CN110074797A - 基于脑电波和时空数据融合的时空-心理分析方法 - Google Patents

基于脑电波和时空数据融合的时空-心理分析方法 Download PDF

Info

Publication number
CN110074797A
CN110074797A CN201910306714.8A CN201910306714A CN110074797A CN 110074797 A CN110074797 A CN 110074797A CN 201910306714 A CN201910306714 A CN 201910306714A CN 110074797 A CN110074797 A CN 110074797A
Authority
CN
China
Prior art keywords
wave
processing equipment
psychology
data processing
warning information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910306714.8A
Other languages
English (en)
Other versions
CN110074797B (zh
Inventor
郑伟
李寅生
路萍
李嘉龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN201910306714.8A priority Critical patent/CN110074797B/zh
Publication of CN110074797A publication Critical patent/CN110074797A/zh
Application granted granted Critical
Publication of CN110074797B publication Critical patent/CN110074797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/16Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165Evaluating the state of mind, e.g. depression, anxiety
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Psychology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Physiology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Signal Processing (AREA)
  • Social Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提出了一种基于脑电波和时空数据融合的时空‑心理分析方法,所涉及的硬件包括多套便携式采集装置和数据处理装置;所述方法包括:通过便携式采集装置获取采样信息,然后将采样信息传输至数据处理装置;处理装置根据采样信息得到相应的情绪指数,然后生成相应的环境‑心理预警信息、时段‑心理预警信息和人员心理预警信息;本发明的有益技术效果是:提出了一种基于脑电波和时空数据融合的时空‑心理分析方法,该方法能对工作人员的情绪状态进行客观分析,并自动输出相应的预警信息。

