摘要：该研究探讨了不同助航灯光情境下飞行员认知负荷的识别方法。助航灯光是飞机在夜间和复杂气象进场着陆中的重要视觉辅助工具,其失效会增加飞行员的认知负荷,影响飞行安全。本研究采用模拟机实验,设计了助航灯光完好和失效两种情况下的夜航进近着陆任务,使用便携式心电设备和NASA-TLX量表,采集了被试飞行员的PPG信号和主观负荷评分,分析了助航灯光失效对飞行员认知负荷的影响。通过提取PPG信号的HRV特征,并对比多种机器学习算法,构建了对飞行员认知负荷能有效分类的模型。结果表明,助航灯光失效显著增加了飞行员的主观认知负荷。KNN模型在识别飞行员认知负荷方面表现出最高的准确性,达70.23%。本研究的结果强调了助航灯光对保障飞行安全的重要性,研究为飞行安全管理提供了重要数据和有效工具。