y)，记wi＝f(xi)，ρ(wi)为wi 的概率密度函数，简记为ρi。这样p(y|wi)也是连续的，可以定义其概率密度函数为σi。条件熵记为h(y|ρi)，每一种类别问卷的信息增益为iz(ρi；y)，信息增益比为ir(ρi；y)，计算公式分别如下：h(y)＝-∑p(y)log2p(y)h(ρi)＝-∫
ω
ρ(wi)dwih(y|ρi)＝-∫
ω
ρ(wi)∫yσ(vi)log2σ(vi)dvidwiiz(ρi；y)＝h(y)-h(y|ρi)
20.步骤四、上述计算将得到三种类别问卷的信息增益比，将其放缩至[0，1]区间作为不同类别问卷的权重，计算其加权分数作为参与者在每种指定状态下的精神状态。求取所有参与者在一种指定状态下的精神状态值的算术平均值，得到7
×
26个参与者精神状态的数据，记为z值。
[0021]
步骤五、将倾斜角度记为a，颜色rgb组合值记为b，建立三维直角坐标系abz，并利用matlab的cftool 工具箱对数据进行拟合。
[0022]
得到拟合函数关系式，将三维函数表达式记为g(a，b，z)，采用烛光投影法将g(a，b，z)分别投影到 az平面、bz平面，定义az平面、bz平面，定义
[0023]
将z＝g(a，b)最大问题分解为z＝-g1(a)与z＝-g2(b)的最小值问题。
[0024]
步骤六、采用改进信赖域算法，选取初始参数η1＝0.05，η2＝0.75，r1＝0.5，r2＝2.0，取定为信赖域半径的上限，记初始信赖域半径设为：
[0025]
计算若||s1(k)||≤ε，停止迭代。g2(k)与g1(k)的作法相同，下面只对g1(k)的处理方法进行解释。
[0026]
接下来求解子问题：st.||d||≤rk式中bk为二次型对应矩阵，可求得解dk.
[0027]
计算的值。其中，δgk为g在第k步的实际下降量：δgk＝g
k-g(xk dk)δqk为对应的预测下降量：δqk＝qk(0)-qk(dk)
[0028]
根据上述算法预测得到宇航员精神状态最好时对应的姿态倾斜角度以及环境色彩。
[0029]
本发明的优点在于：
[0030]
一种基于信息增益与改良信赖域算法的模拟航天环境下个体精神状态的评价及最优预测方法，指标多，采用数学方法统计规律，实验误差小，评价及预测较为准确。
[0031]
一种基于信息增益与改良信赖域算法的模拟航天环境下个体精神状态的评价及最优预测方法，模拟航天环境，对被试者友好，舒适度高，避免了因其他因素导致的误差。
[0032]
一种基于信息增益与改良信赖域算法的模拟航天环境下个体精神状态的评价及最优预测方法，发明融合多种数学方法及人机交互方法，为人脑认知功能研究提供了精确的研究手段。
附图说明
[0033]
图1是本发明基于信息增益与改良信赖域算法的模拟航天环境个体精神状态的评
价及预测方法的流程图。
具体实施方式
[0034]
下面结合附图对本发明的具体实施方式作进一步详细说明。
[0035]
本发明是基于信息增益与改良信赖域算法的模拟航天环境个体精神状态的评价及最优预测方法，首先让参与者躺在与水平面成30度倾斜角度的床上，设置初始虚拟乘员舱环境色彩的rgb值为(5，5， 5)，并佩戴头戴式显示器进行航天交互式任务，记录初始状态下参与者的追踪小球正确率以及问卷交互量表数据；然后，逐次减小床的倾斜角度至0度，改变虚拟航天舱环境色彩(每次rgb三个维度值均加10)。
[0036]
本发明根据问卷交互量表中不同部位的疲劳数据与追踪小球正确率进行比较，运用信息增益算法计算每种部位疲劳程度对个体精神状态的影响程度；进而得到所有指定状态(不同倾斜角度记为a，环境色彩记为b)下个体的精神状态，并对其进行三维曲线拟合；再利用改良信赖域算法寻找预测到个体达到最佳精神状态时的指定状态。
[0037]
步骤一、从宇航员中筛选健康的参与者，并让参与者熟悉实验流程，能熟练掌握小球追踪、问卷交互填写任务技能。
[0038]
步骤二、参与者适应环境后佩戴头戴式显示器平躺在可变换倾斜角度的床上，进行航天交互任务。
[0039]
航天交互任务是指每名参与者在指定航天环境下完成三个疲劳程度量表和一个任务，疲劳度量表具体包括：视觉疲劳度量表、身体疲劳度量表和情绪疲劳度量表，任务为小球追踪测试。指定环境是指vr头戴显示屏中26种渐变色彩下参与者7种不同姿态的场景。将会采集每名参与者的7
×ꢀ
26组实验数据。
[0040]
