基于多生理参数的紧张情绪强度识别系统及信息处理方法技术方案

本发明专利技术属于情绪识别领域，尤其涉及基于多生理参数的紧张情绪强度识别系统及信息处理方法，包括离线训练和在线监测，所述离线训练包括诱发用户的紧张情绪、采集用户多生理信号和信号处理，信号处理包括预处理、特征提取和模式识别；预处理包括对脑电信号利用自适应滤波器抑制工频干扰、对心电、呼吸和皮电信号进行放大后，利用带通滤波器去除工频干扰，利用信息处理工具包截取有效数据。本发明专利技术有益效果：采集反映人体神经系统信息的中枢神经信号和自主神经信号，离线训练建立跨人或针对个体的分类模型并利用其对用户紧张情绪的强度进行实时识别检测，对过高强度的紧张情绪进行预警，全程存储用户的情绪生理信号,可以实时检测用户的紧张情绪强度。

【技术实现步骤摘要】
基于多生理参数的紧张情绪强度识别系统及信息处理方法
本专利技术属于情绪识别领域，尤其涉及于应用在特殊工作人群的基于多生理参数的紧张情绪强度识别系统及信息处理方法。
技术介绍
情绪识别是心理学和工程学等领域的研究热点，在人机交互、远程教育等方面具有广阔的应用前景，例如对某些特殊工作人群进行情绪检测与识别，有利于及时避免特殊工作人群的精神状态恶化；在人机交互过程中，对用户情绪状态的识别可有效地提升用户体验；在远程教育领域，实时的情绪识别有助于用户学习效果的提高等。目前，情绪识别的方法主要有两种：基于非生理信号(包括面部表情、语音或身体姿态等)的识别和基于生理信号(包括心电、脑电、呼吸和皮电等)的识别。虽然情绪识别作为多个领域的研究热点取得了许多成果，但是目前情绪识别的研究主要集中在对情绪类型的识别，例如对高兴、恐惧、悲伤等进行识别，很少有对单一情绪类型，特别是对紧张情绪的不同强度进行识别。在现实生活中，紧张情绪扮演着重要的角色，几乎每个人都有考试、面试、演讲过程中出现紧张情绪的经历，生活经验告诉我们，适度的紧张情绪可以集中注意力，提高任务的完成绩效，过度的紧张不仅会带来心跳急剧加速，手心冒汗等生理上的不良反应，更会影响任务的完成和目标的实现。在航天领域，航天员在执行在轨任务时，由于心理压力过大经常会出现不同强度的紧张情绪，一旦自我调节不当，极易出现任务完成失败的结果，给人力物力成本巨大的航天事业带来巨大损失。所以，针对不同强度紧张情绪的识别至关重要，极具应用价值。
技术实现思路
本专利技术对紧张情绪的强度进行识别，为民生和航天等领域在紧张情绪强度识别方面提供技术支持，本专利技术提供一种基于多生理参数的紧张情绪强度识别系统及信息处理方法，该方法识别率高，可有效提高航天员等特殊工作者的任务绩效。为了实现上述目的，本专利技术采用如下方案：基于多生理参数的紧张情绪强度识别系统，其特征在于，包括基本情绪诱发装置、用户多生理信号采集装置和信号处理装置，所述基本情绪诱发装置、所述用户多生理信号采集装置和所述信号处理装置依次连接；所述基本情绪诱发装置上设置有诱发视频材料，所述用户多生理信号采集装置采集脑电、心电、皮电和呼吸信号，所述信号处理装置，包括预处理模块、特征提取模块和模式识别模块，所述预处理模块、所述特征提取模块和所述模式识别模块依次连接。基于多生理参数的紧张情绪强度信息处理方法，其特征在于，包括离线训练和在线监测；其中，所述离线训练包括以下步骤：步骤一:诱发用户的紧张情绪，诱发方式采用视频材料；步骤二:采集用户多生理信号；步骤三:信号处理，包括预处理、特征提取和模式识别；所述在线监测包括以下步骤：步骤1：在线实时采集用户多生理信号，多生理信号与离线训练部分相同；步骤2：信号处理，包括预处理、特征提取和模式识别；预处理和特征提取的方法与离线训练部分相同，模式识别运用离线训练部分训练好的分类器；步骤3：预警，对识别后的紧张情绪强度进行判断，如果紧张强度超过设定的阈值则进行干预，如果没有则返回步骤1；步骤4：存储数据，记录用户的紧张情绪强度变化情况，为进一步的分析提供参考。进一步地，所述步骤二中多生理信号包括脑电、脑血氧、心电、皮电和呼吸信号。