CN111166354B - 影响情绪变化的因素的分析方法及电子设备 - Google Patents
影响情绪变化的因素的分析方法及电子设备 Download PDFInfo
- Publication number
- CN111166354B CN111166354B CN202010077100.XA CN202010077100A CN111166354B CN 111166354 B CN111166354 B CN 111166354B CN 202010077100 A CN202010077100 A CN 202010077100A CN 111166354 B CN111166354 B CN 111166354B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- signal
- data
- tested
- signals
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Abstract
本发明提供一种影响情绪变化的因素的分析方法及电子设备,该方法包括:通过设定时间采集不同状态被试心电、呼吸及加速度信号,对不同状态呼吸信号求均值;对不同状态分别多次采集加速度信号最大值作加速度阈值;获取呼吸参考值、加速度阈值,心电信号基线;分析步骤中:对心电、呼吸、皮温、加速度及环境信号同步采集,根据采集加速度与加速度阈值对比;在大于加速度阈值情况下,将采集加速度信号标定,将标定加速度信号三轴之和进行卡尔曼滤波,滤除运动干扰;呼吸信号与呼吸参考值对比,获取呼吸变化;将滤除运动干扰心电信号进行分析,获得SDNN指数,压力指数;根据环境信号、皮温信号以及运动状态、压力指数,得到被试情绪变化影响因素。
Description
技术领域
本发明涉及心理测评技术领域,尤其涉及一种影响情绪变化的因素的分析方法及装电子设备。
背景技术
目前,市面上对于生理指标的测量存在很多装置,比如心电传感器,皮温传感器等,但是这些不同类型的传感器均需要在人的身体上贴上很多电极,并且会限制人的状态,在做心电图的时候需要被试以平躺的方式来获取良好信号;无论是红外的还是接触式的皮温传感器,在使用时以额头测量的方式进行皮温的测量易受周围环境温度的影响。
与此同时,当需要对被试的心理状态变化的产生原因进行分析时,则需要将多种不同测试设备同时置于被试身上,使测试过程十分繁冗。并且,无法考虑运动状况对人产生的影响,增大了分析的误差性,从而致使在分析被试的心理状态时产生偏差。
发明内容
鉴于此,本发明实施例提供了一种影响情绪变化的因素的分析方法及电子设备,以消除或改善现有技术中存在的一个或更多个缺陷。
本发明的技术方案如下:
根据本发明实施例的一个方面,提供了一种影响情绪变化的因素的分析方法,该方法包括基线测试步骤和分析步骤:
所述基线测试步骤包括:
在设定时间内采集不同状态下被试的心电信号、呼吸信号及加速度信号,对不同状态下多次采集到的呼吸信号求取均值;对所述不同状态下分别多次采集到的加速度信号的最大值作为加速度的阈值;分别获取所述被试呼吸的参考值、加速度的阈值,根据采集的心电信号获取心电信号的基线;
所述分析步骤包括:
在获取所述被试呼吸的参考值、加速度的阈值以及心电信号的基线后,对被试的心电信号、呼吸信号、皮温信号、加速度信号及环境信号进行同步采集,根据采集的加速度信号与通过所述基线测试步骤获得的所述加速度阈值对比;
在所述加速度信号大于所述加速度阈值的情况下,将采集的加速度信号超过加速度阈值进行标定,将标定的加速度信号的三轴之和作为输入进行卡尔曼滤波,以滤除运动对心电信号、呼吸信号、皮温信号及环境信号产生的干扰;
根据滤除运动干扰的呼吸信号与所述被试呼吸参考值对比,获取被试的呼吸状态的变化;
将滤除运动干扰的心电数据进行HRV分析,并获得SDNN指数,同时获取被试的压力指数;
根据滤除运动干扰后的环境信号、所述皮温信号以及通过判断获得的所述运动状态、通过分析获得的所述被试的压力指数,得到被试在该时刻的情绪变化的影响因素。
在一些实施例中,根据采集的加速度数据与所述加速度阈值对比,获取被试的运动状态,包括:
在所述加速度信号小于所述加速度阈值处于运动状态的情况下,根据采集的呼吸信号与所述呼吸参考值对比,获取被试在该时刻的呼吸状态,采集的心电信号进行HRV分析,并获得SDNN指数,同时获取被试的压力指数;
根据采集的环境数据、所述运动状态以及所述被试的压力指数,得到被试在该时刻的心理状态的影响。
在一些实施例中,对不同状态下多次采集到的呼吸信号求取均值,包括:
对多次采集的呼气信号求取均值,对连续采集的吸气信号求取均值,并且将连续采集的呼气时信号与采集的吸气时信号作为呼吸一次的数据。
在一些实施例中,对所述不同状态下分别多次采集到的加速度信号的最大值作为加速度的阈值,包括:
将在设定时间内不同状态下分别多次采集的加速度信号的三轴数据的最大值作为加速度阈值。
在一些实施例中,在根据采集的加速度数据与通过所述基线测试步骤获得的所述加速度阈值对比后,包括:
