【技术实现步骤摘要】
基于改进遗传算法的心理压力评测分级方法
本专利技术涉及基于改进遗传算法的心理压力评测分级方法，属于心理压力分析
技术介绍
德国心理学家穆瑞在1968年提出了心理压力因素理论，以此为基础，瑞士心理学家爱德沃兹于1983年编制了PSTR(心理压力)量表。由于适度的心理压力有助于提高工作效率，而过度的心理压力会使得工作效果适得其反，严重的甚至影响身体健康，因此关注并分析相应人群的心理压力情况，有助于及时的采取措施进行调整，进而改善工作状态。在对心理压力进行评测分级时，压力作为研究的主导变量，很难直接进行定量描述，因此心理学家设计了PSTR量表。将受试者对PSTR量表的作答结果作为辅助变量，可以与主导变量建立反应模型，再运用遗传学、支持向量机方法等建模方法，可以将主观的PSTR压力量表转化成客观的压力软评测。现有压力评测与分级模型通常基于神经网络与支持向量机方法建立，这种模型受多项条件的制约，使得对于不同的受压群体，模型精度会受到很大的影响。
技术实现思路
针对现有心理压力分级方法对不同...
【技术保护点】
1.一种基于改进遗传算法的心理压力评测分级方法，其特征在于，包括以下步骤：/n步骤一：采集受试者的心电信号和皮肤电阻信号，对心电信号进行去噪滤波后获得待识别心电信号，再进行特征提取获得心电参数特征；同时对皮肤电阻信号进行去噪滤波后获得待识别皮肤电阻信号，再进行特征提取获得皮肤参数特征；/n步骤二：对心电参数特征和皮肤参数特征进行选择，获得压力评测特征；/n步骤三：基于改进遗传算法对压力评测特征进行权重分配，并与PSTR压力表进行映射，实现对受试者受压状态的压力分级。/n
【技术特征摘要】
1.一种基于改进遗传算法的心理压力评测分级方法，其特征在于，包括以下步骤：
步骤一：采集受试者的心电信号和皮肤电阻信号，对心电信号进行去噪滤波后获得待识别心电信号，再进行特征提取获得心电参数特征；同时对皮肤电阻信号进行去噪滤波后获得待识别皮肤电阻信号，再进行特征提取获得皮肤参数特征；
步骤二：对心电参数特征和皮肤参数特征进行选择，获得压力评测特征；
步骤三：基于改进遗传算法对压力评测特征进行权重分配，并与PSTR压力表进行映射，实现对受试者受压状态的压力分级。
2.根据权利要求1所述的基于改进遗传算法的心理压力评测分级方法，其特征在于，
所述步骤一中，心电参数特征包括心电信号时域特征、心电信号频域特征及心电信号非线性特征；皮肤参数特征包括皮肤电阻信号时域特征及皮肤电阻信号频域特征。
3.根据权利要求2所述的基于改进遗传算法的心理压力评测分级方法，其特征在于，
所述心电信号和皮肤电阻信号的去噪滤波包括：首先进行基线漂移矫正，采用LOWESS方法进行平滑滤波，对信号中每一个数据点的一个邻域内各点的数据，用一元七次多项式进行拟合，实现去除基线漂移；再利用陷波滤波器，滤除信号中的50Hz工频干扰。
4.根据权利要求3所述的基于改进遗传算法的心理压力评测分级方法，其特征在于，
所述心电信号时域特征中，正常窦性心搏单项的标准差SDNN为：
式中N为采集样本中正常心搏的总数，RRi表示第i个RR间期，meanRR表示第N个心搏的RR间期的平均值；
相邻R-R间期差值的均方根RMSSD为：
采样信号中相邻RR间期差值大于50ms的个数占所有R-R间期个数的百分比pNN50为：
式中NN为RR间期总数，NN50为采样信号中相邻R-R间期的差值大于50ms的个数；
相邻RR间期差值的标准差SDSD为：
5.根据权利要求4所述的基于改进遗传算法的心理压力评测分级方法，其特征在于，
所述皮肤参数特征中，均值为：
式中Xn表示皮肤电阻信号的第n个样本；
标准差Xstd为：
归一化为：
一阶差分dX为：
dX＝Xn+1-Xn，
一阶差分绝对值的均值为：
归一化信号的一阶差分绝对值均值为：
6.根据权利要求5所述的基于改进遗传算法的心理压力评测分级方法，其特征在于，
所述步骤三中，基于改进遗传算法对压力评测特征进行权重分配包括：
1)选择待评估的压力分级模型的压力评测特征参数；
2)对每个压力评测特征参数设定取值范围；
3)对每个压力评测特征参数在设定的取值范围内，产生N个均匀分布的独立随机数；
4)将N个独立随机数作为生理参数形成生理参数集...
【专利技术属性】
技术研发人员：张泽旭，乔衍迪，迟旭，
申请(专利权)人：哈尔滨工业大学，苏州点石仿真科技有限公司，
类型：发明
国别省市：黑龙;23
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。