本发明涉及教育信息化技术，揭露了一种基于多模态信号的认知状态识别方法、装置、设备及介质。所述方法包括：对预处理的目标用户的脑电图及外周图像集合分别进行特征提取操作，分别得到第一特征序列及第二特征序列集合；基于第一特征序列进行通道自注意力权重配置及二维映射操作，得到第一映射特征序列；基于第二特征序列集合进行基于时间的多次线性投影注意力权重配置及一维映射操作，得到第二映射特征序列集合；将所述第一映射特征序列及所述第二映射特征序列集合映射至目标空间，得到多模态融合特征序列集合，并对所述多模态融合特征序列集合进行全连接分类判断，得到所述目标用户的高低阶认知状态识别结果。本发明可以提高对用户的高低阶认知状态识别的准确率。