CN102302365A - 人体精神压力脑电测量及放松训练的方法与装置 - Google Patents

Abstract

一种人体精神压力脑电测量及放松训练的方法与装置。本发明的装置包括脑电采集电极、预处理单元、模数转换单元、中心控制单元和耳机。本发明的方法采集初始脑电数据；计算SI(0)；提供引导呼吸参数；记录呼吸参数；采集脑电数据；计算SI；判断SI是否减小；保持M(i)不变；(9)调整呼吸参数。本发明的方法能够更好地反映使用者精神压力，准确度高，实时性好；本发明的装置需要的电极少，安装方便；采集电路等硬件结构部分简单，造价很低。本发明实现了一种精神紧张或精神压力的无创伤定量评估方法和基于此的一种精神压力放松训练装置，对人体的精神压力一定的舒缓作用。

Description

人体精神压力脑电测量及放松训练的方法与装置

技术领域

本发明属于生物医学技术领域，更进一步涉及一种在医学信号的采集与数据处理技术领域中，对人体精神压力的脑电测量及放松训练的方法和装置。本发明的方法是通过对人脑进行无创伤脑电信号提取、分析单通道脑电图，定量确定衡量精神压力的压力指数。本发明的装置根据压力指数的变化趋势，自适应地引导受试人员以更合理的呼吸参数进行呼吸，通过受控呼吸增强副交感神经活性，在其他神经机制的配合下最终达到降低受试人员的压力指数、放松心情，去除焦虑的目的。

背景技术

随着现代社会的快速发展，生活和工作的节奏越来越快，对有限资源的争夺导致激烈的竞争使人们感受到的无形压力也越来越大了。长时间的情绪紧张或精神压力会导致多种生理或精神方面的疾病，如高血压、抑郁症、焦虑症等。新近的临床研究表明，长期承受压力的人更易于患病毒性或非病毒性疾病，甚至呼吸道感染都与精神紧张存在着某种关联。显然，通过方便、便宜、有效的方法定量测量精神压力的大小进而设法缓解情绪紧张和焦虑，对生活在现代社会中的人来说，具有越来越重要的意义。

对精神压力大小的获知，可以为解除其精神压力提供科学依据。目前，在评估精神压力方面被广为接受的传统方法是心理学意义上的自评紧张度量表(checklist)。通过量表测定不同职业类型人群承受的精神压力的主观表现，受填表人的主观因素影响过大，对人体各器官实际承受的压力的定量测量不够准确，而且主观的定量测量结果也无法直接反馈训练系统。随着近年计算机和信号处理技术的发展，建立在心率变异(heart rate variability，HRV)信号采集和分析基础上的呼吸性窦性心率不齐(respiratory sinus arrhythmia，RSA)也被用来评估精神压力。

在受到精神压力时，在中枢神经的支配下，人体应对的主要方式包括“应激反应”和“松弛反应”两类，这两类反应的强弱对比主要取决于自主神经系统(autonomicnervous system，ANS)的交感神经和副交感神经活动的强弱对比。应激反应的表现通常为心率血压增加、血糖皮温升高、消化系统功能抑制等。交感神经活动强时表现为应激反应，副交感神经活动强时表现为松弛反应。呼吸参数会明显影响交感神经和副交感神经的活动。具体而言，在静息状态下吸气时，副交感神经的活动被相对抑制，交感神经活动处于支配地位，其典型生理表现为心率上升；反之，呼气时，副交感神经活动处于支配地位，其典型生理表现为心率下降。心率的变化与呼吸参数之间的这种关系被称为呼吸性窦性心率不齐。如果定义两次心跳间的时间间隔为“间期”，理想情况下，通过测量吸气和呼气时逐拍心跳的间期，就可间接衡量人体交感神经和副交感神经的活动水平。

赫利科尔公司拥有的专利技术“用于缓解精神压力的方法和装置”(公开号CN1968727A，授权号CN 1968727B)提供了一种精神压力的测量方法与呼吸训练放松装置。该专利技术通过测量人体RSA波信号，间接测量出人体交感神经和副交感神经的活动水平，进而通过调节人体的呼气和吸气的节奏，来达到调节心率，降低精神压力的目的。