在所述加速度数据趋于零时,被试处于静坐时的状态;
在所述加速度数据小于所述基线测试步骤获得的所述加速度阈值的情况下,被试处于行走时的状态;
在所述加速度数据大于所述基线测试步骤获得的所述加速度阈值的情况下,被试处于运动时的状态。
在一些实施例中,对采集的所述被试的加速度数据大于所述加速度阈值的情况下,将采集的所述呼吸信号、所述皮温信号、所述环境信号中的所述加速度数据进行滤除。
在一些实施例中,将滤除运动干扰的心电信号进行HRV分析,包括:
通过对所述滤除运动干扰的心电信号处理获取处理后的心电信号分别对应的在不同频段下对应的不同生理信息。
根据本发明实施例的一个方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例所述方法的步骤。
本发明实施例的心理状态来源的分析方法及电子设备,通过在基线测试步骤中,在设定时间内采集不同状态下被试的心电信号、呼吸信号及加速度信号,对不同状态下多次采集到的呼吸信号求取均值;对所述不同状态下分别多次采集到的加速度信号的最大值作为加速度的阈值;分别获取所述被试呼吸的参考值、加速度的阈值,根据采集的心电信号获取心电信号的基线;在分析步骤中,获取所述被试呼吸的参考值、加速度的阈值以及心电信号的基线后,对被试的心电信号、呼吸信号、皮温信号、加速度信号及环境信号进行同步采集,根据采集的加速度信号与通过所述基线测试步骤获得的所述加速度阈值对比;在所述加速度信号大于所述加速度阈值的情况下,将采集的加速度信号超过加速度阈值进行标定,将标定的加速度信号的三轴之和作为输入进行卡尔曼滤波,以滤除运动对心电信号、呼吸信号、皮温信号及环境信号产生的干扰;根据滤除运动干扰的呼吸信号与所述被试呼吸参考值对比,获取被试的呼吸状态的变化;将滤除运动干扰的心电数据进行HRV分析,并获得SDNN指数,同时获取被试的压力指数;根据滤除运动干扰后的环境信号、所述皮温信号以及通过判断获得的所述运动状态、通过分析获得的所述被试的压力指数,得到被试在该时刻的情绪变化的影响因素。通过这些数据得到被试人的生理的实际数据,以及全面地分析被试在特定的环境下的心理反应以及心理状态。
本发明的附加优点、目的,以及特征将在下面的描述中将部分地加以阐述,且将对于本领域普通技术人员在研究下文后部分地变得明显,或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在书面说明及其权利要求书以及附图中具体指出的结构实现到并获得。
本领域技术人员将会理解的是,能够用本发明实现的目的和优点不限于以上具体所述,并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。附图中的部件不是成比例绘制的,而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分,附图中对应部分可能被放大,即,相对于依据本发明实际制造的示例性装置中的其它部件可能变得更大。在附图中:
图1是本发明一实施例的影响情绪变化的因素的分析方法流程示意图;
图2是本发明一实施例的影响情绪变化的因素的分析方法流程图;
图3是本发明一实施例中影响情绪变化的因素的分析装置的示意图。
符号说明:
101:胸带传感器;102:皮温采集视窗;103与104:电极;105:环境信号采集视窗;106:心电与呼吸放大处理电路部分;107:皮温放大处理电路;108:皮温采集模块;109:呼吸采集模块;110:心电采集模块;111:数据处理模块;112:无线发射数据模块;113:加速度芯片模块;114:加速度处理模块;115:温湿度采集模块;116:大气压力采集模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。
图1是本发明一实施例的影响情绪变化的因素的分析方法流程示意图。如图1所示,一些实施例的影响情绪变化的因素的分析方法,可包括以下步骤S110至步骤S160。
步骤S110:在设定时间内采集不同状态下被试的心电信号、呼吸信号及加速度信号,对不同状态下多次采集到的呼吸信号求取均值;对所述不同状态下分别多次采集到的加速度信号的最大值作为加速度的阈值;分别获取所述被试呼吸的参考值、加速度的阈值,根据采集的心电信号获取心电信号的基线。上述步骤S110属于基线测试步骤。
其中,设定时间可以为4分钟到20分钟。心电信号基线可以是被试处于平静状态下,并且外界对被试没有产生干扰情况下,获得的心电信号基线,以此状态下获得的心电信号基线作为被试心电信号测试的参考数据。
在步骤S110中,可以对多次采集的呼气信号求取均值,对连续采集的吸气信号求取均值,并且将连续采集的呼气时信号与采集的吸气时信号作为呼吸一次的数据。可以将在设定时间内不同状态下分别多次采集的加速度信号的三轴数据的最大值作为加速度阈值。