Description

基于脑电波和时空数据融合的时空-心理分析方法
技术领域
本发明涉及一种情绪分析技术,尤其涉及一种基于脑电波和时空数据融合的时空-心理分析方法。
背景技术
员工是企业的基础,工作过程中,员工的情绪越好,其工作的效率和工作积极性就越好,能为企业创造的价值就越高;从企业的角度来看,如能及时掌握员工的情绪变化,企业管理层就能合理调配人力资源,从而有效提高企业的运作效率;实际操作中,我们对一个人的情绪判断,通常只能根据其外在的肢体表现,这种判断方式的主观性较大,难以量化,此外,人的情绪也会受到环境(如装饰风格、采光条件等因素)的影响,这种影响会随环境变化而变化,难以捕捉。
发明内容
针对背景技术中的问题,本发明提出了一种基于脑电波和时空数据融合的时空-心理分析方法,所涉及的硬件包括多套便携式采集装置和数据处理装置;所述便携式采集装置与数据处理装置无线连接;便携式采集装置能周期性地对佩戴者的位置信息和单位时长的脑电波信号进行采集;每套便携式采集装置内均预置有唯一的识别代码;单个采样周期中,便携式采集装置获得相应的位置信息和脑电波信号后,将位置信息、脑电波信号和识别代码整合为一个采样信息,然后将采样信息传输至数据处理装置;所述时空-心理分析方法包括:
开始工作前,为相同工作场所内的多名工作人员每人配发一套便携式采集装置,并将工作人员和识别代码的对应关系录入数据处理装置,数据处理装置为每个工作人员生成一个唯一的人员代码;工作人员将便携式采集装置穿戴好后,开始正常工作;
将单个工作日等分为多个时段,每个时段中,通过便携式采集装置周期性地获取采样信息;
收到采样信息后,数据处理装置记录下采样信息的接收时间,然后根据识别代码查找到相应的人员代码,然后,数据处理装置按方法一对位置信息进行处理,查找到相应的区域代码,处理位置信息的同时,数据处理装置按方法二对脑电波信号进行处理,得到相应的情绪指数PAI;然后数据处理装置为互相匹配的接收时间、人员代码、区域代码和情绪指数PAI建立映射关系,得到心理分析数据;单个工作日所辖的多个采样信息都处理完成后,数据处理装置分别按方法三、方法四和方法五生成相应的环境-心理预警信息、时段-心理预警信息和人员心理预警信息;
所述方法一包括:预先为工作场所建立虚拟坐标图,然后将虚拟坐标图划分为多个区域,为每个区域生成唯一的区域代码;收到采样信息后,数据处理装置将位置信息与虚拟坐标图上的坐标点进行匹配,若位置信息与某一区域所对应的坐标点匹配成功,则输出相应区域的区域代码;
所述方法二包括:预先采用层次分析法,得到消极状态下γ波、β波和δ波的权重系数,以及得到积极状态下α波、θ波和δ波的权重系数;收到采样信息后,数据处理装置对脑电波信号进行处理,得到相应的信号频谱图,然后从信号频谱图中识别出y波、β波、δ波、α波和θ波在信号频谱图中的频谱能量占比,然后按下式得到相应的情绪指数PAI:
其中,Nd为情绪消极度指标,Ad为情绪积极度指标;Nd和Ad的表达式分别为:
Nd=(mPγ+nPβ+lPδ)×100
Ad=(jPα+kPθ+rPδ)×100
其中,Pγ为γ波在信号频谱图中的频谱能量占比,Pβ为β波在信号频谱图中的频谱能量占比,Pδ为δ波在信号频谱图中的频谱能量占比,Pα为α波在信号频谱图中的频谱能量占比,Pθ为θ波在信号频谱图中的频谱能量占比;m为消极状态下γ波的权重系数,n为消极状态下β波的权重系数,l为消极状态下δ波的权重系数,j为积极状态下α波的权重系数,k为积极状态下θ波的权重系数,r为积极状态下δ波的权重系数;
所述方法三包括:数据处理装置根据区域代码对多个心理分析数据进行分类,区域代码相同的心理分析数据记为一个环境数据组;数据处理装置分别对各个环境数据组进行处理,得到多个环境-心理预警信息,多个环境-心理预警信息与多个区域一一对应;对单个环境数据组进行处理时,数据处理装置对相应环境数据组所辖的多个情绪指数PAI进行平均值计算,得到环境心理平均值PAI1,然后对环境心理平均值PAI1的大小进行识别,如0<PAI1≤0.66,则生成环境较优的环境-心理预警信息,如0.66<PAI1≤1.32,则生成环境良好的环境-心理预警信息,如1.32<PAI1≤2,则生成环境较差的环境-心理预警信息;