中国人民解放军空军第四研究所和北京泰达新型医学工程技术有限公司在其专利申请文件“反馈型腹式呼吸训练仪”(公开号CN1559342A，申请号200410039589.2)中，提出了一种精神压力的测量方法与腹式呼吸的训练装置。该专利申请通过测量人体心电、呼吸、血压和血氧饱和度，由心电和呼吸波计算呼吸性窦性心率不齐定量表达式，连同心率、血压和血氧饱和度作为反馈参数以视觉和/或听觉方式显示给受训者，同时引入了腹式呼吸的方法，进而通过调节人体的呼气和吸气的节奏，来达到调节心率，缓解精神压力的目的。

上述两种专利技术的测量方法存在的共同不足是：第一，通常精神压力会同时作用于人的中枢神经系统(central nervous system，CNS)和自主神经系统ANS，但是，ANS的感受与反应是被动的、从属的。许多人虽然精神压力很大，但在心跳和血压的评估指标反映并未明显升高，交感神经和副交感神经的活动水平并没有明显的改变。换言之，交感神经和副交感神经的活动水平并不直接反映精神压力水平。第二，尽管呼吸中吸气和呼气的确会导致心率的改变形成RSA现象，但这与精神压力存在何种关系还待研究。比如，较低级哺乳动物呼吸中吸气和呼气都与人一样会导致RSA现象，但这些动物并不存在人类特有的精神压力。显然，通过测量RSA确定精神压力并不完全合理。

上述两种专利技术提供的测量和训练装置存在共同不足是：由于不少人存在早搏等多种情况的心率不齐，加之采集信号时存在的多种干扰，从HRV信号中提取RSA事实上也是很不可靠的。人体的心率大致在每分钟70次左右，从心电图ECG中提取HRV信号时，大致每秒才能得到一个数据点，一个呼吸周期中仅能测到大约4～10个数据点，在4～10s内一两个早搏或其他干扰点就会对分析结果产生很大影响。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种精神压力的客观定量测量方法，并在此基础上，给出一种个性化的呼吸节律自适应神经反馈引导下的放松训练装置。本发明实现了一种精神紧张或精神压力的无创伤定量评估方法和基于此的一种精神压力放松训练装置，对当前亚健康人群或学生、运动员、白领等在重要考试、比赛、答辩前夕存在的精神压力有一定的舒缓作用，在认知心理学研究中也有重要的应用价值。

本发明的装置包括脑电采集电极、预处理单元、模数转换单元、中心控制单元和耳机，其中：

所述的脑电采集电极用于采集人体脑电信号，各电极通过屏蔽线与预处理单元相连；所述的预处理单元中的放大电路用于对信号进行功率放大，滤波电路用于对信号进行滤波，工程陷波电路用于去除脑电信号中交流电带来的频率干扰，预处理单元通过屏蔽线与模数转换单元相连；所述的模数转换单元用于对采集到的模拟信号进行采样，通过屏蔽线与中心控制单元相连；所述的中心控制单元实现整个装置的工作控制，用于处理脑电数据，计算精神压力指数，提供呼吸参数，根据该参数提供音频信号给使用者，使用者根据音频时长自主调整呼吸时间长度。

本发明方法实现的具体步骤如下：

(1)采集初始脑电数据

1a)脑电采集电极连续采集使用者在正常呼吸状态下7s的单通道脑电信号；

1b)预处理单元对采集到的单通道脑电信号进行放大、滤波和工程陷波；

1c)模数转换单元对采集到的单通道脑电模拟信号进行采样，得到初始脑电数据。

(2)计算SI(0)