具体地,可以对被试进行5分钟10分钟的基线测试,在测试开始前,让被试进行多次呼吸测试,呼气反应的记录的数据记为第一数据;吸气反应的记录的数据记为第二数据;多次测试后去求出第一数据与第二数据的均值作为被试的呼吸数据参考值;可以将连续采集的呼气时信号与采集的吸气时信号作为呼吸一次的数据,即,跨越呼气与吸气时的状态视为呼吸一次。
通过采集被试在不同状态下的5分钟加速度数据,其中,可以包括1分钟静坐状态下的加速度数据;2分钟行走状态下的加速度数据;2分钟运动状态下的加速度数据;对各状态下的加速度数据进行处理;将1分钟静坐状态下的加速度数据和2分钟行走状态下的加速度数据分别求出三轴加速度数据的均值,以三轴加速度数据中各轴的最大值作为加速度的阈值;将采集的2分钟运动状态下的加速度数据与加速度的阈值进行对比,对获得的加速度阈值进行验证。可以将采集的加速度数据大于加速度的阈值视为运动状态。
步骤S120:在获取所述被试呼吸的参考值、加速度的阈值以及心电信号的基线后,对被试的心电信号、呼吸信号、皮温信号、加速度信号及环境信号进行同步采集,根据采集的加速度信号与通过所述基线测试步骤获得的所述加速度阈值对比。其中环境信号可以包括:温湿度信号、大气压力信号。
图3是本发明一实施例中影响情绪变化的因素的分析装置的采集装置示意图。步骤S110和步骤S120中对数据的采集可以通过图3所示的采集装置进行采集,参见图3,被试的影响情绪变化的因素的采集装置可包括:采集模块用于采集不同状态下的心电信号、呼吸信号、皮温信号及环境信号;其中,环境信号为大气压力数据、空气温度数据及空气湿度数据;加速度传感器用于采集不同状态下的加速度数据;数据处理模块与采集模块、加速度传感器相连,用于对采集的数据进行处理。
其中,采集模块可以包括:电极、皮温采集视窗及环境信号采集视窗。电极用于采集心电信号和呼吸信号;皮温采集视窗,置于所述电极的一侧,用于采集所述被试皮肤表面温度;环境信号采集视窗,置于所述电极的另一侧,用于采集大气压力信号、温湿度信号。
被试在测试前,可以使用医用酒精擦拭电极103与104;使电极与皮肤接触更加紧实,并且增加数据记录的准确性;皮温采集视窗102可以贴在被试皮肤的一侧,与皮肤充分接触进行皮温信号的采集;环境信号采集视窗105的位置与皮温采集视窗102的方向可以相反,对准皮肤外侧以测量环境的变化。
电极103与104将采集的微弱的电信号可以通过数据处理模块111通过分时控制放大电路106对不同的数据进行采集,数据处理模块111可以以4096Hz的频率采集103与104之间的信号,其中1024Hz采集的数据可以用于呼吸采集模块109;3072Hz采集频率采集的数据可以用于心电采集模块110;心电采集模块110的数据可以直接使用,数据转换后的可直接用作心电ECG数据;呼吸采集模块109采集数据可以通过将电压信号转换成阻抗信号,根据阻抗的变化获取被试的呼吸率;其中,放大电路106中可以包含一个恒流源电路,将电极103与104采集到的电信号转换成阻抗信号。
其中,恒流源电路由可包括输入级和输出级,输入级提供参考电流,输出级输出需要的恒定电流;并且能够提供一个稳定的电流以保证其它电路稳定工作的基础,即,要求恒流源电路输出恒定电流,因此作为输出级的器件应该是具有饱和输出电流的伏安特性。恒流源电路不因负载(输出电压)变化而改变;不因环境温度变化而改变;内阻为无限大,以使其电流可以全部流出到外面;能够提供恒定电流的电路。
进一步,放大电路106可以将信号进行两级放大,首先进行第一级放大,将信号放大20倍后,再进行第二级放大,将放大20倍的信号再次放大50倍,然后将处理后的信号输入到巴特沃兹滤波器进行信号处理,最终处理后的信号进入心电采集模块110;在心电采集模块110可以进行ADC变换,在模数转换器ADC中进行数据的量化之后将数据传送至胸带数据处理中心111。
在步骤S120中,根据采集的加速度信号与通过所述基线测试步骤获得的所述加速度阈值对比后,可以获得被试的多种状态,例如,在所述加速度信号趋于零时,被试处于静坐时的状态;在所述加速度信号小于所述基线测试步骤获得的所述加速度阈值的情况下,可以是被试处于行走时的状态;在所述加速度信号大于所述基线测试步骤获得的所述加速度阈值的情况下,可以是被试处于运动时的状态。
步骤S130:在所述加速度信号大于所述加速度阈值的情况下,将采集的加速度信号超过加速度阈值进行标定,将标定的加速度信号的三轴之和作为输入进行卡尔曼滤波,以滤除运动对心电信号、呼吸信号、皮温信号及环境信号产生的干扰。
具体地,在对被试进行数据采集过程中,可以将所有的数据进行同步采集;在加速度信号第一次超过加速度阈值时,可以对心电ECG信号、皮温信号、呼吸信号进行数据标记,标记点记为MARKt1,当阈值回落时,记为MARKt2;每个标记点在坐标轴上均可以有对应的时间点,记为t1和t2;t1和t2区间的心电ECG信号记为运动数据E(m);t1<m<t2;呼吸RESP信号记为R(m);t1<m<t2;皮温SKT信号记为T(m);t1<m<t2;温湿度RH信号记为TR(m);t1<m<t2;大气压力ATM信号记为P(m);t1<m<t2;此时加速度的数据记为X(m);Y(m);Z(m);t1<m<t2。