所述方法四包括:数据处理装置根据时段对多个心理分析数据进行分类,接收时间对应同一时段的心理分析数据记为一个时段数据组;数据处理装置分别对各个时段数据组进行处理,得到多个时段-心理预警信息,多个时段-心理预警信息与多个时段一一对应;对单个时段数据组进行处理时,数据处理装置对相应时段数据组所辖的多个情绪指数PAI进行平均值计算,得到时段心理平均值PAI2,然后对时段心理平均值PAI2的大小进行识别,如0<PAI2≤0.66,则生成时段较优的时段-心理预警信息,如0.66<PAI2≤1.32,则生成时段良好的时段-心理预警信息,如1.32<PAI2≤2,则生成时段较差的时段-心理预警信息;
所述方法五包括:数据处理装置根据人员代码对多个心理分析数据进行分类,对应同一人员代码的心理分析数据记为一个个人数据组;数据处理装置分别对各个个人数据组进行处理,得到多个人员心理预警信息,多个人员心理预警信息与多个工作人员一一对应;对单个个人数据组进行处理时,数据处理装置对相应个人数据组所辖的多个情绪指数PAI进行平均值计算,得到人员心理平均值PAI3,然后对人员心理平均值PAI3的大小进行识别,如0<PAI3≤0.66,则生成情绪较优的人员心理预警信息,如0.66<PAI3≤1.32,则生成情绪良好的人员心理预警信息,如1.32<PAI3≤2,则生成情绪较差的人员心理预警信息。
本发明的原理是:随着技术的进步,现有的脑电波采集装置已经实现了便携化,结合成熟的定位装置和技术,发明人将脑电波采集装置和定位装置集成为本发明的便携式采集装置,用于采集工作人员的位置信息和单位时长的脑电波信号;数据处理方面,基于现有理论可知,y波、β波、δ波、α波和θ波均是脑电波信号中的节律信号,其中,当人处于紧张、焦虑等消极情绪时,y波和β波在脑电波信号中的能量占比较大,当人处于放松、愉悦等积极情绪时,α波和θ波在脑电波信号中的能量占比较大,δ波在两种情绪状态下均会出现,如果我们能够对脑电波信号中各种节律波的能量占比进行客观分析,就能准确地识别出人的当前情绪状态,于是本发明采用层次分析法(简称AHP),预先得到各种节律波在相应情绪状态下的权重系数,然后通过情绪指数PAI来客观地反应工作人员当前的情绪状态,后期经过方法三、方法四和方法五的处理,我们就能分别得到环境-心理预警信息、时段-心理预警信息和人员心理预警信息;根据环境-心理预警信息,我们就能掌握相应区域的环境对工作人员的情绪影响,如环境-心理预警信息表明环境较差,说明相应区域的装修风格或采光条件对人的情绪有不利影响,则我们就可以有目的的对相应区域进行重新布置、装修或改善采光等处理,对于环境-心理预警信息表明环境较优,我们也可以将相应区域的装修、布置风格推广至其他区域;对于时段-心理预警信息,如时段-心理预警信息表明时段较差,我们可以通过更改工作时段、作息时间等方式来错开相应时段,提高工作人员的整体工作效率;对于人员心理预警信息,我们可通过他及时掌握工作人员近期的心理状态,有针对性地进行疏导或对工作人员进行调岗,避免负面情绪严重的工作人员接触关键岗位;
具体实施时,可以定期采用本发明方案对工作人员的心理状态进行分析(比如每季度两到三次,对一些保密要求较高的企业还可适当提高分析频次),保证企业高效、稳定运行;另外,本发明还可作一些拓展应用,比如,可对同一时段、同一区域对不同人员的情绪影响进行分析,又如,可对不同时段、同一人员对同一区域的情绪响应进行分析,等等。
本发明的有益技术效果是:提出了一种基于脑电波和时空数据融合的时空-心理分析方法,该方法能对工作人员的情绪状态进行客观分析,并自动输出相应的预警信息。
具体实施方式
一种基于脑电波和时空数据融合的时空-心理分析方法,其创新在于:所述时空-心理分析方法所涉及的硬件包括多套便携式采集装置和数据处理装置;所述便携式采集装置与数据处理装置无线连接;便携式采集装置能周期性地对佩戴者的位置信息和单位时长的脑电波信号进行采集;每套便携式采集装置内均预置有唯一的识别代码;单个采样周期中,便携式采集装置获得相应的位置信息和脑电波信号后,将位置信息、脑电波信号和识别代码整合为一个采样信息,然后将采样信息传输至数据处理装置;所述时空-心理分析方法包括:
开始工作前,为相同工作场所内的多名工作人员每人配发一套便携式采集装置,并将工作人员和识别代码的对应关系录入数据处理装置,数据处理装置为每个工作人员生成一个唯一的人员代码;工作人员将便携式采集装置穿戴好后,开始正常工作;