2a)中心控制单元对脑电数据使用模极大值法和信号重构方法剔除脑电中的干扰；

2b)中心控制单元对剔除干扰后的脑电数据进行小波包分解，得到α波；

2c)中心控制单元利用高级复杂度计算方法，对α波进行非平稳混沌特性分析，得到α波的高级复杂度的值，该值作为精神压力指数SI，将首次得到的正常呼吸下的SI记做SI(0)。

(3)提供引导呼吸参数

中心控制单元提供呼吸参数引导使用者呼吸，其中，3KHz的音频频率为引导吸气的参数，3s为吸气的时间参数，1.5KHz的音频频率为引导呼气的参数，3s为引导呼气的时间参数，无音频输出为呼吸停顿的参数，1s为停顿的时间参数。

(4)记录呼吸参数

中心控制单元记录使用者当前在装置引导下的呼吸参数M(i)(i＝1，2，3……)，M(i)包括吸气、呼气、停顿三个过程的频率参数和时间参数，首次呼吸参数的记录中，记录的是引导呼吸参数，记做M(1)。

(5)采集脑电数据

脑电采集电极连续采集使用者在步骤(4)中记录的呼吸参数M(i)下包括吸气、呼气、停顿一个完整过程的单通道脑电信号，预处理单元对脑电信号进行预处理，模数转换单元对采集到的单通道脑电模拟信号进行采样，得到脑电数据。

(6)计算SI

对脑电数据进行去噪，小波包分解，提取α波，计算器高级复杂度，计算出使用者在当前呼吸参数M(i)下的精神压力指数SI(i)，i＝1，2，3……。

(7)判断SI是否减小

将当前呼吸参数周期和上一呼吸参数周期的精神压力指数做比较，判断SI是否减小：如果SI减小，则跳转至步骤(8)；如果SI没有减小，则跳转至步骤(9)。

(8)保持当前呼吸参数M(i)不变，i＝i+1，并跳转至步骤(4)。

(9)调整呼吸参数

9a)判断SI在M(i)下首次变差

判断使用者的精神压力指数是否在当前呼吸参数下首次变差：如果是首次变差，则跳转至9b)；如果不是首次，则跳转至9c)；

9b)判断是否首次使用引导呼吸

判断使用者当前是否首次使用引导呼吸参数：如果是，则跳转至步骤(8)；如果不是，则跳转至步骤9d)；

9c)判断上次呼吸参数是否是步进递减吸气：如果是，则跳转至步骤9e)；如果不是，则跳转至步骤9f)；

9d)退回上次呼吸模式M(i-1)，i＝i+1；并跳转至步骤(4)；

9e)检查当前呼吸参数的呼气时间是否大于等于9s：如果大于等于9s，则跳转至步骤9d)；如果小于9s，则跳转至步骤9g)；

9f)检查当前呼吸参数的吸气时间是否小于等于1s：如果小于等于1s，则跳转至步骤9e)；如果大于1s，则跳转至步骤9h)；

9g)步进递增呼气时间，i＝i+1，跳转至步骤(4)；

9h)步进递减吸气时间，i＝i+1，跳转至步骤(4)。

本发明与现有技术相比具有以下优点：

第一，本发明采用电极采集单通道脑电数据，相对于现有的RSA技术，本发明的脑电采样数据采样点远远多于现有技术的心电采样数据，能够更好地反映使用者精神压力，准确度高，实时性好；相对于一般的脑电波采样技术，电极少，安装方便；采集电路等硬件结构部分简单，造价很低。

第二，本发明采用了小波包分解处理脑电数据，避免了现有技术小波分解时时频固定的缺陷。小波包分解具有任意多尺度特点，为时频分析提供了极大的选择余地。

第三，本发明采用的脑电分析方法和精神压力特征提取方法，将包括小波包分解、宏观复杂度分析、高级复杂度分析等多种方法结合起来，更适应脑电信号的非线性、非平稳本质，更符合大脑的混沌性质，测试得到的精神压力指标更准确。

第四，本发明采用了自适应的呼吸调节策略。中心控制单元中的呼吸调整策略在比较了最近的两次精神压力指数后，即可自适应确定呼吸参数的调节方向，有利于最佳呼吸参数的搜索。