对采集的所述被试的加速度数据大于所述加速度阈值的情况下,可以将采集的所述呼吸信号、所述皮温信号、所述环境信号中的所述加速度数据进行滤除。可以将运动状态下采集的数据进行运动干扰的滤波;将加速度的X、Y、Z三轴的数据的和作为卡尔曼滤波的输入;
令k=X(m)+Y(m)+Z(m);t1<m<t2,则对于呼吸RESP的数据:
R(k|k-1)=A R(k-1|k-1)+B U(k);
其中,A和B是系统参数;U(k)为某时刻下的状态的控制量;不同的系统下,A、B和U(k)的取值是不一样的;由此获得新的呼吸数据序列:新的心电数据序列;新的皮温数据序列;新的温湿度数据序列;新的大气压数据序列;将这些滤波后的序列重新放入原来的序列中;并且替换掉原来的存在运动干扰的序列;得到新的数据序列进行分析。
其中,卡尔曼滤波是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估计也可看作是滤波过程。
步骤S140:根据滤除运动干扰的呼吸信号与所述被试呼吸参考值对比,获取被试的呼吸状态的变化。
具体地,可以通过将被试的呼吸信号与被试的呼吸参考值进行对比,获取被试在不同时刻下的呼吸变化情况,推断出被试在具体一时刻下,呼吸是否变得急促,或者被试的呼吸频率是否加快还是处于呼吸平缓的状态下,来对被试的心里变化进行初步的判断。
步骤S150:将滤除运动干扰的心电数据进行HRV分析,并获得SDNN指数,同时获取被试的压力指数。
其中,HRV(心率变异性,Heart Rate Variability)分析是指逐次心跳周期差异的变化情况,其含有神经体液因素对心血管系统调节的信息,从而判断其对心血管等疾病的病情及预防,可能是预测心脏性猝死和心律失常性事件的一个有价值的指标。并且HRV分析方法可以包括时域分析法、频域分析法以及非线性分析法,在本实施例中采用了时域分析法。SDNN(全部窦性心搏RR间期(简称NN间期)的标准差,standard diviation of NNintervals)是HRV心率变异性的一个指标,正常情况下,SDNN大于100,被试年龄越小,SDNN越大。
具体地,可以通过时频域变换得到VLF超低频(<0.04Hz)、LF低频段(0.04-0.15Hz)、HF高频段(0.15-0.4Hz),其中,可以通过对所述滤除运动干扰的心电信号处理获取处理后的心电信号分别对应的在不同频段下对应的不同生理信息,可以通过利用离散傅立叶变换将心跳间隔的时间序列转换为频域,以功率频谱密度(Power spectral density)或是频谱分布(Spectral distribution)的方式表现。一般心率变异讯号的频谱分析使用200至500连续心跳间期稳定记录表现,因此,记录需要数分钟的时间;通过记录得到以上的序列之后,用时域分析法来进行对信号的HRV分析。可以通过HRV分析获得被试的SDNN,对被试的心理状态变化测量的数据是否由此影响进行判断。
步骤S160:根据滤除运动干扰后的环境信号、所述皮温信号以及通过判断获得的所述运动状态、通过分析获得的所述被试的压力指数,得到被试在该时刻的情绪变化的影响因素。
通过压力指数PSI(Physical Stress Index),与采集的环境的数据,以及被试的呼吸状态多种因素同时进行分析获取被试者现在的心理状态;进而判断被试者是基于何种原因表现出来的情绪变化。
在被试处于另一运动状态下,例如,在所采集的加速度信号趋向于零的情况下,被试处于静坐状态以及在所述加速度信号小于所述加速度阈值处于行走状态的情况下,根据采集的呼吸信号与所述呼吸参考值对比,获取被试在该时刻的呼吸状态,采集的心电信号进行HRV分析,并获得SDNN指数,同时获取被试的压力指数;根据采集的环境数据、所述运动状态以及所述被试的压力指数,得到被试在该时刻的心理状态的影响。
根据本发明实施例的一个方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例所述方法的步骤。
为使本领域技术人员更好地了解本发明,下面将以具体实施例说明本发明的实施方式。
图2是本发明一实施例的影响情绪变化的因素的分析方法流程图。如图2所示,在一具体实施例中,影响情绪变化的因素的分析方法,包括步骤:
步骤201,数据采集,在设定时间内采集不同状态下被试的心电信号、呼吸信号及加速度信号。
步骤202,基线判别、阈值设置,对不同状态下多次采集到的呼吸信号求取均值;对所述不同状态下分别多次采集到的加速度信号的最大值作为加速度的阈值;分别获取所述被试呼吸的参考值、加速度的阈值,根据采集的心电信号获取心电信号的基线。
步骤203,正式数据采集,在获取所述被试呼吸的参考值、加速度的阈值以及心电信号的基线后,对被试的心电信号、呼吸信号、皮温信号、加速度信号及环境信号进行同步采集,根据采集的加速度信号与通过所述基线测试步骤获得的所述加速度阈值对比。
步骤204,运动状态标记,在所述加速度信号大于所述加速度阈值的情况下,将采集的加速度信号超过加速度阈值进行标定。
