现代工业技术的飞速发展，使得人机系统变得越来越复杂。由于人脑接受和处理信息的能力有限，人机系统中的认知活动会对大脑带来认知负荷。适当的认知负荷是有助于提高学习效率，但过高的认知负荷却会适得其反。研究飞行模拟训练中的认知负荷情况可以有效指导飞行学员的训练。脑电信号因其具有采集设备便携和低成本等诸多优点而广泛用于认知负荷的评估，本文采用近似熵、小波包分解和希尔伯特-黄变化算法对模拟飞行中的脑电信号从不同角度进行分析，分析结果基本能够反映飞行学员认知负荷情况。
　　本文首先介绍了研究涉及的基本知识和实验情况。从脑电信号的微观形成机制、基本节律和生理特点几个方面描述了脑电基本知识，简要说明了大脑的功能分区。同时介绍了认知活动的机制、认知负荷理论起源和发展以及目前的主要观点。本文所述实验为常规五边模拟飞行实验，被试均来自于不同学习阶段的飞行学员，飞行场景包括晴朗和风雨模式，采集的脑电数据覆盖了模拟飞行的全程。
　　其次，以近似熵算法为核心、同时辅以统计学方法对脑电信号进行处理，总结了近似熵在飞行过程中的变化特点。从天气和受训情况的角度指出近似熵的差异，并进一步地观察到近似熵随受训时间的增加而逐渐上升的趋势，最终得到近似熵的近似上限阈值。研究发现，近似熵由于其处理随机信号的优势，是进行脑电数据分析的有效算法，研究结果表明近似熵能够在一定程度上反映认知负荷的情况。
　　最后，利用小波包分解和希尔伯特-黄变换两种算法从时频角度进行分析，归纳了各飞行阶段能量的典型变化特征，借助统计图表得到了基于大样本下的不同飞行段的能量分布规律，研究结果得到了支持向量机的方法的验证。此外，充分利用经验模态分解的优势，提出了定量评估认知负荷的基本方法，并利用经验模态分解展现其变化过程。