附图说明

图1为本发明装置的方框图；

图2为本发明方法的流程图；

图3为本发明方法小波包分解的母小波Daubechies函数波形图；

图4为现有技术中单通道采集的脑电波形图；

图5为本发明装置从图4所示的单通道脑电数据中提取的α波数据的波形图。

具体实施方式

参照图1，本发明装置包括脑电采集电极、预处理单元、模数转换单元、中心控制单元和耳机五部分，其中：脑电采集电极采用Ag/Cl圆盘电极，各电极通过屏蔽线与预处理单元相连。预处理单元是由脑电放大电路、脑电滤波电路、50Hz工频陷波电路等三个部分的电路组成。预处理单元的脑电放大电路其增益为110dB，时间常数为0.1s，分辨率为0.5μV，噪声小于2.5μV_p-p；预处理单元的脑电滤波电路其通带为0.7Hz到75Hz；预处理单元通过屏蔽线与模数转换单元连接。模数转换单元的转换精度为12位，采样率设置为256Hz，模数转换单元通过屏蔽线与中心控制单元连接。

本发明装置的实施例是由CPU为C8051F020的单片机作为中心控制单元。C8051F020单片机内部集成了一个12位数模转换器、5个通用16位定时器、内部可编程振荡器、低功耗128字节的非易失数据存储以及输入输出资源。扩展系统中还包含64K的随机存取存储器RAM和64K的只读存储器ROM。整个装置由4节干电池供电，其中一路经过3V三端稳压作为C8051F020单片机的电源。该单片机的随机存取寄存器RAM中可存储脑电数据，只读存储器ROM中，固化有剔除脑电干扰的程序、小波包脑电分解程序、高级复杂度计算程序、呼吸参数调整的策略程序。

参照图2，本发明精神压力测量和放松训练方法的具体实施方式如下：

步骤1，采集初始脑电数据

将脑电采集电极放置在使用者额部待测脑电信号的对应位置，参考电极以夹子的形式放置于两耳。

1a)脑电采集电极连续采集使用者在正常呼吸状态下7s的单通道脑电信号；

1b)预处理单元对采集到的单通道脑电信号进行放大、滤波和工程陷波，放大的增益为110dB，时间常数为0.1s，分辨率为0.5μV，噪声小于2.5μV_p-p，所述滤波的通带范围为0.7Hz～75Hz；

1c)模数转换单元对采集到的单通道脑电模拟信号进行采样，得到初始脑电数据，采样频率为256Hz，存储在单片机的随机存取存储器RAM内。

步骤2，计算SI(0)

2a)中心控制单元对脑电数据使用模极大值法和信号重构方法剔除脑电中的干扰单片机只读存储器ROM中的程序对进入该RAM的脑电数据用模极大值法和信号重构剔除脑电中的干扰，主要包括以下过程：

模极大值法是指对步骤1中得到的含有噪声的初始脑电数据进行二进小波变换，计算各个尺度下的离散小波变换，取离散小波变换数据的模值，求出该尺度上离散序列中所有的模极大值，剔除其中含有噪声的模极大值，保留只含有脑电信息的模极大值。

由于在进行二进小波变换时，含有人体脑电信息的数据，其模极大值会随着尺度的增大而增大，而噪声的模极大值会随着尺度的增大而减小，噪声的这种传播特性称为负向传播特性，根据该特性，先对脑电数据进行二进小波变换，然后在各尺度上取模极大值，剔除其中负向传播的模极大值，保留剩下的模极大值，用于进行信号重构。

信号重构方法实现的具体步骤如下：对由模极大值法保留的只含有脑电信息的模极大值数据进行信号重构，求出重构后的小波系数；利用重构得到的小波系数，对经过小波分解的脑电数据进行小波逆变换，得到去噪后的脑电数据。

