CN110292388A - 一种认知负荷与心理压力的测量方法及终端 - Google Patents
一种认知负荷与心理压力的测量方法及终端 Download PDFInfo
- Publication number
- CN110292388A CN110292388A CN201910481595.XA CN201910481595A CN110292388A CN 110292388 A CN110292388 A CN 110292388A CN 201910481595 A CN201910481595 A CN 201910481595A CN 110292388 A CN110292388 A CN 110292388A
- Authority
- CN
- China
- Prior art keywords
- cognitive load
- psychological pressure
- ppg
- waveform
- morphological feature
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Cardiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开一种认知负荷与心理压力的测量方法及终端。所述认知负荷与心理压力的测量方法,包括:获取被测量者的PPG波形数据;对被测量者的PPG波形数据进行形态特征提取;根据形态学特征和认知负荷与心理压力的关联性算法,由提取的形态特征预测被测量者的认知负荷与心理压力水平。本申请采用上述基于PPG波形形态的认知负荷与心理压力测量方法,大大提高了测量结果的准确性和实时性。
Description
技术领域
本申请涉及计算机和生理心理学领域,尤其涉及一种认知负荷与心理压力的测量方法及终端。
背景技术
在人机交互过程中,除了传统的交互方式,机器对人体生理心理状态的感知日趋重要。然而,如何通过传感器获取到人体的心理状态信息,尤其是认知负荷与心理压力状态,一直未被有效解决。
PPG(photoplethysmograph,全称血管容积脉搏波描记法)指利用光电手段将血管容积变化反映为电信号。通过PPG获取的血管容积变化波形称为PPG信号。人体毛细血管受人体植物神经控制,而植物神经又会随着人体认知负荷与心理压力水平不同处于不同的状态。因此,血管容积的变化中就包含着人体认知负荷与心理压力水平的信息。然而如何从PPG信号中提取出认知负荷与心理压力水平信息一直是业界的一项难题。
目前已有的手段通常利用皮肤电阻、心电等手段,在皮肤电阻和心电信号中提取出HRV,再根据HRV进行认知负荷与心理压力测量。这种方法步骤较为复杂,本质上是利用了频域的信息,但测量的准确性和实时性都有待提升。
目前也有基于PPG波形的分析方法,大多是从频域入手,根据频谱信息来进行预测。这种方法同样存在测量准确度和实时性不高的问题。
发明内容
本申请提供了一种基于PPG波形形态的认知负荷与心理压力测量方法,包括如下步骤:
获取被测量者的PPG波形数据;
对被测量者的PPG波形数据进行形态特征提取;
根据形态学特征和认知负荷与心理压力的关联性算法,由提取的形态特征预测被测量者的认知负荷与心理压力水平。
如上所述的认知负荷与心理压力测量方法,其中,对被测量者的PPG波形数据进行形态特征提取,具体为对被测量者的PPG波形数据进行预处理,具体包括如下子步骤:
对被测量者的PPG波形进行滤波;
对滤波后的波形进行平滑处理;
切割平滑后的PPG波形得到单个心跳波形;
将切割后的单个心跳波形进行归一化处理,根据归一化后的单个心跳波形计算形态特征,实现对测量者的PPG波形的特征提取。
如上所述的认知负荷与心理压力测量方法,其中,预测被测量者的认知负荷与心理压力水平,具体为:在从被测量者的PPG波形中提取出形态特征后,根据形态学特征和认知负荷与心理压力的关联性算法,确定形态学特征和认知负荷与心理压力的关联关系,由形态学特征改变确定认知负荷与心理压力的对应改变,由此预测被测量者的认知负荷与心理压力水平。
如上所述的认知负荷与心理压力测量方法,其中,所述方法还包括获取形态学特征和认知负荷与心理压力的关联性算法,具体包括如下子步骤:
获取大量原始PPG波形,对原始PPG波形数据进行特征提取;
