1.一种人机系统中人的状态的识别方法，含有以下步骤：步骤1：传感器监测获得人在T到T+1时刻的动作Ah(T)，假设人的真实动作是Ah，而监测获得的动作是Ah’(T)；传感器获得T到T+1时刻机器的输出Sm(T)，以此来表示机器的状态，假设机器的真实输出是Sm(T)，而传感器获得的输出是Sm’(T)；因为现在的传感器的精度足够高，所以假设Ah(T)=Ah’(T)， Sm(T)=Sm’(T)；

步骤2：针对特定的场合，给出已有的分类器，对传感器给出的动作Ah和Sm进行分类，分类的标准采用人为确定，或者通过大量数据进行机器学习后获得,其中人的动作的权重是a，数据输出的权重是b；

a*Ah(T)+b*Sm(T)=Sh(T)在分类时给出Ah和Sm对应的人的某一种状态的可能性，对于可能性最高的状态的SK的概率确定为Pk，所有其他的状态的可能性也就是1‑Pk；截止到T+1时刻，已经得到了关于人的状态是关于SK的一个二元分布，P(SK)=Pk， =1‑Pk；

步骤3：在T+1时刻，系统对人发送一个测试信号，对应于特定的场合需要特殊处理，发送测试信号的目的是来增加或减少人是否处于SK这个状态的概率；

步骤4：传感器监测获得人在T+1到T+2时刻的动作Ah(T+1)，而监测获得的动作是Ah’(T+

1)；传感器获得T+1到T+2时刻机器的输出Sm(T+1)，以此来表示机器的状态，假设机器的真实输出是Sm(T+1)，而传感器获得的输出是Sm’(T+1)；

步骤5：将处理器获得的数据代入二项分布的似然函数得到测试后的处于SK状态的概率。