小波系数重构的方法有很多种，如交替投影法、整体变分法，本发明的实施例使用Hermite三次插值法，该方法是一种常用的方法，实现简单，重构效果比较好。用Hermite三次插值法对保留下来的模极大值进行小波系数重构，经过Hermite三次插值后，得到了新的小波系数。利用新的小波系数，进行小波逆变换，就得到了去噪后的脑电数据。

2b)中心控制单元对剔除干扰后的脑电数据进行小波包分解，得到α波：单片机只读存储器ROM中的程序对进入该RAM的脑电数据进行小波包分解，其方法如下：

由于脑电数据的采样率为f_s＝256Hz，选择Daubechies紧支小波包对去噪后的脑电数据进行7层分解。根据卷积定理，脑电波的带宽为采样频率的一半，即0～128Hz。对脑电波进行七层小波包分解，在脑电信号频带范围内对其先进行1次1/2等分，然后对经过1/2等分后的2个频带再分别进行1/2等分，依此方法对频带进行7次1/2等分，把脑电数据在频带范围内划分为128等分，且互不重叠。其最小频率分辨率为

$\mathrm{\Δf}=\frac{1}{2^{7+1}}{f}_s=1\mathrm{Hz}$

其中，Δf为最小频率分辨率，f_s为脑电数据的采样率。

利用α波的频率范围和小波包分解的频率结构可得到脑电的α波成分：因为α波的频率为8～13Hz，将8Hz～13Hz之间的频段数据相加，就得到了α波数据，其方法如下所示：

$S=\underset{i=1}{\overset{128}{\mathrm{\Σ}}}s\left(i\right)$

其中，S为去噪后的脑电数据，s(i)，i＝1，2，3，……，128为7层小波分解以后的各频段的数据，α波数据表示为：

$\mathrm{\α}=\underset{i=9}{\overset{14}{\mathrm{\Σ}}}s\left(i\right)$

其中，α表示α波数据，s(i)表示频率为(i-1)～i Hz的序列，i＝9，10，……，14。

因为s(i)表示频率为(i-1)～i Hz的序列，而α波数据的频率范围为8～13Hz，所以α波数据应表示为s(i)序列从9～14的累加。

2c)中心控制单元利用高级复杂度计算方法，对α波进行非平稳混沌特性分析，得到α波的高级复杂度的值，该值作为精神压力指数SI，将首次得到的正常呼吸下的SI记做SI(0)。高级复杂度计算方法实现的步骤为：以512点为窗口长度，以1个点为步长，沿着去噪后的脑电数据序列滑动，计算其宏观复杂度，得到一个宏观复杂度随时间变化的新序列；用宏观复杂度计算这个新序列的宏观复杂度值，得到的值就是原始序列的二阶复杂度值，所计算的高级复杂度值定义为精神压力指数SI。

步骤3.提供引导呼吸参数

中心控制单元提供呼吸参数引导使用者呼吸，其中，3KHz的音频频率为引导吸气的参数，3s为吸气的时间参数，1.5KHz的音频频率为引导呼气的参数，3s为引导呼气的时间参数，无音频输出为呼吸停顿的参数，1s为停顿的时间参数：得到初始脑电数据SI(0)后，中心控制单元随即给出一个固定的引导呼吸参数，即吸气3s、闭气1s、呼气3s，将这个呼吸参数以音频的形式输出至耳机，供使用者跟随，控制其呼吸节律。

步骤4.记录呼吸参数

中心控制单元记录使用者当前在装置引导下的呼吸参数M(i)(i＝1，2，3…)，M(i)包括吸气、呼气、停顿三个过程的频率参数和时间参数，首次呼吸参数的记录中，记录的是引导呼吸参数，记做M(1)。

步骤5.采集脑电数据

脑电采集电极连续采集使用者在步骤4中记录的呼吸参数M(i)下包括吸气、呼气、停顿一个完整过程的单通道脑电信号，预处理单元对脑电信号进行预处理，模数转换单元对采集到的单通道脑电模拟信号进行采样，得到脑电数据。

