CN111956241A - 一种基于eeg信号的心理压力检测方法 - Google Patents

Abstract

本发明公开了一种基于EEG信号的心理压力检测方法，包括EEG信号采集设备、特制的EEG信号分析系统和心理压力等级模块三个部分。本发明的工作原理为：1、EEG信号采集设备采集佩戴者的脑电波信号实时传入特制的EEG信号分析系统；2、对EEG信号进行解码和预处理，计算并提取数据库中的不同心理压力等级的EEG信号功率谱密度特征，建立心理压力EEG数据库；3、应用随机森林算法建立机器学习模型，对不同EEG信号的特征值进行心理压力分级并训练；4、根据分级模型，判断EEG信号采集设备实时传入的EEG信号的心理压力等级。本发明以EEG信号的数据特征进行设计，建立了不同心理压力等级对应的EEG信号特征的数据模型，可实时判断EEG信号采集设备佩戴者的心理压力情况。

Description

一种基于EEG信号的心理压力检测方法

技术领域

本发明属于EEG信号识别技术领域，具体涉及一种基于EEG信号的心理压力检测方法。

背景技术

如今社会的快速发展，个人生活方式的改变，都可能会形成心理压力。长期经受慢性心理压力的个体容易引发焦虑、抑郁、心血管疾病等问题；而长期存在于较小心理压力或者无心理压力下，又容易导致个体丧失生活动力，带来失望或者抑郁心理。研究发现，适度的心理压力能够促进个体认知功能的执行，提高记忆力等能力，因此通过对心理压力的监测调控，有助于个体客观认知自己当前的心理压力水平并进行调整，提升生活和工作的幸福感，对于保持健康状态很有意义。

EEG信号识别技术不断被探索，实时EEG监测技术越来越成熟，通过计算 EEG信号的特征，可以判断人体的不同状态下的EEG信号特征。存在的问题是，目前市面上对心理压力检测基本都是通过心率、血压等指标，没有通过EEG 信号检测心理压力状态的系统。

发明内容

本发明的目的在于，提供一种基于EEG信号的心理压力检测方法，以解决现目前市面上基本没有通过EEG信号进行心理压力检测的情况。本方法基于 EEG信号特征进行设计，通过建立心理压力EEG信号数据库和EEG信号心理压力分级模型，可实现对佩戴者脑电波信号的实时监测和分析，给出佩戴者的心理状态等级，让佩戴者了解自己实时的心理压力状态。

为了实现上述目的，本发明提供如下技术方案：一种基于EEG信号的心理压力检测方法。本方法包括一套心理压力EEG信号的采集、传输、分析和判别的步骤，此步骤应用了EEG信号采集设备、特制的EEG信号分析系统和心理压力等级模块三个部分。本方法的心理压力EEG信号的采集、传输、分析和判别的步骤为：

