一种基于生理信号预测个体压力应对方式的系统和方法技术方案

本申请实施例公开了一种基于生理信号预测个体压力应对方式的系统和方法。该系统包括：生理信号采集模块，对个体生理信号进行采集，获取目标生理信号；信号预处理模块，对目标生理信号进行预处理，得到目标生理数据；特征提取模块，对目标生理数据进行特征提取，得到待处理特征；特征选择模块，对待处理特征进行选择，得到与压力应对方式关联度较大的目标特征参数集；分类器训练模块，通过目标特征参数集，对分类模型进行训练，建立压力应对方式模型；结果输出模块，根据压力应对方式模型，输出预测的个体压力应对方式。本技术方案，可以利用生理信号预测个体压力应对方式，能够更为客观地评估个体的压力应对方式，评估结果准确率高。高。高。

【技术实现步骤摘要】
一种基于生理信号预测个体压力应对方式的系统和方法


[0001]本申请实施例涉及心理测评
，尤其涉及一种基于生理信号预测个体压力应对方式的系统和方法。

技术介绍

[0002]心理压力是指一个人在觉察或认识到自己正面对着至关重要而又难以应对的环境情况时，产生一种倾向于通过各式各样的心理和生理反应而表现出来的心身紧张状态。压力应对方式是心理应激过程中一种重要调节机制，指一个人在面对压力期间处理应激情境、保持心理平衡的方式。
[0003]个体压力应对方式的评估具有重要意义，准确地识别人们的压力应对方式，一方面能够避免人长期过度暴露于压力情景下，从而减少其患病的风险；另一方面能为不同专业领域培养和选拔人才提供帮助。当前，压力应对方式的评估方法主要依靠问卷测评法。
[0004]采用问卷测评法，测评结果会受到主观心理意识的影响，测评结果准确率低。