将单个工作日等分为多个时段,每个时段中,通过便携式采集装置周期性地获取采样信息;
收到采样信息后,数据处理装置记录下采样信息的接收时间,然后根据识别代码查找到相应的人员代码,然后,数据处理装置按方法一对位置信息进行处理,查找到相应的区域代码,处理位置信息的同时,数据处理装置按方法二对脑电波信号进行处理,得到相应的情绪指数PAI;然后数据处理装置为互相匹配的接收时间、人员代码、区域代码和情绪指数PAI建立映射关系,得到心理分析数据;单个工作日所辖的多个采样信息都处理完成后,数据处理装置分别按方法三、方法四和方法五生成相应的环境-心理预警信息、时段-心理预警信息和人员心理预警信息;
所述方法一包括:预先为工作场所建立虚拟坐标图,然后将虚拟坐标图划分为多个区域,为每个区域生成唯一的区域代码;收到采样信息后,数据处理装置将位置信息与虚拟坐标图上的坐标点进行匹配,若位置信息与某一区域所对应的坐标点匹配成功,则输出相应区域的区域代码;
所述方法二包括:预先采用层次分析法,得到消极状态下γ波、β波和δ波的权重系数,以及得到积极状态下α波、θ波和δ波的权重系数;收到采样信息后,数据处理装置对脑电波信号进行处理,得到相应的信号频谱图,然后从信号频谱图中识别出γ波、β波、δ波、α波和θ波在信号频谱图中的频谱能量占比,然后按下式得到相应的情绪指数PAI:
其中,Nd为情绪消极度指标,Ad为情绪积极度指标;Nd和Ad的表达式分别为:
Nd=(mPγ+nPβ+lPδ)×100
Ad=(jPα+kPθ+rPδ)×100
其中,Pγ为γ波在信号频谱图中的频谱能量占比,Pβ为β波在信号频谱图中的频谱能量占比,Pδ为δ波在信号频谱图中的频谱能量占比,Pα为α波在信号频谱图中的频谱能量占比,Pθ为θ波在信号频谱图中的频谱能量占比;m为消极状态下γ波的权重系数,n为消极状态下β波的权重系数,l为消极状态下δ波的权重系数,j为积极状态下α波的权重系数,k为积极状态下θ波的权重系数,r为积极状态下δ波的权重系数;
所述方法三包括:数据处理装置根据区域代码对多个心理分析数据进行分类,区域代码相同的心理分析数据记为一个环境数据组;数据处理装置分别对各个环境数据组进行处理,得到多个环境-心理预警信息,多个环境-心理预警信息与多个区域一一对应;对单个环境数据组进行处理时,数据处理装置对相应环境数据组所辖的多个情绪指数PAI进行平均值计算,得到环境心理平均值PAI1,然后对环境心理平均值PAI1的大小进行识别,如0<PAI1≤0.66,则生成环境较优的环境-心理预警信息,如0.66<PAI1≤1.32,则生成环境良好的环境-心理预警信息,如1.32<PAI1≤2,则生成环境较差的环境-心理预警信息;
所述方法四包括:数据处理装置根据时段对多个心理分析数据进行分类,接收时间对应同一时段的心理分析数据记为一个时段数据组;数据处理装置分别对各个时段数据组进行处理,得到多个时段-心理预警信息,多个时段-心理预警信息与多个时段一一对应;对单个时段数据组进行处理时,数据处理装置对相应时段数据组所辖的多个情绪指数PAI进行平均值计算,得到时段心理平均值PAI2,然后对时段心理平均值PAI2的大小进行识别,如0<PAI2≤0.66,则生成时段较优的时段-心理预警信息,如0.66<PAI2≤1.32,则生成时段良好的时段-心理预警信息,如1.32<PAI2≤2,则生成时段较差的时段-心理预警信息;
所述方法五包括:数据处理装置根据人员代码对多个心理分析数据进行分类,对应同一人员代码的心理分析数据记为一个个人数据组;数据处理装置分别对各个个人数据组进行处理,得到多个人员心理预警信息,多个人员心理预警信息与多个工作人员一一对应;对单个个人数据组进行处理时,数据处理装置对相应个人数据组所辖的多个情绪指数PAI进行平均值计算,得到人员心理平均值PAI3,然后对人员心理平均值PAI3的大小进行识别,如0<PAI3≤0.66,则生成情绪较优的人员心理预警信息,如0.66<PAI3≤1.32,则生成情绪良好的人员心理预警信息,如1.32<PAI3≤2,则生成情绪较差的人员心理预警信息。
需要说明的是,PAI的理论最大值为2,为便于操作,本发明对0~2的区间作三等分,得到前述的(0,0.66]、(0.66,1.32]和(1.32,2]三个识别区间。