从提取出的特征中找到与认知负荷与心理压力相关的特征;
计算与认知负荷与心理压力程度具有关联性的波形形态特征在不同认知负荷与心理压力阶段的特征统计量,明确形态学特征和认知负荷与心理压力的关联性算法。
如上所述的认知负荷与心理压力测量方法,其中,对原始PPG波形数据进行特征提取,具体包括如下子步骤:
对原始PPG波形进行滤波;
对滤波后的波形进行平滑处理;
切割平滑后的PPG波形,得到单个心跳波形;
将切割后的单个心跳波形进行归一化处理;
根据归一化之后的单个心跳波形计算形态特征,统计每个PPG波形的形态特征得到众多形态学特征。
如上所述的认知负荷与心理压力测量方法,其中,根据归一化之后的单个心跳波形计算出的形态特征,包括根据归一化之后的单个心跳波形计算出的形态特征、和/或根据归一化之后的单个心跳波形的n阶导数计算出的形态特征。
本申请还公开一种测量终端,包括采集模块和测量模块;所述采集模块通过与所述测量终端连接的PPG波形采集设备采集PPG波形数据;所述测量模块执行上述测量方法。
如上所述的测量终端,其中,所述PPG波形采集设备包括接触式采集PPG波形的设备和非接触式采集PPG波形的设备。
如上所述的测量终端,其中,所述测量模块包括特征提取子模块和认知负荷与心理压力预测子模块;
所述特征提取子模块用于对被测量者的PPG波形数据进行形态特征提取;
认知负荷与心理压力预测子模块用于根据形态学特征和认知负荷与心理压力的关联性算法,由特征提取子模块提取的形态特征预测被测量者的认知负荷与心理压力水平。
本申请实现的有益效果如下:相比于传统的认知负荷与心理压力测量方法,本申请的优势在于大大提高了测量结果的准确性和实时性:第一,本申请不仅利用PPG原始波形,还利用了PPG波形的N阶导数,最终找出了如47个特征,在多特征的共同作用下,使预测准确率大大提高;第二,PPG波形特征属于时域信息,因此在测量时没有延时,测量具有实时性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的认知负荷与心理压力的关联关系分析方法流程图;
图2是对PPG波形数据进行预处理的方法流程图;
图3是根据PPG波形、一阶导数、二阶导数而确定的特征对照的部分示意图;
图4是从提取的特征中找出与认知负荷与心理压力相关特征的方法流程图;
图5是特征统计量与认知负荷与心理压力的关联性分析图;
图6是本申请实施例二提供的测量方法流程图;
图7是本申请实施例三提供的测量终端示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了更加准确和实时的测量机器对人体生理心理状态的感知,本申请提供一种基于PPG波形形态的认知负荷与心理压力的测量方法以及测量终端,包括实施例一中描述的如何计算得到形态学特征和认知负荷与心理压力的关联性算法、实施例二中描述的在实际测量过程中如何根据形态学特征和认知负荷与心理压力的关联性算法预测被测量者的认知负荷与心理压力水平,以及实施例三中描述的一种执行实施例一和实施例二方法的测量终端。
实施例一
如图1所示,本申请实施例一提供一种基于PPG波形形态的认知负荷与心理压力测量方法中形态学特征和认知负荷与心理压力的关联性算法的计算方法,具体包括如下步骤:
步骤110、获取大量原始PPG波形,对原始PPG波形数据进行特征提取;
本申请在进行认知负荷与心理压力测量之前,需要先对大量的原始PPG波形数据进行统计分析,对每个PPG波形数据进行预处理,从每个PPG波形中提取对应的形态特征,然后对大量PPG波形的形态特征进行统计分析,确定形态学特征和认知负荷与心理压力的关联性算法;
对PPG波形数据进行预处理,从中提取形态特征,具体包括如下子步骤,如图2所示:
步骤S210、对原始PPG波形进行滤波;
具体地,使用合适的滤波器对原始PPG波形进行滤波,例如,采用FIR(FiniteImpulse Response)滤波器对原始PPG波形进行滤波处理。
步骤S220、对滤波后的波形进行平滑处理;
可选地,根据实际PPG波形选择合适的平滑窗口大小和步长参数,对滤波后的波形进行平滑处理,去掉信号中的噪声部分;例如,平滑窗口大小为5,步长为1。
步骤S230、按照切割规则切割平滑后的PPG波形,得到单个心跳波形;
步骤S240、将切割后的单个心跳波形进行归一化操作,将波形归一化到同一范围内;
