The patent of the invention discloses a method and system of tension discrimination based on wearable ECG signal, which includes four steps: ECG signal acquisition, ECG signal filtering, ECG signal feature extraction and tension discrimination. After filtering and denoising the collected ECG signal, the eigenvalues are extracted, and the set of eigenvalues is randomly selected as samples by using support vector machine algorithm. In this group, we use the sample group to train the classifier. After the training, we use this classifier to classify the collected signals, realize the discrimination of nervous mood, make mental judgment in advance, and complete the effective detection of physiological and mental indicators.
【技术实现步骤摘要】
基于穿戴式心电信号的紧张情绪判别方法及其系统所属领域本专利技术涉及动态心电信号处理领域,具体涉及一种基于穿戴式心电信号的紧张情绪判别方法及其系统。
技术介绍
在现代社会人们对于身体状况的实时监控需求日益增加,越来越多的人们希望能对自己的生理和精神状况有实时的监控与了解,以便在出现生理和精神问题时,可以得到提前预警以及及时的解决。随着科技的不断进步,现在对于身体生理指标的实时监测已经很成熟了,而精神方面的情绪识别还有待发展和研究,其中研究发现,心电信号与紧张情绪之间有很大的联系,人对应激反应的表现以及应激状态下的心电信号会发生相应的改变。紧张是人们在应激状态下的一种正常反应,所谓应激(stress)是指人或有机体在某种环境刺激的作用下所产生的一种适应环境的反映状态,即在一定的社会生活环境中,对一个人能产生影响的刺激和情境,被其感知到并作出主观评价后,就会产生相应的一些心理生理变化,从而对刺激做出相应的反应。如果这个刺激或情境需要人做出较大的努力去进行适应,甚至超出一个人所能负担的适应能力,这时就会出现应激。适度的应激可以调动全身各种功能,作出避开危险的反应,进而进行防御和适应代偿,在某些情况下应激还可以动员非特异适应系统,增强机体自身的适应能力,以上可以称为良性应激;此外还有对人体存在威胁的病理性应激,此种情况下机体的适应机制出现失代偿,不能及时应对应激原带来的刺激,从而导致机体代谢和内分泌的紊乱。总体来说,在应激状态下,生化系统发生激烈变化,肾上腺素以及各腺体分泌增加,身体活力增强,使整个身体处于充分动员状态,以应对意外的突变,长期处于应激状态,对人的健康不利, ...
【技术保护点】
1.基于穿戴式心电信号的紧张情绪判别方法,其特征在于包括以下步骤:S1,心电信号获取:通过穿戴衣采集心电信号,并将模拟信号转换为数字信号进行待处理;S2,心电信号滤波:将经过步骤S1处理后的数字信号采用基于小波变换的心电信号滤波,得到去噪的心电图信号,所述心电图信号具有时域特征和时间尺度特征,至少被划分为PTQRS波段;S3,心电信号的特征提取:采用经典PT算法通过两组噪声阈值和信号阈值交替判断,根据判断结果调整相应的水平参数,在下次判断时候根据水平参数调整下一次判断的两组阈值,循环直至信号被全部检测完毕;S4,紧张情绪判别:采用支持向量机算法来实现,利用已有数据库中数据作为样本组,使用样本组对分类器进行训练,训练完成后,利用步骤S3提取的信号特征作为测试组输入经过训练的训练器,可以完成对所提取的信号的分类。
【技术特征摘要】
1.基于穿戴式心电信号的紧张情绪判别方法,其特征在于包括以下步骤:S1,心电信号获取:通过穿戴衣采集心电信号,并将模拟信号转换为数字信号进行待处理;S2,心电信号滤波:将经过步骤S1处理后的数字信号采用基于小波变换的心电信号滤波,得到去噪的心电图信号,所述心电图信号具有时域特征和时间尺度特征,至少被划分为PTQRS波段;S3,心电信号的特征提取:采用经典PT算法通过两组噪声阈值和信号阈值交替判断,根据判断结果调整相应的水平参数,在下次判断时候根据水平参数调整下一次判断的两组阈值,循环直至信号被全部检测完毕;S4,紧张情绪判别:采用支持向量机算法来实现,利用已有数据库中数据作为样本组,使用样本组对分类器进行训练,训练完成后,利用步骤S3提取的信号特征作为测试组输入经过训练的训练器,可以完成对所提取的信号的分类。2.如权利要求1所述的基于穿戴式心电信号的紧张情绪判别方法,其特征在于所述步骤S2中时域特征和时间尺度特征至少包括Q、R、S峰振幅、平均值、最大值、最小值、标准差、P-Q间隔,Q-S间隔,S-T间隔的最大值最小值,平均值及标准差。3.如权利要求1所述的基于穿戴式心电信号的紧张情绪判别方法,其特征在于所述步骤S2中小波变换分为小波分解,阈值的设定和信号重构三个步骤,所述阈值的大小由下式更新:SPKI=0.125PEAKI+0.875SPKIifPEAKIissignalpeakNPKI=0.125PEAKI+0.875NPKIifPEAKIisnoisepeakTHRESHOLDI1=NPKI+0.25(SPKI-NPKI)其中,SPKI表示QRS波的波峰幅度;NPKI表示非QRS波的波峰幅度;THRESHOLDI1表示所检测峰值的阈值;如果所检测出的峰值大于THRESHOLDI1,被认为是SPKI,否则认为是NPKI。4.如权利要求2或3所述的基于穿戴式心电信号的紧张情绪判别方法,其特征在于所述步骤S3中PT算法所涉及的低通...
【专利技术属性】
技术研发人员:李潍,张琪,王宏博,古丽则巴·阿不都赛麦提,朱松胜,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。