Claims (1)

1.一种基于脑电波和时空数据融合的时空-心理分析方法,其特征在于:所述时空-心理分析方法所涉及的硬件包括多套便携式采集装置和数据处理装置;所述便携式采集装置与数据处理装置无线连接;便携式采集装置能周期性地对佩戴者的位置信息和单位时长的脑电波信号进行采集;每套便携式采集装置内均预置有唯一的识别代码;单个采样周期中,便携式采集装置获得相应的位置信息和脑电波信号后,将位置信息、脑电波信号和识别代码整合为一个采样信息,然后将采样信息传输至数据处理装置;所述时空-心理分析方法包括:
开始工作前,为相同工作场所内的多名工作人员每人配发一套便携式采集装置,并将工作人员和识别代码的对应关系录入数据处理装置,数据处理装置为每个工作人员生成一个唯一的人员代码;工作人员将便携式采集装置穿戴好后,开始正常工作;
将单个工作日等分为多个时段,每个时段中,通过便携式采集装置周期性地获取采样信息;
收到采样信息后,数据处理装置记录下采样信息的接收时间,然后根据识别代码查找到相应的人员代码,然后,数据处理装置按方法一对位置信息进行处理,查找到相应的区域代码,处理位置信息的同时,数据处理装置按方法二对脑电波信号进行处理,得到相应的情绪指数PAI;然后数据处理装置为互相匹配的接收时间、人员代码、区域代码和情绪指数PAI建立映射关系,得到心理分析数据;单个工作日所辖的多个采样信息都处理完成后,数据处理装置分别按方法三、方法四和方法五生成相应的环境-心理预警信息、时段-心理预警信息和人员心理预警信息;
所述方法一包括:预先为工作场所建立虚拟坐标图,然后将虚拟坐标图划分为多个区域,为每个区域生成唯一的区域代码;收到采样信息后,数据处理装置将位置信息与虚拟坐标图上的坐标点进行匹配,若位置信息与某一区域所对应的坐标点匹配成功,则输出相应区域的区域代码;
所述方法二包括:预先采用层次分析法,得到消极状态下γ波、β波和δ波的权重系数,以及得到积极状态下α波、θ波和δ波的权重系数;收到采样信息后,数据处理装置对脑电波信号进行处理,得到相应的信号频谱图,然后从信号频谱图中识别出γ波、β波、δ波、α波和θ波在信号频谱图中的频谱能量占比,然后按下式得到相应的情绪指数PAI:
其中,Nd为情绪消极度指标,Ad为情绪积极度指标;Nd和Ad的表达式分别为:
Nd=(mPγ+nPβ+lPδ)×100
Ad=(jPα+kPθ+rPδ)×100
其中,Pγ为γ波在信号频谱图中的频谱能量占比,Pβ为β波在信号频谱图中的频谱能量占比,Pδ为δ波在信号频谱图中的频谱能量占比,Pα为α波在信号频谱图中的频谱能量占比,Pθ为θ波在信号频谱图中的频谱能量占比;m为消极状态下γ波的权重系数,n为消极状态下β波的权重系数,l为消极状态下δ波的权重系数,j为积极状态下α波的权重系数,k为积极状态下θ波的权重系数,r为积极状态下δ波的权重系数;
所述方法三包括:数据处理装置根据区域代码对多个心理分析数据进行分类,区域代码相同的心理分析数据记为一个环境数据组;数据处理装置分别对各个环境数据组进行处理,得到多个环境-心理预警信息,多个环境-心理预警信息与多个区域一一对应;对单个环境数据组进行处理时,数据处理装置对相应环境数据组所辖的多个情绪指数PAI进行平均值计算,得到环境心理平均值PAI1,然后对环境心理平均值PAI1的大小进行识别,如0<PAI1≤0.66,则生成环境较优的环境-心理预警信息,如0.66<PAI1≤1.32,则生成环境良好的环境-心理预警信息,如1.32<PAI1≤2,则生成环境较差的环境-心理预警信息;
所述方法四包括:数据处理装置根据时段对多个心理分析数据进行分类,接收时间对应同一时段的心理分析数据记为一个时段数据组;数据处理装置分别对各个时段数据组进行处理,得到多个时段-心理预警信息,多个时段-心理预警信息与多个时段一一对应;对单个时段数据组进行处理时,数据处理装置对相应时段数据组所辖的多个情绪指数PAI进行平均值计算,得到时段心理平均值PAI2,然后对时段心理平均值PAI2的大小进行识别,如0<PAI2≤0.66,则生成时段较优的时段-心理预警信息,如0.66<PAI2≤1.32,则生成时段良好的时段-心理预警信息,如1.32<PAI2≤2,则生成时段较差的时段-心理预警信息;
所述方法五包括:数据处理装置根据人员代码对多个心理分析数据进行分类,对应同一人员代码的心理分析数据记为一个个人数据组;数据处理装置分别对各个个人数据组进行处理,得到多个人员心理预警信息,多个人员心理预警信息与多个工作人员一一对应;对单个个人数据组进行处理时,数据处理装置对相应个人数据组所辖的多个情绪指数PAI进行平均值计算,得到人员心理平均值PAI3,然后对人员心理平均值PAI3的大小进行识别,如0<PAI3≤0.66,则生成情绪较优的人员心理预警信息,如0.66<PAI3≤1.32,则生成情绪良好的人员心理预警信息,如1.32<PAI3≤2,则生成情绪较差的人员心理预警信息。
CN201910306714.8A 2019-04-17 2019-04-17 基于脑电波和时空数据融合的时空-心理分析方法 Active CN110074797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910306714.8A CN110074797B (zh) 2019-04-17 2019-04-17 基于脑电波和时空数据融合的时空-心理分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910306714.8A CN110074797B (zh) 2019-04-17 2019-04-17 基于脑电波和时空数据融合的时空-心理分析方法