步骤205,环境数据标记,在所述加速度信号大于所述加速度阈值的情况下,将采集的环境信号进行标定;其中,环境信号包括大气压力信号、温湿度信号。
步骤206,数据综合分析,将标定的加速度信号的三轴之和作为输入进行卡尔曼滤波,以滤除运动对心电信号、呼吸信号、皮温信号及环境信号产生的干扰;根据滤除运动干扰的呼吸信号与所述被试呼吸参考值对比,获取被试的呼吸状态的变化;将滤除运动干扰的心电数据进行HRV分析,并获得SDNN指数,同时获取被试的压力指数;
步骤207,判断心理压力状态,根据滤除运动干扰后的环境信号、所述皮温信号以及通过判断获得的所述运动状态、通过分析获得的所述被试的压力指数,得到被试在该时刻的情绪变化的影响因素,进而判断心理压力因素。
综上所述,本发明实施例的影响情绪变化的因素的分析方法及电子设备,通过在设定时间内采集不同状态下被试的心电信号、呼吸信号及加速度信号,对不同状态下多次采集到的呼吸信号求取均值;对所述不同状态下分别多次采集到的加速度信号的最大值作为加速度的阈值;分别获取所述被试呼吸的参考值、加速度的阈值,根据采集的心电信号获取心电信号的基线;在所述分析步骤中,在获取所述被试呼吸的参考值、加速度的阈值以及心电信号的基线后,对被试的心电信号、呼吸信号、皮温信号、加速度信号及环境信号进行同步采集,根据采集的加速度信号与通过所述基线测试步骤获得的所述加速度阈值对比;在所述加速度信号大于所述加速度阈值的情况下,将采集的加速度信号超过加速度阈值进行标定,将标定的加速度信号的三轴之和作为输入进行卡尔曼滤波,以滤除运动对心电信号、呼吸信号、皮温信号及环境信号产生的干扰;根据滤除运动干扰的呼吸信号与所述被试呼吸参考值对比,获取被试的呼吸状态的变化;将滤除运动干扰的心电数据进行HRV分析,并获得SDNN指数,同时获取被试的压力指数;根据滤除运动干扰后的环境信号、所述皮温信号以及通过判断获得的所述运动状态、通过分析获得的所述被试的压力指数,得到被试在该时刻的情绪变化的影响因素。以此来判断被试者是由于何种原因表现出来的情绪变化。
本领域普通技术人员应该可以明白,结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法,能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
本发明中,针对一个实施方式描述和/或例示的特征,可以在一个或更多个其它实施方式中以相同方式或以类似方式使用,和/或与其他实施方式的特征相结合或代替其他实施方式的特征。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种影响情绪变化的因素的分析方法,其特征在于,所述分析方法包括基线测试步骤和分析步骤:
所述基线测试步骤包括:
在设定时间内采集不同状态下被试的心电信号、呼吸信号及加速度信号,对不同状态下多次采集到的呼吸信号求取均值;对所述不同状态下分别多次采集到的加速度信号的最大值作为加速度的阈值;分别获取被试呼吸的参考值、加速度的阈值,根据采集的心电信号获取心电信号的基线;其中,所述不同状态包括静坐状态、行走状态、运动状态,所述心电信号的基线为所述被试处于平静状态下,且外界对被试没有产生干扰情况下获得的心电信号基线;
所述分析步骤包括:
在获取所述被试呼吸的参考值、加速度的阈值以及心电信号的基线后,对被试的心电信号、呼吸信号、皮温信号、加速度信号及环境信号进行同步采集,根据采集的加速度信号与通过所述基线测试步骤获得的所述加速度阈值对比;其中,所述环境信号包括大气压力数据、空气温度数据及空气湿度数据;
在所述加速度信号大于所述加速度阈值的情况下,将采集的加速度信号超过加速度阈值进行标定,将标定的加速度信号的三轴之和作为输入进行卡尔曼滤波,以滤除运动对心电信号、呼吸信号、皮温信号及环境信号产生的干扰,得到新的心电数据序列、新的皮温数据序列、新的温湿度数据序列以及新的大气压数据序列;
根据滤除运动干扰的呼吸信号与所述被试呼吸参考值对比,获取被试的呼吸状态的变化;
将滤除运动干扰的心电数据进行HRV分析,并获得SDNN指数,同时获取被试的压力指数;
根据滤除运动干扰后的环境信号、所述皮温信号以及通过判断获得的所述运动状态、通过分析获得的所述被试的压力指数,得到被试的情绪变化的影响因素。
2.如权利要求1所述的分析方法,其特征在于,根据采集的加速度数据与所述加速度阈值对比,获取被试的运动状态,包括:
在所述加速度信号小于所述加速度阈值处于运动状态的情况下,根据采集的呼吸信号与所述呼吸参考值对比,获取被试在该时刻的呼吸状态,采集的心电信号进行HRV分析,并获得SDNN指数,同时获取被试的压力指数;
根据采集的环境数据、所述运动状态以及所述被试的压力指数,得到被试在该时刻的心理状态的影响。
3.如权利要求1所述的分析方法,其特征在于,对不同状态下多次采集到的呼吸信号求取均值,包括:
对多次采集的呼气信号求取均值,对连续采集的吸气信号求取均值,并且将连续采集的呼气时信号与采集的吸气时信号作为呼吸一次的数据。