步骤6.计算SI

对脑电数据进行去噪，小波包分解，提取α波，计算器高级复杂度，计算出使用者在当前呼吸参数M(i)下的精神压力指数SI(i)，i＝1，2，3…。

步骤7.判断SI是否减小

将当前呼吸参数周期的精神压力指数SI(i)和上一呼吸参数周期的精神压力指数SI(i-1)做比较，判断SI是否减小：如果SI减小，则跳转至步骤(8)；如果SI没有减小，则跳转至步骤(9)。

步骤8.保持M(i)不变

保持当前呼吸参数不变，i＝i+1，并跳转至步骤(4)。

步骤9.调整呼吸参数

在改变呼气或吸气时间前，先判断已设置的呼气或吸气时间参数。本发明的步进递减吸气步长为0.5s，设置的吸气时间最短不小于1s，可用的吸气时间长度包括3s、2.5s、2s、1.5s、1s；本发明的步进递增呼气步长为0.5s，设置呼气时间最长不大于9s，可用的呼气时间长度包括3s、3.5s、4s、4.5s、5s、5.5s、6s、6.5s、7s、7.5s、8s、8.5s、9s。本发明设置的呼吸停顿时间始终保持1s不变。

9a)判断SI在M(i)下首次变差

所述判断SI在M(i)下首次变差的方式是，在内部存储器REG中设置一位M0标志位来标记SI(i)是否在M(i)下首次变差，如果SI是首次变差，则M0为1；如果SI不是首次变差，则M0为0；中心控制单元根据寄存器设置的标志位M0当前的值来判断使用者的精神压力指数是否在当前呼吸参数下首次变差：如果M0＝1，则SI是首次变差，跳转至9b)；如果M0＝0，则SI不是首次变差，跳转至9c)；

9b)判断是否首次使用引导呼吸

与设置标志位M0方法相同，在寄存器内部设置一位M1标志位，来标记使用者是否首次使用引导呼吸参数，如果首次使用，则M1＝1；反之，则M1＝0；中心控制单元根据寄存器设置的标志位M1当前的值来判定当前是否首次使用引导呼吸参数，如果M1＝1，则当前是使用者首次使用引导呼吸参数，跳转至步骤8；如果M1＝0，则不是首次使用引导呼吸参数，跳转至步骤9d)；

9c)判断M(i-1)是否递减吸气

与设置标志位M0方法相同，在寄存器内部设置一位M1标志位，来标记上次呼吸参数M(i-1)是否属于递减吸气，如果是，则M＝1；反之，则M＝0；中心控制单元根据寄存器设置的标志位M的值来判定上次呼吸参数是否是步进递减吸气：如果M＝1，则M(i-1)是步进递减吸气，跳转至步骤9e)；如果M＝0，则M(i-1)不是步进递减吸气，跳转至步骤9f)；

9d)退回M(i-1)

退回当前呼吸参数M(i)的上一呼吸参数M(i-1)，i＝i+1，跳转至步骤(4)；

9e)检查M(i)呼气时间

检查当前呼吸参数M(i)的呼气时间参数是否大于等于呼气时间阈值：本发明设置呼气时间的上限阈值为9s，如果呼气时间大于等于呼气时间阈值，则跳转至步骤9d)；如果呼气时间小于呼气时间阈值，则跳转至步骤9g)；

9f)检查M(i)吸气时间

检查当前呼吸参数M(i)的吸气时间参数是否小于等于吸气时间阈值：本发明设置吸气时间的下限阈值为1s，如果吸气时间小于等于吸气时间阈值，则跳转至步骤9e)；如果吸气时间大于吸气时间阈值，则跳转至步骤9h)；