Publications (2)

Publication Number Publication Date
CN110074797A true CN110074797A (zh) 2019-08-02
CN110074797B CN110074797B (zh) 2022-08-23

Family

ID=67415352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910306714.8A Active CN110074797B (zh) 2019-04-17 2019-04-17 基于脑电波和时空数据融合的时空-心理分析方法

Country Status (1)

Country Link
CN (1) CN110074797B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111983210A (zh) * 2020-06-29 2020-11-24 北京津发科技股份有限公司 基于时间同步的空间位置和多通道人机环境数据采集、时空行为分析方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103399317A (zh) * 2013-08-23 2013-11-20 重庆大学 基于超声波的井下人员定位和结构监测一体化方法及系统
CN104605866A (zh) * 2015-01-21 2015-05-13 中煤科工集团西安研究院有限公司 基于脑电检测的矿工生理与心理疲劳监测方法
US20160063874A1 (en) * 2014-08-28 2016-03-03 Microsoft Corporation Emotionally intelligent systems
CN105943065A (zh) * 2016-06-29 2016-09-21 北京工业大学 一种基于脑信息学系统化方法学的人体可穿戴生理-心理-行为数据采集与分析系统
US20170307393A1 (en) * 2014-12-17 2017-10-26 Sony Corporation Information processing apparatus, information processing method, and program
US10091554B1 (en) * 2017-12-06 2018-10-02 Echostar Technologies L.L.C. Apparatus, systems and methods for generating an emotional-based content recommendation list
CN109508653A (zh) * 2018-10-26 2019-03-22 南京邮电大学 一种基于脑电信号与心理学融合的主客观单兵作战情绪识别方法
US20190096279A1 (en) * 2017-09-26 2019-03-28 Cerekinetic, Inc. Decision-making system using emotion and cognition inputs
KR20190035368A (ko) * 2017-09-26 2019-04-03 연세대학교 산학협력단 뇌 신호로부터 변환한 이미지 기반의 감정 인식 방법 및 장치