4.如权利要求1所述的分析方法,其特征在于,对所述不同状态下分别多次采集到的加速度信号的最大值作为加速度的阈值,包括:
将在设定时间内不同状态下分别多次采集的加速度信号的三轴数据的最大值作为加速度阈值。
5.如权利要求1所述的分析方法,其特征在于,在根据采集的加速度数据与通过所述基线测试步骤获得的所述加速度阈值对比后,包括:
在所述加速度数据趋于零时,被试处于静坐时的状态;
在所述加速度数据小于所述基线测试步骤获得的所述加速度阈值的情况下,被试处于行走时的状态;
在所述加速度数据大于所述基线测试步骤获得的所述加速度阈值的情况下,被试处于运动时的状态。
6.如权利要求1所述的分析方法,其特征在于,对采集的所述被试的加速度数据大于所述加速度阈值的情况下,将采集的所述呼吸信号、所述皮温信号、所述环境信号中的所述加速度数据进行滤除。
7.如权利要求1所述的分析方法,其特征在于,将滤除运动干扰的心电信号进行HRV分析,包括:
通过对所述滤除运动干扰的心电信号处理获取处理后的心电信号分别对应的在不同频段下对应的不同生理信息。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010077100.XA CN111166354B (zh) | 2020-01-23 | 2020-01-23 | 影响情绪变化的因素的分析方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010077100.XA CN111166354B (zh) | 2020-01-23 | 2020-01-23 | 影响情绪变化的因素的分析方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111166354A CN111166354A (zh) | 2020-05-19 |
CN111166354B true CN111166354B (zh) | 2022-11-18 |
Family
ID=70620684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010077100.XA Active CN111166354B (zh) | 2020-01-23 | 2020-01-23 | 影响情绪变化的因素的分析方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111166354B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011098002A (ja) * | 2009-11-04 | 2011-05-19 | Seiko Epson Corp | 脈測定装置 |
CN105496416A (zh) * | 2015-12-28 | 2016-04-20 | 歌尔声学股份有限公司 | 一种人体运动状态的识别方法和装置 |
CN106108885A (zh) * | 2016-06-14 | 2016-11-16 | 上海康情信息科技有限公司 | 评估身体运动状态及心电干扰大小的方法及其仪器 |
CN106691425A (zh) * | 2016-12-30 | 2017-05-24 | 北京工业大学 | 一种运动手环的腕部心率监测方法 |
US9724025B1 (en) * | 2013-01-16 | 2017-08-08 | Masimo Corporation | Active-pulse blood analysis system |
CN107223036A (zh) * | 2017-04-10 | 2017-09-29 | 深圳市汇顶科技股份有限公司 | 穿戴装置、自适应滤除运动干扰的方法及装置 |
CN108601543A (zh) * | 2016-11-03 | 2018-09-28 | 华为技术有限公司 | 一种ecg信号处理方法及装置 |
CN109620209A (zh) * | 2018-12-31 | 2019-04-16 | 南京茂森电子技术有限公司 | 一种动态心电、呼吸和运动监测系统和方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2592042C (en) * | 2004-12-22 | 2014-12-16 | Oessur Hf | Systems and methods for processing limb motion |
PT103933A (pt) * | 2008-01-17 | 2009-07-17 | Univ Do Porto | Dispositivo portátil e método para medição e cálculo de parâmetros dinâmicos da locomoção pedestre |
CN103099615B (zh) * | 2013-01-23 | 2015-01-07 | 深圳市理邦精密仪器股份有限公司 | 一种消除运动心电信号干扰的方法和装置 |