9g)步进递增呼气时间

步进递增呼气时间，i＝i+1，跳转至步骤4；

步进递增呼气是指将当前呼吸参数M(i)的呼气时间增加0.5s，同时保持停顿时间1s和吸气时间不变。

9h)步进递减吸气时间

步进递减吸气时间，i＝i+1，跳转至步骤4；

步进递减吸气是指将当前呼吸参数M(i)的吸气时间减少0.5s，同时保持停顿时间1s和呼气时间不变。

在放松训练结束后，记录该使用者最佳的呼吸参数，供下次训练时直接使用。

本发明的效果可以通过以下仿真实验进一步说明。

本实验验证本发明中利用小波包分解提取α波的可行性，在MATLAB7.0软件下进行仿真。对一组采样频率为256Hz，时长为7s的单通道脑电数据进行小波包分解，并提取α波。图4为该单通道脑电数据的波形图。首先，选择Daubechies函数作为小波包分解的母小波，图3为母小波Daubechies函数的波形图。对该单通道脑电数据进行7层小波包分解，即在频域对该脑电数据进行128等分，得到128组序列s(i)，i＝1，2，3，……，128，s(i)对应于频率为(i-1)～iHz的脑电数据。提取分解后的脑电序列中频率为8～13Hz的序列，进行累加，即：选择序列s(9)，s(10)，s(11)，s(12)，s(13)，s(14)，就得到了α波的数据。由图5可以看出，由小波包分解的方法，提取了本仿真实验的单通道脑电数据中频率范围为8～13Hz的α波数据。由此采用小波包分解提取α波，其方法实现简单，可以准确提取α波。

Claims (9)

1.人体精神压力脑电测量及放松训练的装置，包括脑电采集电极、预处理单元、模数转换单元、中心控制单元和耳机；

其中，所述的脑电采集电极用于采集人体脑电信号，各电极通过屏蔽线与预处理单元相连；所述的预处理单元中的放大电路用于对信号进行功率放大，滤波电路用于对信号进行滤波，工程陷波电路用于去除脑电信号中交流电带来的频率干扰，预处理单元通过屏蔽线与模数转换单元相连；所述的模数转换单元用于对采集到的模拟信号进行采样，通过屏蔽线与中心控制单元相连；所述的中心控制单元实现整个装置的工作控制，用于处理脑电数据，计算精神压力指数，提供呼吸参数，根据该参数提供音频信号给使用者，使用者通过音频时长自主调整呼吸时间长度。

2.人体精神压力脑电测量及放松训练的方法，包括以下步骤：

(1)采集初始脑电数据

1a)脑电采集电极连续采集使用者在正常呼吸状态下7s的单通道脑电信号；

1b)预处理单元对采集到的单通道脑电信号进行放大、滤波和工程陷波；

1c)模数转换单元对采集到的单通道脑电模拟信号进行采样，得到初始脑电数据；

(2)计算SI(0)

2a)中心控制单元对脑电数据使用模极大值法和信号重构方法剔除脑电中的干扰；

2b)中心控制单元对剔除干扰后的脑电数据进行小波包分解，得到α波；

2c)中心控制单元利用高级复杂度计算方法，对α波进行非平稳混沌特性分析，得到α波的高级复杂度的值，该值作为精神压力指数SI，将首次得到的正常呼吸下的SI记做SI(0)；

(3)提供引导呼吸参数

中心控制单元提供呼吸参数引导使用者呼吸，其中，3KHz的音频频率为引导吸气的参数，3s为吸气的时间参数，1.5KHz的音频频率为引导呼气的参数，3s为引导呼气的时间参数，无音频输出为呼吸停顿的参数，1s为停顿的时间参数；

(4)记录呼吸参数

中心控制单元记录使用者当前在装置引导下的呼吸参数M(i)(i＝1，2，3...)，M(i)包括吸气、呼气、停顿三个过程的频率参数和时间参数，首次呼吸参数的记录中，记录的是引导呼吸参数，记做M(1)；

(5)采集脑电数据

脑电采集电极连续采集使用者在步骤(4)中记录的呼吸参数M(i)下包括吸气、呼气、停顿一个完整过程的单通道脑电信号，预处理单元对脑电信号进行预处理，模数转换单元对采集到的单通道脑电模拟信号进行采样，得到脑电数据；