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103399317A (zh) * 2013-08-23 2013-11-20 重庆大学 基于超声波的井下人员定位和结构监测一体化方法及系统
US20160063874A1 (en) * 2014-08-28 2016-03-03 Microsoft Corporation Emotionally intelligent systems
US20170307393A1 (en) * 2014-12-17 2017-10-26 Sony Corporation Information processing apparatus, information processing method, and program
CN104605866A (zh) * 2015-01-21 2015-05-13 中煤科工集团西安研究院有限公司 基于脑电检测的矿工生理与心理疲劳监测方法
CN105943065A (zh) * 2016-06-29 2016-09-21 北京工业大学 一种基于脑信息学系统化方法学的人体可穿戴生理-心理-行为数据采集与分析系统
US20190096279A1 (en) * 2017-09-26 2019-03-28 Cerekinetic, Inc. Decision-making system using emotion and cognition inputs
KR20190035368A (ko) * 2017-09-26 2019-04-03 연세대학교 산학협력단 뇌 신호로부터 변환한 이미지 기반의 감정 인식 방법 및 장치
US10091554B1 (en) * 2017-12-06 2018-10-02 Echostar Technologies L.L.C. Apparatus, systems and methods for generating an emotional-based content recommendation list
CN109508653A (zh) * 2018-10-26 2019-03-22 南京邮电大学 一种基于脑电信号与心理学融合的主客观单兵作战情绪识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FERADOV F N,GANCHEV T D等: "Spatio-temporal EEG signal descriptors for recognition of negative emotional states", 《2016 XXV INTERNATIONAL SCIENTIFIC CONFERENCE ELECTRONICS》 *
JAVAID M M,YOUSAF M A等: "Real-Time EEG-based Human Emotion Recognition", 《SPRINGER INTERNATIONAL PUBLISHING》 *
董建梁,李鹏,马晨光: "基于脑电检测的煤矿矿工井下疲劳作业监测研究", 《中国科技信息》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111983210A (zh) * 2020-06-29 2020-11-24 北京津发科技股份有限公司 基于时间同步的空间位置和多通道人机环境数据采集、时空行为分析方法和装置
CN111983210B (zh) * 2020-06-29 2022-04-15 北京津发科技股份有限公司 基于时间同步的空间位置和多通道人机环境数据采集、时空行为分析方法和装置

Also Published As

Publication number Publication date
CN110074797B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN107220600B (zh) 一种基于深度学习的图片生成方法及生成对抗网络
CN103631941B (zh) 基于脑电的目标图像检索系统
CN109657642A (zh) 一种基于黎曼距离的运动想象脑电信号分类方法及系统
CN110353702A (zh) 一种基于浅层卷积神经网络的情感识别方法及系统
CN109497990B (zh) 一种基于典型相关分析的心电信号身份识别方法及系统
CN108597605A (zh) 一种个人健康生活大数据采集与分析系统
CN109978293A (zh) 一种多任务智能排班方法、装置、设备和存储介质
CN104503580A (zh) 一种对稳态视觉诱发电位脑-机接口目标的识别方法
CN104586402B (zh) 一种人体活动的特征提取方法
CN109656356A (zh) 一种ssvep脑-机接口的异步控制系统
CN110074797A (zh) 基于脑电波和时空数据融合的时空-心理分析方法
CN109840451A (zh) 一种基于心电身份识别的智能支付可穿戴环及其支付方法
CN106056233A (zh) 一种电力负荷预测的方法
CN106096060A (zh) 海洋网络安全风险防御系统
CN211749663U (zh) 一种员工情绪预测系统
Guo et al. A smartphone-based system for personal data management and personality analysis
CN105868578A (zh) 医疗知识系统及医疗知识编辑方法、应用方法
US11488720B2 (en) Thermal stress risk assessment using body worn sensors
CN109901711A (zh) 由弱肌电伪迹微表情脑电信号驱动的异步实时脑控方法
CN106778475B (zh) 一种最优导联集选择方法及系统
CN112785276B (zh) 一种工程咨询管理系统及方法
CN112953006A (zh) 一种基于人工智能的电网信息安全一体化运行监控平台
CN108682056A (zh) 一种点名系统及点名方法
CN207912695U (zh) 一种多模态生理和行为数据融合采集系统
CN109886109B (zh) 一种基于深度学习的行为识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant