基于穿戴式心电信号的紧张情绪判别方法及其系统技术方案

本发明专利技术专利公开了一种基于穿戴式心电信号的紧张情绪判别方法及其系统，包括心电信号获取、心电信号滤波、心电信号特征提取及紧张情绪判别四个步骤，通过对采集到的心电信号滤波去噪后，提取特征值，采用支持向量机算法，随机选取特征值集合数据作为样本组，使用样本组对分类器进行训练，训练完成后，利用此分类器对所采集到的信号进行分类，实现紧张情绪的判别，提前做精神状况的判断，完成对生理和精神指标的有效检测。

A Method and System for Distinguishing Stress Based on Wearable ECG Signals

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，将有可能对机体造成不可逆转的损伤，甚至会有危险。在紧张的状态下，由于心交感神经兴奋，同时垂体肾上腺激素分泌增加，血液中的去甲肾上腺素和肾上腺素含量升高，导致了心率加快，心肌收缩力增加，外周总阻力升高等一系列心血管变化，这些变化在心电图上能够得到相应的反应，正常人平时心脏收缩时，波形是正常而有规律的；紧张时，由于心跳加快，波的间隔变窄；若紧张进一步加重、则心电图中的T波几乎完全消失(反映心室兴奋的恢复过程不正常)；心电图中的ST段抬高(通常和心脏肌钙蛋白水平升高有关)；解除紧张以后，波形又恢复正常。当应激状态持续时间较长或者应激反应强烈时还可能诱发应激性心肌病，此外在心血管急性事件的发生中，心理情绪应激已被认为是一个触发器，成为触发急性心肌梗死、心源性猝死的重要原因，因而如果能够通过获取心电信号来判断紧张情绪，将是对动态心电信号处理领域的又一大技术突破。
技术实现思路
本专利技术正是针对现有技术中的问题，提供了一种基于穿戴式心电信号的紧张情绪判别方法及其系统，包括心电信号获取、心电信号滤波、心电信号特征提取及紧张情绪判别四个步骤，通过对采集到的心电信号滤波去噪后，提取特征值，采用支持向量机算法，随机选取特征值集合数据作为样本组，使用样本组对分类器进行训练，训练完成后，此分类器可以用于分类所提取的心电信号，实现紧张情绪的判别，仅通过对于单一心电信号的采集与处理来达到提前对精神状况做出判断，完成对生理和精神指标的有效监测。为了实现上述目的，本专利技术采用的技术方案是：基于穿戴式心电信号的紧张情绪判别方法，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，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。作为本专利技术的一种改进，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。作为本专利技术的另一种改进，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。作为本专利技术的又一种改进，所述步骤S3中PT算法所涉及的低通滤波器为整系数，其中传递函数为：输出y(n)与输入x(n)的关系为：所述涉及的高通滤波器由全通滤波器减去低通滤波器构成，其中传递函数为：输出y(n)与输入x(n)的关系为：y(n)-y(n-1)＝-x(n)+x(n-16)-x(n-17)+x(n-32)。作为本专利技术的更进一步改进，所述步骤S3中PT算法还包括导数滤波器，所述导数滤波器为了增强了P波、T波和QRS的斜率，其传递函数为：输出y(n)与输入x(n)的关系为：还包括平方滤波器，所述平方滤波器进一步增强了P波、T波和QRS的斜率，凸显出Q波和S波，所述平方滤波器的输出y(n)和输入x(n)的关系为：y(n)＝x2(n)。为了实现上述目的，本专利技术还采用的技术方案是：基于穿戴式心电信号的紧张情绪判别系统，其特征在于包括：心电信号采集模块、心电信号滤波模块、心电信号特征提取模块及紧张情绪判别模块，所述心电信号采集模块用来采集心电信号，并将模拟信号转换为数字信号后传送至心电信号滤波模块进行待处理；所述心电信号滤波模块用于心电信号的去噪去干扰；所述心电信号特征提取模块用于提取心电信号中的特征值，随后通过紧张情绪判别模块，采用支持向量机算法，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，利用心电信号特征提取模块提取的信号特征作为测试组输入经过训练的分类器，得到该心电信号的分类结果。作为本专利技术的一种改进，所述心电信号采集模块包括心电信号前端采集装置和硬件信号处理装置，所述心电信号前端采集装置至少包括三个干性心电电极，所述干性心电电极由导电织物制成；所述硬件信号处理装置集成在传感器节点上，由心电信号的调理电路，微控制器模块，电源管理模块和蓝牙传输模块构成；将通过心电信号前端采集装置采集到的心电信号经过调理与滤波电路后微控制器对其进行A/D采样，将模拟信号转换为数字信号，并通过蓝牙将数据发送到终端进行数据处理。与现有技术相比，本专利技术专利的有益效果：1、对于紧张情绪的判别属于非线性类型的分类，SVM算法可以通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征本文档来自技高网...

【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