可选地,将切割后的单个心跳波形分别归一化到基线和归一化到MxN大小的范围内,M、N为正整数。
步骤S250、根据归一化之后的单个心跳波形计算形态特征,统计每个PPG波形的形态特征得到众多形态学特征;
对每一个PPG波形均执行步骤S210~S250的操作,得到每个PPG波形呈现的特定形态特征,然后将所有原始PPG波形呈现的特定形态特征进行总结汇总,得到众多形态学特征;
其中,根据归一化之后的单个心跳波形计算出的特定形态特征,包括根据归一化之后的单个心跳波形计算出的形态特征、和/或根据归一化之后的单个心跳波形的n阶导数计算出的形态特征,例如根据归一化之后的单个心跳波形的一阶导数计算出的形态特征、根据归一化之后的单个心跳波形的二阶导数计算出的形态特征等;图3展示的是根据PPG波形、一阶导数、二阶导数而确定的特征对照的部分示意图。
需要说明的是,在实际测量过程中,可根据实际需要统计得出众多形态特征,具体形态特征数量不作限定;其中,本申请以统计得到的47个形态特征为例来说明,具体形态学特征如下表所示:
表1
返回参见图1,步骤120、从提取出的特征中找到与认知负荷与心理压力相关的特征;
具体的,本申请可以采用统计学分析方法分析评估提取出的特征,找到与认知负荷与心理压力相关的特征,也可以采用机器学习模型进行特征提取分类,找到与认知负荷与心理压力相关的特征;
其中,采用统计学分析方法分析分析评估提取出的特征,找到与认知负荷与心理压力相关的特征,具体包括如下子步骤,如图4所示:
步骤S410-1、使用统计学软件计算各特征的统计量;
其中,计算各特征的统计量包括计算均值、方差等。
步骤S420-1、使用统计学软件对各特征统计量进行统计学分析;
其中,统计学分析包括但不限于t检验、单因素方差分析、多因素方差分析等;
t检验,亦称student t检验(Student's t test)是用t分布理论来推论差异发生的概率,从而比较两个均值的差异是否显著;测量试验过程中要考察的指标称为试验指标,影响试验指标的条件称为因素,因素所处的状态称为水平,若试验中只有一个因素改变则称为单因素试验,若有多个因素改变则称为多因素试验,方差分析就是对试验数据进行分析,检验方差相等的多个正态总体均值是否相等,进而判断各因素对试验指标的影响是否显著,根据影响试验指标条件的个数可以区分为单因素方差分析和多因素方差分析。
步骤S430-1、根据分析结果找出与认知负荷与心理压力程度具有关联性的波形形态特征。
其中,采用采用机器学习模型进行特征提取分类,找到与认知负荷与心理压力相关的特征,具体包括如下子步骤:
步骤S410-2、基于统计出的形态特征,利用机器学习模型对标记好的波形进行监督分类;
步骤S420-2、根据分类结果对多个特征进行打分,依照对分类结果正确性的影响力打分;
步骤S430-2、将打分结果从高到低进行排序,依序获取前N个特征作为与认知负荷与心理压力具有关联性的特征;
具体地,打分最高的前N个特征可以认为是对分类结果具有决定性影响的特征,即与认知负荷与心理压力具有关联性的特征。
返回参见图1,步骤130、计算与认知负荷与心理压力程度具有关联性的波形形态特征在不同认知负荷与心理压力阶段的特征统计量,明确形态学特征和认知负荷与心理压力的关联性算法;
具体地,计算上述与认知负荷与心理压力具有关联性的波形形态特征在不同认知负荷与心理压力阶段的特征统计量,包括但不限于均值、方差、极值等,确定这些特征统计量与认知负荷与心理压力的线性关系;可选地,本申请获取到的与认知负荷与心理压力程度具有关联性的波形形态特征以tpi、t1/tpi、t2/tpi、t3/tpi、base_f、sec_f、sec_s和thi_f为例来说明,具体如下表所示:
形态学特征 | 关联性 |
tpi | 负 |
t1/tpi | 负 |
t2/tpi | 正 |
t3/tpi | 正 |
base_f | 正 |
sec_f | 正 |
sec_s | 负 |
thi_f | 正 |
表2
由表2所示,形态学特征和认知负荷与心理压力的关联性算法为:
形态学特征tpi与认知负荷与心理压力呈负相关,当形态学特征tpi增大时,认知负荷与心理压力降低;
形态学特征t1/tpi与认知负荷与心理压力呈负相关,当形态学特征t1/tpi增大时,认知负荷与心理压力降低;