(6)计算SI

对脑电数据进行去噪，小波包分解，提取α波，计算器高级复杂度，计算出使用者在当前呼吸参数M(i)下的精神压力指数SI(i)，i＝1，2，3...；

(7)判断SI是否减小

将当前呼吸参数周期和上一呼吸参数周期的精神压力指数做比较，判断SI是否减小：如果SI减小，则跳转至步骤(8)；如果SI没有减小，则跳转至步骤(9)；

(8)保持当前呼吸参数M(i)不变，i＝i+1，并跳转至步骤(4)；

(9)调整呼吸参数

9a)判断SI在M(i)下首次变差

判断使用者的精神压力指数是否在当前呼吸参数下首次变差：如果是首次变差，则跳转至9b)；如果不是首次，则跳转至9c)；

9b)判断使用者当前是否首次使用引导呼吸参数：如果是，则跳转至步骤(8)；如果不是，则跳转至步骤9d)；

9c)判断上次呼吸参数M(i-1)是否是步进递减吸气：如果是，则跳转至步骤9e)；如果不是，则跳转至步骤9f)；

9d)退回上次呼吸模式M(i-1)，i＝i+1；并跳转至步骤(4)；

9e)检查M(i)呼气时间

检查当前呼吸参数的呼气时间是否大于等于9s：如果大于等于9s，则跳转至步骤9d)；如果小于9s，则跳转至步骤9g)；

9f)检查当前呼吸参数M(i)的吸气时间是否小于等于1s：如果小于等于1s，则跳转至步骤9e)；如果大于1s，则跳转至步骤9h)；

9g)步进递增呼气时间，i＝i+1，跳转至步骤(4)；

9h)步进递减吸气时间，i＝i+1，跳转至步骤(4)。

3.根据权利要求2所述的人体精神压力脑电测量及放松训练的方法，其特征在于：步骤1b)所述放大的增益为110dB，时间常数为0.1s，分辨率为0.5μV，噪声小于2.5μV_p-p；所述滤波的通带范围为0.7Hz～75Hz。

4.根据权利要求2所述的人体精神压力脑电测量及放松训练的方法，其特征在于：步骤1c)所述的采样频率为256Hz。

5.根据权利要求2所述的人体精神压力脑电测量及放松训练的方法，其特征在于：步骤2a)所述的模极大值法是指对步骤(1)中得到的含有噪声的初始脑电数据进行二进小波变换，计算各个尺度下的离散小波变换，取离散小波变换数据的模值，求出该尺度下离散序列中所有的模极大值，剔除其中含有噪声的模极大值，保留只含有脑电信息的模极大值。

6.根据权利要求2所述的人体精神压力脑电测量及放松训练的方法，其特征在于：步骤2a)所述的信号重构方法实现的具体步骤如下：

步骤一，对由模极大值法保留的只含有脑电信息的模极大值数据进行信号重构，求出重构后的小波系数；

步骤二，利用重构得到的小波系数，对经过小波分解的脑电数据进行小波逆变换，得到去噪后的脑电数据。

7.根据权利要求2所述的人体精神压力脑电测量及放松训练的方法，其特征在于：步骤2c)所述的高级复杂度计算方法实现的具体步骤如下：

步骤一，以512点为窗口长度，以1个点为步长，沿着去噪后的脑电数据序列滑动，计算其宏观复杂度，得到一个宏观复杂度随时间变化的新序列；

步骤二，用宏观复杂度计算这个新序列的宏观复杂度值，得到的值就是原始序列的二阶复杂度值，所计算的高级复杂度值定义为精神压力指数SI。

8.根据权利要求2所述的人体精神压力脑电测量及放松训练的方法，其特征在于：步骤9g)所述的步进递增呼气是指将当前呼吸参数M(i)的呼气时间增加0.5s，同时保持停顿时间1s和吸气时间不变。

9.根据权利要求2所述的人体精神压力脑电测量及放松训练的方法，其特征在于：步骤9h)所述的步进递减吸气是指将当前呼吸参数M(i)的吸气时间减少0.5s，同时保持停顿时间1s和呼气时间不变。

Images