进一步地，所述步骤三中所述预处理包括：(a)对脑电信号利用自适应滤波器抑制工频干扰，运用独立分量分析(ICA)滤除眼电、肌电的干扰，利用信号处理工具包截取有效数据；(b)对心电、呼吸和皮电信号进行放大后，利用带通滤波器去除工频干扰，利用信号处理工具包截取有效数据。进一步地，步骤C中所述特征提取包括：(c)对于脑电信号，分析频域信息，利用功率谱估计Welch算法或者AR模型法计算脑电功率谱；(d)对于心电信号，利用变换分析方法或者QRS波检测方法得到心率变异性信号(HRV),提取HRV信号的时域特征和频域特征；(e)对于皮电信号，提取均值、标准差、一阶差分、一阶差分绝对值的平均值、二阶差分和二阶差分绝对值的平均值；(f)对于呼吸信号，提取多个时域特征以及多个频域特征。进一步地，步骤三中所述模式识别具体包括：(g)对多生理信号提取的特征优化选择后融合，特征优化采用基于支持向量机(SVM)的递归特征筛选算法；(h)根据最优特征组合对用户的紧张情绪强度采用人工神经网络或贝叶斯线性分类器或支持向量机进行训练，获得具有较高识别率的分类器。进一步地，所述信号处理工具包EEGLAB工具包进一步地，所述变换分析方法采用小波变换。进一步地，所述QRS波检测方法采用Pan-Tompkins算法。进一步地，所述提取多个时域特征以及多个频域特征具体指提取和这2个时域特征以及0～0.1Hz、0.1～0.2Hz、0.2～0.3Hz、0.3～0.4Hz频域特征。进一步地，所述递归特征筛选算法为基于支持向量机(SVM)的递归特征筛选算法。本专利技术的有益效果：采集反映人体神经系统信息的中枢神经信号(脑电)和自主神经信号(心电、呼吸和皮电)，离线训练建立跨人或针对个体的分类模型并利用其对用户紧张情绪的强度进行实时识别检测，对过高强度的紧张情绪进行预警，全程存储用户的情绪生理信号。本方法可以实时检测用户的紧张情绪强度，为航天员等特殊工作者执行任务时提供监护，避免因紧张情绪级别过高造成任务完成失败等后果，提高任务完成绩效。同时，存储用户的紧张情绪生理信号可用于分析任务设置的合理性以及用户的紧张情绪调控能力，有助于特殊工作者的选拔和训练。本方法也可用于在线学习，通过实时检测用户的紧张情绪强度，调整在线课程的教授方式和内容，提高在线学习者的学习效率，通过紧张情绪强度的反馈，评估使用者的心理状态。另外，本方法具有广阔的市场应用前景，可以利用本方法开发出一种基于多生理参数的紧张情绪强度识别系统，运用于游戏开发等领域。附图说明图1为本专利技术的基于多生理参数的紧张情绪强度识别系统的框图。图2是本专利技术的基于多生理参数的紧张情绪强度信息处理方法的流程图。具体实施方式下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述，参考在附图中示出并在以下描述中详述的非限制性示例实施例，更加全面地说明本公开的示例实施例和它们的多种特征及有利细节。应注意的是，图中示出的特征不是必须按照比例绘制。本申请省略了已知材料、组件和工艺技术的描述，从而不使本申请的示例实施例模糊。所给出的示例仅旨在有利于理解本公开示例实施例的实施，以及进一步使本领域技术人员能够实施示例实施例。因而，这些示例不应被理解为对本申请的实施例的范围的限制。图1为本专利技术的基于多生理参数的紧张情绪强度识别系统的框图。基于多生理参数的紧张情绪强度识别系统，包括基本情绪诱发装置、用户多生理信号采集装置和信号处理装置，基本情绪诱发装置、用户多生理信号采集装置和信号处理装置依次连接；基本情绪诱发装置上设置有诱发视频材料，用户多生理信号采集装置采集脑电、心电、皮电和呼吸信号，信号处理装置，包括预处理模块、特征提取模块和模式识别模块，预处理模块、特征提取模块和模式识别模块依次连接，系统采集反映人体神经系统信息的中枢神经信号(脑电)和自主神经信号(心电、呼吸和皮电)，离线训练建立跨人或针对个体的分类模型并利用其对用户紧张情绪的强度进行实时识别检测，对过高强度的紧张情绪进行预警，全程存储用户的情绪生理信号本文档来自技高网...

