认知负荷是指个体在学习知识或解决问题的过程中,由于大脑的信息加工而消耗的认知资源总量。适度的认知负荷可以使个体的任务完成效率最佳,若认知负荷水平过高,则会导致任务完成效率下降。因此,需要对认知负荷进行及时评估,将认知负荷水平控制在个体的最佳负荷范围内。脉搏波具有易采集、易分析的优点,其形态特征中蕴含了大量与认知负荷有关的自主神经系统活动的信息,可实现认知负荷的客观评估。本文提出了一种基于脉搏波形态特征的认知负荷客观评估方法,结合实际应用所需,实现了两个分类任务:一是对不同难度的任务所诱发的两种认知负荷状态的粗分类;二是对高负荷任务下的高负荷匹配水平及高负荷过压水平的细分类。本文的主要贡献及研究内容如下:（1）在信号的预处理及特征提取部分,本文通过周期筛选算法剔除异常周期,以解决脉搏波信号易受运动伪影干扰的问题,采用斜率最大点前后向遍历法及差分法来定位脉搏波特征点,以提升特征点识别的稳定性。根据提取得到的特征点,结合自主神经系统对心血管的调节机制,提出了一套多维脉搏波形态特征的提取方案。（2）在两种认知负荷状态的识别部分,针对脉搏波形态特征中存在的个体差异问题,本文进行了特征去基线处理,通过特征选择算法和分类算法,使用4维的最优特征组合,达到了82%的识别准确率。相比于未处理的特征,去基线处理后的特征的识别准确率最高提升了11.9%。对应的4维最优特征与心血管活动密切相关,表明反映心血管活动的指标可以很好的区分不同的认知负荷状态。与现有研究所用的特征组合相比,在同一维度下,本文所取形态特征具有更优的识别效果。（3）本文创新性地使用脉搏波的多维形态特征进行了高负荷任务下的认知负荷水平再分类,通过特征显著性检验及特征选择算法筛选出最利于分类的特征组合,并利用支持向量机分类器实现了两种认知负荷水平的识别,达到了95.3%的识别准确率。与现有研究提出的特征相比,本文所取形态特征更利于区分不同的认知负荷水平。