形态学特征t2/tpi与认知负荷与心理压力呈正相关,当形态学特征t2/tpi增大时,认知负荷与心理压力增大;
形态学特征t3/tpi与认知负荷与心理压力呈正相关,当形态学特征t3/tpi增大时,认知负荷与心理压力增大;
形态学特征base_f与认知负荷与心理压力呈正相关,当形态学特征base_f增大时,认知负荷与心理压力增大;
形态学特征sec_f与认知负荷与心理压力呈正相关,当形态学特征sec_f增大时,认知负荷与心理压力增大;
形态学特征sec_s与认知负荷与心理压力呈负相关,当形态学特征sec_s增大时,认知负荷与心理压力降低;
形态学特征thi_f与认知负荷与心理压力呈正相关,当形态学特征thi_f增大时,认知负荷与心理压力增大。
例如,图5展示的是特征统计量与认知负荷与心理压力的关联性分析图,图中横轴表示四种认知负荷与心理压力(rest、1st、2nd、3rd)、纵轴表示某一特征的统计值(图中以均值为例),按照认知负荷与心理压力程度排序可知特征统计值与认知负荷与心理压力水平呈正相关,因此当该统计值越高时,认知负荷与心理压力水平越高。
需要说明的是,PPG波形形态学特征和认知负荷与心理压力的关系包括:1、利用统计学方法找出的拟合关系,包括线性关系和非线性关系;2、利用机器学习算法训练出模型,该模型可以根据PPG波形的形态特征预测出认知负荷和心理压力;本申请中统计出的形态学特征和认知负荷与心理压力的线性关系仅为形态学特征和认知负荷与心理压力的一种关联关系的示例。
实施例二
通过实施例一中对大量原始PPG波形的统计分析,得到形态学特征和认知负荷与心理压力的关联性算法,将此关联性算法作为实施例二中的预定义算法,运用在实际测量中,预测被测量者的认知负荷与心理压力水平。
如图6所示,本申请实施例二提供一种基于PPG波形形态的认知负荷与心理压力测量方法中根据形态学特征和认知负荷与心理压力的关联性算法,预测被测量者的认知负荷与心理压力水平,具体包括如下步骤:
步骤610、获取被测量者的PPG波形数据;
可选地,本申请采用PPG波形采集设备,如可穿戴设备(如手表、手环等)中的光学心率传感器测量被测量者的PPG波形数据,被测量者在平静状态下佩戴可穿戴设备,由光学心率传感器的LED光射向被测量者皮肤,透过皮肤组织反射回的光被光敏传感器接受并转换成电信号,由于动脉对光的吸收有变化而其他组织对光的吸收基本不变,得到的电信号分为直流DC信号和交流AC信号,提取其中的AC信号,就能反应出血液流动的特点,由此得到被测量者的PPG波形数据。
步骤620、对被测量者的PPG波形数据进行形态特征提取;
具体地,对被测量者的PPG波形数据进行预处理,从中提取形态特征;其中,对PPG波形进行预处理包括对PPG波形进行滤波、对滤波后的波形进行平滑处理、切割平滑后的PPG波形得到单个心跳波形、将切割后的单个心跳波形进行归一化处理、根据归一化后的单个心跳波形计算形态特征,实现对测量者的PPG波形的特征提取;上述预处理的具体操作与实施例一中图2的具体操作相似,在此不再赘述。
步骤630、根据形态学特征和认知负荷与心理压力的关联性算法,由提取的形态特征预测被测量者的认知负荷与心理压力水平;
在从被测量者的PPG波形中提取出形态特征后,根据形态学特征和认知负荷与心理压力的关联性算法,参照实施例一中的表2,找到形态特征与认知负荷与心理压力的关联关系,由形态特征改变确定认知负荷与心理压力的对应改变,由此预测被测量者的认知负荷与心理压力水平。
进一步地,在本申请实施例中,由提取的形态特征预测被测量者的认知负荷与心理压力水平,具体包括选取当前时刻之前的N个PPG波形形态特征生成预测结果,利用归一化算法将预测结果归一化至标准范围内,归一化后的结果作为当前时刻的实际认知负荷与心理压力测量值;其中N为正整数;
可选地,归一化至标准范围内可以为将测量结果归一化至0~1范围内,作为最终测量结果。
实施例三
本申请实施例三提供一种测量终端,如图7所示,包括采集模块710和测量模块720;
采集模块710通过与测量终端连接的PPG波形采集设备采集PPG波形数据;
具体的,PPG波形采集设备包括接触式采集PPG波形的设备和非接触式采集PPG波形的设备;其中,接触式采集PPG波形的设备为需要人体佩戴的设备,包括但不限于可穿戴设备(如手环、手表等)、指夹等;非接触式采集PPG波形的设备包括但不限于基于wifi通讯的设备、通过触摸屏采集人体指纹PPG的设备、通过视频拍摄获取人脸特征点PPG的设备。