第一步：通过佩戴EEG信号采集设备，对佩戴者进行EEG信号采集；

第二步：对采集到的EEG信号进行放大和编码，实时传输到特制的EEG信号分析系统；

第三步：特制的EEG信号分析系统进行EEG信号解码和预处理，并提取不同心理压力等级对应的EEG信号特征，建立心理压力EEG信号数据库；

第四步：应用机器学习算法建立EEG信号心理压力分级模型，以数据库中的EEG信号进行心理压力信号特征分析，完成模型训练；

第五步：根据EEG信号心理压力分级模型，实时判断佩戴者的心理压力等级。

优选的，所述第一步和第二步中信号采集和传输的步骤具体流程为：

第一步：佩戴者佩戴EEG信号采集设备，通过前额的4个电极采集前额脑电波信号，耳部的2个电极采集参考脑电波信号；

第二步：EEG信号采集设备通过运算放大器和模数转化器将原始EEG信号进行放大并转换为数字信号；

第三步：EEG信号采集设备通过外传部件将信号进行编码，整合为高频数字信号传输给特制的EEG信号分析系统。

优选的，所述第三步进行信号解码、预处理、特征提取和建立数据库步骤的计算流程为：

第一步：特制的EEG信号分析系统对高频数字信号进行解码，还原为多通道的EEG信号；

第二步：通过回归法、自适应滤波和独立分量分析法，对信号进行滤波和降噪，去除干扰和噪声；

第三步：对处理后的脑电波数据进行快速傅立叶变换，计算信号的功率谱密度作为心理压力信号特征值；

第四步：对信号特征值按不同心理压力等级进行标记，存入心理压力EEG 信号数据库。

优选的，所述第四步建立机器学习模型进行训练的步骤具体流程为：

第一步：在心理压力等级模块中使用随机森林算法建立EEG信号心理压力分级模型；

第二步：对数据库中的EEG信号特征值及所对应的心理压力等级进行计算；

第三步：通过机器学习，对EEG信号心理压力分级模型进行训练和数据更新，实时应用最新的训练结果。

优选的，所述第五步实时判断佩戴者心理压力等级的步骤具体流程为：

第一步：实时计算佩戴者的EEG信号的特征参数；

第二步：应用EEG信号心理压力分级模型，拟合佩戴者实时的EEG信号特征参数；

第三步：判断拟合的特征参数所处的心理压力等级范围，给出心理压力等级。

与现有的技术相比，本发明的有益效果是：

(1)本发明基于EEG信号特征进行设计，通过建立心理压力EEG信号特征数据库，提供了心理压力EEG信号特征分析的数据基础；

(2)本发明的EEG信号采集设备，通过前额部分4个、耳部2个电极阵列排布，可稳定地采集佩戴者的EEG信号；

(3)本发明的心理压力状态模块，通过建立机器学习模型，可根据EEG 信号的功率谱密度特征值进行心理压力等级的判别，实现了对佩戴者EEG信号实施的心理压力状态检测。

附图说明

图1为本发明一种基于EEG信号的心理压力检测方法的应用流程图；

图2为本发明一种基于EEG信号的心理压力检测方法的EEG信号采集设备结构示意图；

图3为本发明一种基于EEG信号的心理压力检测方法的EEG信号采集与传输的原理示意图；

图4为本发明一种基于EEG信号的心理压力检测方法的实时EEG信号解码、预处理、特征提取和建立数据库的流程示意图；

图5为本发明一种基于EEG信号的心理压力检测方法的建立算法模型进行心理压力判断的应用流程图；

图6为本发明一种基于EEG信号的心理压力检测方法的基础心理压力EEG 数据的采集的流程示意图；

图7为本发明一种基于EEG信号的心理压力检测方法进行EEG信号特征分析的两种波形特征示意图。

具体实施方式

下面将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，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性的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。