【技术保护点】
基于多生理参数的紧张情绪强度识别系统，其特征在于，包括基本情绪诱发装置、用户多生理信号采集装置和信号处理装置，所述基本情绪诱发装置、所述用户多生理信号采集装置和所述信号处理装置依次连接；所述基本情绪诱发装置上设置有诱发视频材料，所述用户多生理信号采集装置采集脑电、心电、皮电和呼吸信号，所述信号处理装置，包括预处理模块、特征提取模块和模式识别模块，所述预处理模块、所述特征提取模块和所述模式识别模块依次连接。

【技术特征摘要】
1.基于多生理参数的紧张情绪强度识别系统，其特征在于，包括基本情绪诱发装置、用户多生理信号采集装置和信号处理装置，所述基本情绪诱发装置、所述用户多生理信号采集装置和所述信号处理装置依次连接；所述基本情绪诱发装置上设置有诱发视频材料，所述用户多生理信号采集装置采集脑电、心电、皮电和呼吸信号，所述信号处理装置，包括预处理模块、特征提取模块和模式识别模块，所述预处理模块、所述特征提取模块和所述模式识别模块依次连接。2.基于多生理参数的紧张情绪强度信息处理方法，其特征在于，包括离线训练和在线监测；其中，所述离线训练包括以下步骤：步骤一:诱发用户的紧张情绪，诱发方式采用视频材料；步骤二:采集用户多生理信号；步骤三:信号处理，包括预处理、特征提取和模式识别；所述在线监测包括以下步骤：步骤1：在线实时采集用户多生理信号，多生理信号与离线训练部分相同；步骤2：信号处理，包括预处理、特征提取和模式识别；预处理和特征提取的方法与离线训练部分相同，模式识别运用离线训练部分训练好的分类器；步骤3：预警，对识别后的紧张情绪强度进行判断，如果紧张强度超过设定的阈值则进行干预，如果没有则返回步骤1；步骤4：存储数据，记录用户的紧张情绪强度变化情况，为进一步的分析提供参考。3.根据权利要求2所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，所述步骤二中多生理信号包括脑电、脑血氧、心电、皮电和呼吸信号。4.根据权利要求2或3所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，步骤三中所述预处理包括：(a)对脑电信号利用自适应滤波器抑制工频干扰，运用独立分量分析(ICA)滤除眼电、肌电的干扰，利用信号处理工具包截取有效数据；(b)对心电、呼吸和皮电信号进行放大后，利用带通滤波器...

【专利技术属性】
技术研发人员：周鹏，魏晋文，孙畅，刘爽，崔欢欢，孙士松，王学民，许敏鹏，綦宏志，明东，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12