例如,在测量过程中,由被测量者穿戴可穿戴设备(如手环、手表等),测量终端中的采集模块710采集由可穿戴设备中的光学心率传感器获取的被测量者的PPG波形数据,其中,测量终端可以连接可穿戴设备(如蓝牙连接或nfc连接等),也可以从可穿戴设备中导出PPG波形数据然后导入测量终端中;
测量终端中测量模块720根据采集模块710采集的PPG波形数据进行测量;
其中,测量模块720具体包括特征提取子模块721、认知负荷与心理压力预测子模块722;
特征提取子模块721用于对被测量者的PPG波形数据进行形态特征提取;
认知负荷与心理压力预测子模块722用于根据形态学特征和认知负荷与心理压力的关联性算法,由特征提取子模块721提取的形态特征预测被测量者的认知负荷与心理压力水平。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种基于PPG波形形态的认知负荷与心理压力测量方法,其特征在于,包括如下步骤:
获取被测量者的PPG波形数据;
对被测量者的PPG波形数据进行形态特征提取;
根据形态学特征和认知负荷与心理压力的关联性算法,由提取的形态特征预测被测量者的认知负荷与心理压力水平。
2.如权利要求1所述的测量方法,其特征在于,对被测量者的PPG波形数据进行形态特征提取,具体为对被测量者的PPG波形数据进行预处理,具体包括如下子步骤:
对被测量者的PPG波形进行滤波;
对滤波后的波形进行平滑处理;
切割平滑后的PPG波形得到单个心跳波形;
将切割后的单个心跳波形进行归一化处理,根据归一化后的单个心跳波形计算形态特征,实现对测量者的PPG波形的特征提取。
3.如权利要求1所述的测量方法,其特征在于,预测被测量者的认知负荷与心理压力水平,具体为:在从被测量者的PPG波形中提取出形态特征后,根据形态学特征和认知负荷与心理压力的关联性算法,确定形态学特征和认知负荷与心理压力的关联关系,由形态学特征改变确定认知负荷与心理压力的对应改变,由此预测被测量者的认知负荷与心理压力水平。
4.如权利要求1所述的测量方法,其特征在于,所述方法还包括获取形态学特征和认知负荷与心理压力的关联性算法,具体包括如下子步骤:
获取大量原始PPG波形,对原始PPG波形数据进行特征提取;
从提取出的特征中找到与认知负荷与心理压力相关的特征;
计算与认知负荷与心理压力程度具有关联性的波形形态特征在不同认知负荷与心理压力阶段的特征统计量,明确形态学特征和认知负荷与心理压力的关联性算法。
5.如权利要求4所述的测量方法,其特征在于,对原始PPG波形数据进行特征提取,具体包括如下子步骤:
对原始PPG波形进行滤波;
对滤波后的波形进行平滑处理;
切割平滑后的PPG波形,得到单个心跳波形;
将切割后的单个心跳波形进行归一化处理;
根据归一化之后的单个心跳波形计算形态特征,统计每个PPG波形的形态特征得到众多形态学特征。
6.如权利要求2或5所述的测量方法,其特征在于,根据归一化之后的单个心跳波形计算出的形态特征,包括根据归一化之后的单个心跳波形计算出的形态特征、和/或根据归一化之后的单个心跳波形的n阶导数计算出的形态特征。
7.如权利要求1所述的测量方法,其特征在于,由提取的形态特征预测被测量者的认知负荷与心理压力水平,具体包括选取当前时刻之前的若干个PPG波形形态特征生成预测结果,利用归一化算法将预测结果归一化至标准范围内,归一化后的结果作为当前时刻的实际认知负荷与心理压力测量值。
8.一种测量终端,其特征在于,包括采集模块和测量模块;
所述采集模块通过与所述测量终端连接的PPG波形采集设备采集PPG波形数据;
所述测量模块执行如权利要求1-7中任意一项所述的认知负荷与心理压力的测量方法。
9.如权利要求8所述的测量终端,其特征在于,所述PPG波形采集设备包括接触式采集PPG波形的设备和非接触式采集PPG波形的设备。
10.如权利要求8所述的测量终端,其特征在于,所述测量模块包括特征提取子模块和认知负荷与心理压力预测子模块;
所述特征提取子模块用于对被测量者的PPG波形数据进行形态特征提取;