EP2953523B1 (en) * | 2013-02-08 | 2022-08-17 | Given Imaging Ltd. | Method and system for determining a device movement irrespective of movement of a reference frame |
CN105101870B (zh) * | 2013-03-29 | 2019-01-22 | 皇家飞利浦有限公司 | 用于ecg运动伪影去除的装置和方法 |
CN104367306A (zh) * | 2014-11-21 | 2015-02-25 | 北京联合大学 | 生理心理职业测评系统及实现方法 |
CN204306822U (zh) * | 2014-12-09 | 2015-05-06 | 电子科技大学 | 可穿戴心电信号监测装置 |
CN104605841A (zh) * | 2014-12-09 | 2015-05-13 | 电子科技大学 | 可穿戴心电信号监测装置及方法 |
KR101936323B1 (ko) * | 2016-01-26 | 2019-01-08 | 상명대학교 산학협력단 | 심전도의 진폭과 가속도를 이용한 감성인식 방법 |
WO2018027080A1 (en) * | 2016-08-03 | 2018-02-08 | Akili Interactive Labs, Inc. | Cognitive platform including computerized evocative elements |
US11304657B2 (en) * | 2016-08-26 | 2022-04-19 | Akili Interactive Labs, Inc. | Cognitive platform coupled with a physiological component |
CN106236117B (zh) * | 2016-09-22 | 2019-11-26 | 天津大学 | 基于心电和呼吸信号同步性特征的情绪检测方法 |
CN107007291A (zh) * | 2017-04-05 | 2017-08-04 | 天津大学 | 基于多生理参数的紧张情绪强度识别系统及信息处理方法 |
CN109215791A (zh) * | 2018-10-31 | 2019-01-15 | 深圳市儿童医院 | 基于多信息决策的健康管理方法、系统、设备及存储介质 |
CN109864741A (zh) * | 2019-01-30 | 2019-06-11 | 北京津发科技股份有限公司 | 基于肌电信号的周期性动作评估方法和装置、终端设备 |
CN109965861A (zh) * | 2019-04-16 | 2019-07-05 | 重庆大学 | 一种无袖带穿戴式无创血压长时连续监测装置 |
CN110013260B (zh) * | 2019-04-30 | 2023-05-05 | 好心情健康产业集团有限公司 | 一种情绪主题调控方法、设备及计算机可读存储介质 |
-
2020
- 2020-01-23 CN CN202010077100.XA patent/CN111166354B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011098002A (ja) * | 2009-11-04 | 2011-05-19 | Seiko Epson Corp | 脈測定装置 |
US9724025B1 (en) * | 2013-01-16 | 2017-08-08 | Masimo Corporation | Active-pulse blood analysis system |
CN105496416A (zh) * | 2015-12-28 | 2016-04-20 | 歌尔声学股份有限公司 | 一种人体运动状态的识别方法和装置 |
CN106108885A (zh) * | 2016-06-14 | 2016-11-16 | 上海康情信息科技有限公司 | 评估身体运动状态及心电干扰大小的方法及其仪器 |
CN108601543A (zh) * | 2016-11-03 | 2018-09-28 | 华为技术有限公司 | 一种ecg信号处理方法及装置 |
CN106691425A (zh) * | 2016-12-30 | 2017-05-24 | 北京工业大学 | 一种运动手环的腕部心率监测方法 |
CN107223036A (zh) * | 2017-04-10 | 2017-09-29 | 深圳市汇顶科技股份有限公司 | 穿戴装置、自适应滤除运动干扰的方法及装置 |
CN109620209A (zh) * | 2018-12-31 | 2019-04-16 | 南京茂森电子技术有限公司 | 一种动态心电、呼吸和运动监测系统和方法 |