如图1所示，本发明提供一种技术方案：一种基于EEG信号的心理压力检测方法，包括一套心理压力EEG信号的采集、传输、分析和判别的步骤，在本实施例中具体为：

第一步：通过佩戴EEG信号采集设备，对佩戴者进行EEG信号采集；

第二步：对采集到的EEG信号进行放大和编码，实时传输到特制的EEG 信号分析系统；

第三步：特制的EEG信号分析系统进行EEG信号解码和预处理，并提取不同心理压力等级对应的EEG信号特征，建立心理压力EEG信号数据库；

第四步：应用机器学习算法建立EEG信号心理压力分级模型，以数据库中的EEG信号进行心理压力信号特征分析，完成模型训练；

第五步：根据EEG信号心理压力分级模型，实时判断佩戴者的心理压力等级。

本实施例中，优选的，如图2和图3所示，所述第一步和第二步中信号采集和传输的步骤具体流程为：

第一步：佩戴者佩戴EEG信号采集设备，通过前额的4个电极采集前额脑电波信号，耳部的2个电极采集参考脑电波信号；

第二步：EEG信号采集设备通过运算放大器和模数转化器将原始EEG信号进行放大并转换为数字信号；

第三步：EEG信号采集设备通过外传部件将信号进行编码，整合为高频数字信号传输给特制的EEG信号分析系统。

本实施例中，优选的，如图4所示，所述第三步进行信号解码、预处理、特征提取和建立数据库步骤的计算流程为：

第一步：特制的EEG信号分析系统对高频数字信号进行解码，还原为多通道的EEG信号；

第二步：通过回归法、自适应滤波和独立分量分析法，对信号进行滤波和降噪，去除干扰和噪声；

第三步：对处理后的脑电波数据进行快速傅立叶变换，计算信号的功率谱密度作为心理压力信号特征值；

第四步：对信号特征值按不同心理压力等级进行标记，存入心理压力EEG 信号数据库。

本实施例中，优选的，如图5所示，所述第四步建立机器学习模型进行训练的步骤具体流程为：

第一步：在心理压力等级模块中使用随机森林算法建立EEG信号心理压力分级模型；

第二步：对数据库中的EEG信号特征值及所对应的心理压力等级进行计算；

第三步：通过机器学习，对EEG信号心理压力分级模型进行训练和数据更新，实时应用最新的训练结果。

本实施例中，优选的，如图5所示，所述第五步实时判断佩戴者心理压力等级的步骤具体流程为：

第一步：实时计算佩戴者的EEG信号的特征参数；

第二步：应用EEG信号心理压力分级模型，拟合佩戴者实时的EEG信号特征参数；

第三步：判断拟合的特征参数所处的心理压力等级范围，给出心理压力等级。

本实施例中，优选的，如图6所示，心理压力EEG信号数据库基础数据采集具体流程为：

第一步：招募50名佩戴者，每位佩戴者全程头戴便携式EEG信号采集设备；

第二步：佩戴者全身心放松，在平静状态下记录时长为8分钟的EEG信号；

第三步：佩戴者进行时长为8分钟的数学运算任务，在宽松时间内判断数学乘法式子结果，并反馈判断结果是否正确；

第四步：休息20分钟后，佩戴者进行时长为8分钟的数学运算任务，在紧迫时间内判断数学乘法式子结果，并反馈判断结果是否正确。

第五步：取上述平静状态、宽松时间内完成、紧迫时间内完成任务的各EEG信号的第3至6分钟数据进行信号特征值分析；

第六步：采用0至5的计分方式，标记对应EEG信号的心理压力的等级，存入心理压力EEG信号数据库。

本发明基于EEG信号数据判断心理压力等级的参考参数范围：

如图7所示，心理压力EEG信号特征提取波形范围：

α波：8至12Hz；

β波：12至30Hz；

心理压力等级范围：

无心理压力：0；

轻微心理压力：0至1；

中度心理压力：2至3；

高心理压力：4至5；

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.基于EEG信号的心理压力检测方法，其特征在于：包括一套心理压力EEG信号的采集、传输、分析和判别的步骤，所述心理压力EEG信号的采集、传输、分析和判别的步骤为：

第一步：通过佩戴EEG信号采集设备，对佩戴者进行EEG信号采集；

第二步：对采集到的EEG信号进行放大和编码，实时传输到特制的EEG信号分析系统；

第三步：特制的EEG信号分析系统进行EEG信号解码和预处理，并提取不同心理压力等级对应的EEG信号特征，建立心理压力EEG信号数据库；

第四步：应用机器学习算法建立EEG信号心理压力分级模型，以数据库中的EEG信号进行心理压力信号特征分析，完成模型训练；

第五步：根据EEG信号心理压力分级模型，实时判断佩戴者的心理压力等级。

2.根据权利要求1所述的基于EEG信号的心理压力检测方法，其特征在于：所述第一步和第二步中信号采集和传输的步骤具体流程为：

第一步：佩戴者佩戴EEG信号采集设备，通过前额的4个电极采集前额脑电波信号，耳部的2个电极采集参考脑电波信号；

第二步：EEG信号采集设备通过运算放大器和模数转化器将原始EEG信号进行放大并转换为数字信号；

第三步：EEG信号采集设备通过外传部件将信号进行编码，整合为高频数字信号传输给特制的EEG信号分析系统。

3.根据权利要求1所述的基于EEG信号的心理压力检测方法，其特征在于：所述第三步进行信号解码、预处理、特征提取和建立数据库步骤的计算流程为：

第一步：特制的EEG信号分析系统对高频数字信号进行解码，还原为多通道的EEG信号；

第二步：通过回归法、自适应滤波和独立分量分析法，对信号进行滤波和降噪，去除干扰和噪声；

第三步：对处理后的脑电波数据进行快速傅立叶变换，计算信号的功率谱密度作为心理压力信号特征值；

第四步：对信号特征值按不同心理压力等级进行标记，存入心理压力EEG信号数据库。

4.根据权利要求1所述的基于EEG信号的心理压力检测方法，其特征在于：所述第四步建立机器学习模型进行训练的步骤具体流程为：

第一步：在心理压力等级模块中使用随机森林算法建立EEG信号心理压力分级模型；

第二步：对数据库中的EEG信号特征值及所对应的心理压力等级进行计算；

第三步：通过机器学习，对EEG信号心理压力分级模型进行训练和数据更新，实时应用最新的训练结果。

5.根据权利要求1所述的基于EEG信号的心理压力检测方法，其特征在于：所述第五步实时判断佩戴者心理压力等级的步骤具体流程为：

第一步：实时计算佩戴者的EEG信号的特征参数；

第二步：应用EEG信号心理压力分级模型，拟合佩戴者实时的EEG信号特征参数；

第三步：判断拟合的特征参数所处的心理压力等级范围，给出心理压力等级。

Images