所述认知负荷与心理压力预测子模块用于根据形态学特征和认知负荷与心理压力的关联性算法,由所述特征提取子模块提取的形态特征预测被测量者的认知负荷与心理压力水平。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910481595.XA CN110292388A (zh) | 2019-06-04 | 2019-06-04 | 一种认知负荷与心理压力的测量方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910481595.XA CN110292388A (zh) | 2019-06-04 | 2019-06-04 | 一种认知负荷与心理压力的测量方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110292388A true CN110292388A (zh) | 2019-10-01 |
Family
ID=68027613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910481595.XA Pending CN110292388A (zh) | 2019-06-04 | 2019-06-04 | 一种认知负荷与心理压力的测量方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110292388A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062021A (zh) * | 2019-12-19 | 2020-04-24 | 清华大学 | 一种基于可穿戴设备进行身份认证的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105852884A (zh) * | 2016-03-22 | 2016-08-17 | 清华大学 | 一种基于周围血管应变的认知负载和压力测量方法与装置 |
US20170208027A1 (en) * | 2016-01-15 | 2017-07-20 | Personics Holdings, LLC. | Message delivery and presentation methods, systems and devices using receptivity |
CN109758141A (zh) * | 2019-03-06 | 2019-05-17 | 清华大学 | 一种心理压力监测方法、装置及系统 |
-
2019
- 2019-06-04 CN CN201910481595.XA patent/CN110292388A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170208027A1 (en) * | 2016-01-15 | 2017-07-20 | Personics Holdings, LLC. | Message delivery and presentation methods, systems and devices using receptivity |
CN105852884A (zh) * | 2016-03-22 | 2016-08-17 | 清华大学 | 一种基于周围血管应变的认知负载和压力测量方法与装置 |
CN109758141A (zh) * | 2019-03-06 | 2019-05-17 | 清华大学 | 一种心理压力监测方法、装置及系统 |
Non-Patent Citations (4)
Title |
---|
A. RESIT KAVSAOGLU等: "A novel feature ranking algorithm for biometric recognition with PPG signals", 《 COMPUTERS IN BIOLOGY AND MEDICINE》 * |
CHIXIANG WANG等: "A data-driven framework for learners’ cognitive load detection using ECG-PPG physiological feature fusion and XGBoost classification", 《PROCEDIA COMPUTER SCIENCE》 * |