Non-Patent Citations (2)
Title |
---|
基于惯性传感器的手势识别系统的研究;赵焰喆;《中国优秀硕士学位论文全文数据库信息科技辑》;20181015;全文 * |
心率监测系统中噪声干扰消除技术的研究;马梦瑶;《中国优秀硕士学位论文全文数据库工程科技II辑》;20181115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111166354A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180325460A1 (en) | Multivariate Residual-Based Health Index for Human Health Monitoring | |
da Silva et al. | Off-the-person electrocardiography: performance assessment and clinical correlation | |
KR100580618B1 (ko) | 생리 신호의 단시간 모니터링을 통한 사용자 정서 인식장치 및 방법 | |
EP2575608B1 (en) | Detector for identifying physiological artifacts from physiological signals and method | |
WO2019161608A1 (zh) | 多参数监护数据分析方法和多参数监护系统 | |
KR20120094857A (ko) | 피복타입 무구속 생체신호 측정 및 이를 이용한 재활훈련 정도 판단방법 | |
Rehman et al. | Survey of wearable sensors with comparative study of noise reduction ecg filters | |
US20180085069A1 (en) | Method and Device for Processing Bio-Signals | |
Mora et al. | Accurate heartbeat detection on ballistocardiogram accelerometric traces | |
Tanweer et al. | Development of wearable hardware platform to measure the ECG and EMG with IMU to detect motion artifacts | |
CN111166306A (zh) | 生理信号采集方法及计算机设备、存储介质 | |
JP2023099105A (ja) | ウエアラブルデバイスを利用する心電図測定方法及びシステム | |
Rehman et al. | Analytical survey of wearable sensors | |
CN114027842B (zh) | 一种抑郁症客观筛查系统、方法及装置 | |
KR100673607B1 (ko) | 행태 분석이 가능한 생체신호 측정장치 | |
Rodríguez-Jorge et al. | Internet of things-assisted architecture for QRS complex detection in real time | |
CN111166354B (zh) | 影响情绪变化的因素的分析方法及电子设备 | |
Weeks et al. | A novel sensor-array system for contactless electrocardiogram acquisition | |
CN111166307A (zh) | 一种手指部位多参数生理信号采集装置 | |
CN111166293A (zh) | 影响情绪变化的因素的分析装置 | |
CN106308788B (zh) | 便携式心电监测设备 | |
Manso et al. | Smart-wearables and heart-rate assessment accuracy | |
Lilienthal et al. | Comparison of Reference Sensor Types and Position for Motion Artifact Removal in ECG | |
Przystup et al. | A detector of sleep disorders for using at home | |
Pirozzi et al. | Cardiac activity classification using an E-health app for a wearable device |
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 |