认知负荷是指人们在执行相关任务时所需要提供的脑力资源量或认知资源的比例。认知负荷过高,会导致执行效率下降和失误率上升,在高危行业中容易导致事故发生;长期处于高认知负荷状态会阻碍人的身心健康发展。因此,对认知负荷的检测是必要的。目前,已有多种认知负荷的生理检测方式,如脑电图（EEG）、心电图（ECG）等,但这些检测方式大多在检测时具有不适感或检测周期较长。脉搏波含有人体丰富的生理信息,采集方式简单且设备轻便,适用于可穿戴设备实现对认知负荷的全天候监测。基于脉搏波检测认知负荷的方法主要采用形态学特征和脉率变异性特征。本文提出了一种基于脉搏波脉冲分量特征的认知负荷检测方法,降低了形态学特征的提取难度,缩短检测所需的时间。主要工作内容包括以下几方面:（1）搭建脉搏波信号采集系统,用于采集认知负荷实验参与者的脉搏波信号。其中,脉搏波信号采集系统的设计内容包括红外收发模拟电路设计、基于FPGA的数字采集与控制系统设计、实时交互界面开发三部分。认知负荷实验基于双刺激元N-Back实验范式,设置多个难度等级,引发受试对象产生不同的认知负荷水平。（2）在信号处理和特征提取上,本文给出了一套完整的脉搏波信号处理与脉冲分量提取方案。包括增强基点定位鲁棒性的最大斜率点逆序遍历算法、脉搏波自提取模板检测运动伪影噪声、高斯脉冲分量提取算法。通过上述方案提取出脉搏波信号的脉冲分量,在时域和频域上计算得到多个脉冲分量特征,作为认知负荷检测建模的数据集。（3）基于机器学习算法验证了脉冲分量特征在认知负荷检测上的有效性。利用统计学工具分析了不同认知负荷状态下的特征变化与分布差异;用多种分类器算法测试了脉冲分量特征在1min的检测窗口长度下的检测效果,得到71.94%的三分类检测准确率和81.35%的平均二分类检测准确率,比基于脉率变异性特征的检测方式提升20.38%和15.68%;同时具有较高的时间分辨率。在受试者独立检验中,当认知负荷水平差异较大时,能够获得大于70%的检测准确率,良好地克服个体差异性对检测结果的影响。