步骤三、采集参与者在指定状态下三种类别的问卷数据，并利用信息增益的方法，根据三种类别 (眼部、身体、情绪)的疲劳程度问卷结果对追踪小球正确率(即参与者的精神状态)影响的重要程度赋权，加权得到在指定状态下参与者的精神状态。
[0041]
设宇航员回答的不同类别的问卷问题的答案为向量xi(i＝1，2，3)，由于每一类别的问卷含有5个问题，每道题有10个选项，记向量xi＝x
i1
，x
i2
，x
i3
，x
i4
，x
i5
}(x
ij
＝1，......，10)，将该组向量张成的度量空间记为 m＝span{x1，x2，x3}，在空间m中取任一cauchy数列都收敛于该空间，它是完备的。在该巴拿赫空间m上定义范数及线性泛函f：(此问题中n＝5)数及线性泛函f：(此问题中n＝5)
[0042]
问卷交互量表每一类别包括5个问题，诸如“干眼”，“腿部疲惫”，“烦躁”，每个问题的满分为 10分，从0分到10分情况严重程度递增。定义在空间m的线性泛函f的值域为(1，10)，对于每一位参与者，将其在某种指定状态下的某一类别问卷量表代入线性泛函f，都将得到该参与者在该种指定状态下的此类别部位疲劳程度值wi。统计所有参与者在该种指定状态下该类别部位疲劳程度值，并绘制概率密度函数ρ(ωi)，以下简记为ρi。
[0043]
宇航员追踪小球是否正确记为随机变量y＝{0，1}，其信息熵记为h(y)，概率密度
函数的信息熵记为h(ρi)，分别定义如下：h(y)＝-∑p(y)log2p(y)h(ρi)＝-∫
ω
ρ(wi)dwi[0044]
由于p(y|ωi)也是连续的，定义其概率密度函数为σi。条件熵记为h(y|ρi)，记vi的定义域为ω，ωi的定义域为y，计算公式如下：h(y|ρi)＝-∫
ω
ρ(wi)∫yσ(vi)log2σ(vi)dvidwi[0045]
每一种类别问卷的信息增益为iz(ρi；y)，信息增益比为ir(ρi；y)，计算公式分别如下：iz(ρi；y)＝h(y)-h(y|ρi)
[0046]
步骤四、由此可以得到三种类别(视觉、身体、情绪)的疲劳程度问卷结果对追踪小球正确率影响的重要程度，将得到的三个ir(ρi；y)值等比例放缩至[0，1]区间作为权值，进而针对每个参与者，利用三种类别问卷量表的加权计算得到在每种指定状态下参与者的精神状态。
[0047]
步骤五、求取所有参与者在每种指定状态(共7
×
26种指定状态)下的精神状态值的算术平均值，得到7
×
26组参与者精神状态的数据，记为z值。将倾斜角度记为a，颜色rgb组合值记为b，建立三维直角坐标系abz，使用工具箱对数据进行拟合。
[0048]
步骤六、对拟合函数运用改良信赖域算法迭代计算找到宇航员精神状态最佳的指定状态(身体倾斜角度及环境色彩)。选取初始参数η1＝0.05，η2＝0.75，r1＝0.5，r2＝2.0，0≤ε＜＜1.由于色彩的取值区间为[5，255]，最大半径r2＝2.0，故取定为信赖域半径的上限，记初始信赖域半径设为：
[0049]
计算若||s1(k)||≤ε，停止迭代。g2(k)与g1(k)的作法相同，接下来只对g1(k)的处理方法进行解释。
[0050]
接下来求解子问题：st.||d||≤rk上式中bk为二次型对应矩阵，可求得解dk.
[0051]
计算的值。其中，δgk为g在第k步的实际下降量：δgk＝g
k-g(xk dk)δqk为对应的预测下降量：δqk＝qk(0)-qk(dk)
[0052]
接下来求解校验因子以对信赖域半径进行校正并逐步迭代，记校验因子θk：
其中δfk＝f
k-f(xk dk)表示f在第k步的实际下降量，δqk＝qk(0)-qk(dk)表示对应的预测下降量。
[0053]
若θk＜0，则δfk＜0，xk dk不能作为下一个迭代点，校正(缩小)信赖域半径为r
k 1
＝r1rk并重新求解子问题；
[0054]
若θk接近于1，说明二次模型与目标函数在信赖域范围内有良好的近似，此时将x
k 1
：＝xk dk作为新的迭代点，校正(增大)信赖域半径为继续求解子问题；
[0055]
若θk为其它情况，信赖域半径r
k 1
＝rk保持不变。
[0056]
循环条件：若θk≤η1＝0.05，令x
k 1
：＝xk dk，并更新二次型矩阵b
k 1
，令k：＝k 1，转到求取s1(k)；否则，令x
k 1
：＝xk，并且k：＝k 1，转到求取s1(k)。
[0057]
综上，可以迭代找到拟合函数的z值最大位置坐标(a
*
，b
*
，z
*
)，进而得到宇航员具有最佳精神状态时的身体倾斜角度a
*
与环境色彩b
*
。