G. ZHAO等: "Real-time assessment of the cross-task mental workload using physiological measures during anomaly detection.", 《IEEE TRANSACTIONS ON HUMAN-MACHINE SYSTEMS》 * |
PETER H. CHARLTON等: "Assessing mental stress from the photoplethysmogram: a numerical study", 《PHYSIOLOGICAL MEASUREMENT》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062021A (zh) * | 2019-12-19 | 2020-04-24 | 清华大学 | 一种基于可穿戴设备进行身份认证的方法及装置 |
CN111062021B (zh) * | 2019-12-19 | 2022-03-11 | 清华大学 | 一种基于可穿戴设备进行身份认证的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104274191B (zh) | 一种心理测评方法及其系统 | |
CN108186011A (zh) | 房颤检测方法、装置及可读存储介质 | |
CN104173064B (zh) | 基于心率变异分析的测谎方法及测谎装置 | |
CN103034837B (zh) | 特征参数与脉象要素的关联 | |
CN104665768A (zh) | 生理参数的监测 | |
CN209186698U (zh) | 一种基于fpga的癫痫预警装置 | |
CN103315753A (zh) | 便携式情感分析仪及分析方法 | |
TW201224825A (en) | Physiological signal detection system capable of showing emotions, device and emotional display method | |
CN103006195A (zh) | 一种基于图像处理的非接触式生命体征数据监测系统和监测方法 | |
CN107505541B (zh) | 一种变压器局部放电的模式识别方法 | |
CN109117769A (zh) | 一种针对穿戴式心电采集的实时质量评估反馈方法 | |
CN202960481U (zh) | 中医脉象采集装置 | |
CN110037668A (zh) | 脉搏信号时空域结合模型判断年龄、健康状态及恶性心律失常识别的系统 | |
CN109171678B (zh) | 一种脉搏波的分析方法及装置 | |
CN106166065A (zh) | 一种基于社交网络的可穿戴心电健康交互平台及其实现方法 | |
CN103984964A (zh) | 一种试纸条图像识别方法及系统 | |
CN110200642A (zh) | 一种认知负荷与心理压力的测量方法及终端 | |
CN105611872A (zh) | 用于评估多通道ecg信号的装置和方法 | |
CN112099624B (zh) | 多模态菱形框架式电容感应手势识别系统 | |
CN111144436A (zh) | 基于可穿戴设备的情绪压力筛查及危机预警方法和装置 | |
CN104840194B (zh) | 一种数字心电图机检定方法及系统 | |
CN104398246B (zh) | 一种基于柔性传感器检测人体血压的指环式芯片 | |
CN105769177A (zh) | 心电信号检定记录分析装置 | |
CN208677390U (zh) | 一种脑电波获取仪 | |
CN110070013A (zh) | 一种ecg信号噪声污染程度与类别智能评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191001 |
|
RJ01 | Rejection of invention patent application after publication |