技术实现思路

[0005]本申请实施例提供一种基于生理信号预测个体压力应对方式的系统和方法，利用生理信号预测个体压力应对方式，能够更为客观地评估个体的压力应对方式，评估结果准确率高。
[0006]第一方面，本申请实施例提供了一种基于生理信号预测个体压力应对方式的系统，该系统包括：
[0007]压力情景诱发模块、生理信号采集模块、信号预处理模块、特征提取模块、特征选择模块、分类器训练模块以及结果输出模块；
[0008]所述压力情景诱发模块，与所述生理信号采集模块连接，根据预先设定的图片数据诱发个体产生压力状态下的生理信号；/>[0009]所述生理信号采集模块，与所述信号预处理模块连接，利用生理信号采集设备对所述生理信号进行采集，得到目标生理信号，并将所述目标生理信号传输至所述信号预处理模块；
[0010]所述信号预处理模块，与所述特征提取模块连接，对所述目标生理信号进行去噪处理，得到目标生理数据，并将所述目标生理数据传输至所述特征提取模块；
[0011]所述特征提取模块，与所述特征选择模块连接，对所述目标生理数据进行特征提取，得到待处理特征，并将所述待处理特征传输至所述特征选择模块；
[0012]所述特征选择模块，与所述分类器训练模块连接，对所述待处理特征进行选择，得到与压力应对方式关联度较大的目标特征参数集，并将所述目标特征参数集传输至所述分类器训练模块；
[0013]所述分类器训练模块，与所述结果输出模块连接，通过所述目标特征参数集，对分类模型进行训练，建立压力应对方式模型；
[0014]所述结果输出模块，根据所述压力应对方式模型，输出预测的个体压力应对方式；其中，所述压力应对方式包括成熟型、不成熟型和混合型。
[0015]第二方面，本申请实施例提供了一种基于生理信号预测个体压力应对方式的方法，该方法包括：
[0016]根据预先设定的图片数据诱发个体产生压力状态下的生理信号；
[0017]利用生理信号采集设备对所述生理信号进行采集，得到目标生理信号；
[0018]对所述目标生理信号进行去噪处理，得到目标生理数据；
[0019]对所述目标生理数据进行特征提取，得到待处理特征；
[0020]对所述待处理特征进行选择，得到与压力应对方式关联度较大的目标特征参数集；
[0021]通过所述目标特征参数集，对分类模型进行训练，建立压力应对方式模型；
[0022]根据所述压力应对方式模型，输出预测的个体压力应对方式；其中，所述压力应对方式包括成熟型、不成熟型、和混合型。
[0023]本申请实施例所提供的技术方案，压力情景诱发模块，根据预先设定的图片数据诱发个体产生压力状态下的生理信号；生理信号采集模块，利用生理信号采集设备对生理信号进行采集，得到目标生理信号；信号预处理模块，对目标生理信号进行去噪处理，得到目标生理数据；特征提取模块，对目标生理数据进行特征提取，得到待处理特征；特征选择模块，对待处理特征进行选择，得到与压力应对方式关联度较大的目标特征参数集；分类器训练模块，通过目标特征参数集，对分类模型进行训练，建立压力应对方式模型；结果输出模块，根据压力应对方式模型，输出预测的个体压力应对方式。本技术方案，可以利用生理信号预测个体压力应对方式，能够更为客观地评估个体的压力应对方式，评估结果准确率高。
附图说明
[0024]图1是本申请实施例一提供的基于生理信号预测个体压力应对方式的系统的结构示意图；
[0025]图2是本申请实施例二提供的基于生理信号预测个体压力应对方式的方法的流程图。
具体实施方式
[0026]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
[0027]在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0028]实施例一
[0029]图1是本申请实施例一提供的基于生理信号预测个体压力应对方式的系统的结构示意图，本实施例可适用于对个体压力应对方式进行预测的情况，该系统可集成于用于个体压力应对方式预测的智能终端等设备中。
[0030]如图1所示，所述基于生理信号预测个体压力应对方式的系统包括：
[0031]压力情景诱发模块110、生理信号采集模块120、信号预处理模块130、特征提取模块140、特征选择模块150、分类器训练模块160以及结果输出模块170；
[0032]所述压力情景诱发模块110，与所述生理信号采集模块120连接，根据预先设定的图片数据诱发个体产生压力状态下的生理信号；
[0033]所述生理信号采集模块120，与所述信号预处理模块130连接，利用生理信号采集设备对所述生理信号进行采集，得到目标生理信号，并将所述目标生理信号传输至所述信号预处理模块130；
[0034]所述信号预处理模块130，与所述特征提取模块140连接，对所述目标生理信号进行去噪处理，得到目标生理数据，并将所述目标生理数据传输至所述特征提取模块140；
[0035]所述特征提取模块140，与所述特征选择模块150连接，对所述目标生理数据进行特征提取，得到待处理特征，并将所述待处理特征传输至所述特征选择模块150；
[0036]所述特征选择模块150，与所述分类器训练模块160连接，对所述待处理特征进行选择，得到与压力应对方式关联度较大的目标特征参数集，并将所述目标特征参数集传输至所述分类器训练模块160；
[0037]所述分类器训练模块160，与所述结果输出模块170连接，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生理信号预测个体压力应对方式的系统，其特征在于，所述系统包括压力情景诱发模块、生理信号采集模块、信号预处理模块、特征提取模块、特征选择模块、分类器训练模块以及结果输出模块；所述压力情景诱发模块，与所述生理信号采集模块连接，根据预先设定的图片数据诱发个体产生压力状态下的生理信号；所述生理信号采集模块，与所述信号预处理模块连接，利用生理信号采集设备对所述生理信号进行采集，得到目标生理信号，并将所述目标生理信号传输至所述信号预处理模块；所述信号预处理模块，与所述特征提取模块连接，对所述目标生理信号进行去噪处理，得到目标生理数据，并将所述目标生理数据传输至所述特征提取模块；所述特征提取模块，与所述特征选择模块连接，对所述目标生理数据进行特征提取，得到待处理特征，并将所述待处理特征传输至所述特征选择模块；所述特征选择模块，与所述分类器训练模块连接，对所述待处理特征进行选择，得到与压力应对方式关联度较大的目标特征参数集，并将所述目标特征参数集传输至所述分类器训练模块；所述分类器训练模块，与所述结果输出模块连接，通过所述目标特征参数集，对分类模型进行训练，建立压力应对方式模型；所述结果输出模块，根据所述压力应对方式模型，输出预测的个体压力应对方式；其中，所述压力应对方式包括成熟型、不成熟型和混合型。2.根据权利要求1所述的系统，其特征在于，所述目标生理信号包括目标脑电信号和目标心电信号、目标皮电信号以及目标肌电信号中的至少一种。3.根据权利要求2所述的系统，其特征在于，所述生理信号采集模块，具体用于：通过脑电信号采集单元对所述生理信号进行采集，得到目标脑电信号；以及，通过心电信号采集单元对所述生理信号进行采集，得到目标心电信号；以及，通过皮电信号采集单元对所述生理信号进行采集，得到目标皮电信号；以及，通过肌电信号采集单元对所述生理信号进行采集，得到目标肌电信号。4.根据权利要求2所述的系统，其特征在于，所述信号预处理模块，具体用于：利用基线校正、滤波处理、独立成分分析法、小波变换以及频谱分析法对目标脑电信号进行处理，得到目标脑电数据；以及，利用滤波处理、小波变换和频谱分析法对目标心电信号进行处理，得到目标心电数据；以及，利用滤波处理和小波变换对目标皮电信号以及目标肌电信号进行处理，得到目标皮电数据以及目标肌电数据。5.根据权利要求1所述的系统，其特征在于，所述待处理特征包括待处理脑电特征、待处理心电特征、待处理皮电特征以及待处理肌电特征；其中，所述待处理脑电特征包括脑电时域特征、脑电频域特征和脑电非线性特征；所述待处理心电特征包括心电时域特征和心电频域特征；所述待处理皮电特征包括皮电时域特征、皮电频域特征、皮电非线性特征；所述待处理肌电特征包括肌电时域特征、肌电频域特征和肌...

【专利技术属性】
技术研发人员：刘发瑞，梁佩鹏，王军凯，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：