CN114947791A - 基于可穿戴设备的心理压力计算方法及系统 - Google Patents

基于可穿戴设备的心理压力计算方法及系统 Download PDF

Info

Publication number
CN114947791A
CN114947791A CN202210394850.9A CN202210394850A CN114947791A CN 114947791 A CN114947791 A CN 114947791A CN 202210394850 A CN202210394850 A CN 202210394850A CN 114947791 A CN114947791 A CN 114947791A
Authority
CN
China
Prior art keywords
rri
value
sequence
peak point
point
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
Application number
CN202210394850.9A
Other languages
English (en)
Inventor
孙小玄
肖晓
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.)
Shenzhen Fenda Intelligent Technology Co ltd
Original Assignee
Shenzhen Fenda Intelligent Technology Co ltd
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 Shenzhen Fenda Intelligent Technology Co ltd filed Critical Shenzhen Fenda Intelligent Technology Co ltd
Priority to CN202210394850.9A priority Critical patent/CN114947791A/zh
Publication of CN114947791A publication Critical patent/CN114947791A/zh
Pending legal-status Critical Current

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
    • A61B5/02—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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Child & Adolescent Psychology (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Power Engineering (AREA)
  • Educational Technology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本申请公开了一种基于可穿戴设备的心理压力计算方法，包括以下步骤：获取检测信号；对检测信号进行滤波处理；从滤波处理后的检测信号获取RR I序列；确定信号质量；计算RRI序列的若干时域特征；对RRI序列进行延拓后进行带通滤波，以获取低频能量值和高频能量值，并根据低频能量值和高频能量值提取频域特征；根据所述时域特征、频域特征和信号质量计算心理压力。通过实施本方案，可以减少计算资源，减少对信号质量的依赖性。

Description

基于可穿戴设备的心理压力计算方法及系统
技术领域
本申请涉及穿戴式设备，特别是一种基于可穿戴设备的心理压力计算方法及系统。
背景技术
在当前社会快速发展的同时，人们时刻承受着来自各个方面的压力，无论是学习、工作、还是家庭方面，短期内适当的压力可以给予人们一定动力，但长时间处于高心理压力情况下，对人们的生理或心理都将会带来严重且难以换回的伤害，因此对心理压力的随时监测是十分必要的。
目前市场上存在的使用心率变异性进行压力评估的相关方法，虽然具有较强的即时性、单次测量成本低廉等优势，但大部分都存在着资源使用量大，信号质量要求严格，且针对穿戴设备上的特殊异常情况考虑较少等问题。且大多心率变异性心理压力评估方法存在着适配性较差，在某些情况下难以反应用户的真实心理压力情况。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于可穿戴设备的心理压力计算方法及系统，以减小基于心率变异性压力评估方法的资源占用，降低信号质量要求，增加算法的适用场景及稳定性。
本申请实施例提供了：一种基于可穿戴设备的心理压力计算方法，包括以下步骤：
获取检测信号；
对检测信号进行滤波处理；
从滤波处理后的检测信号获取RRI序列；
确定信号质量；
计算RRI序列的若干时域特征；
对RRI序列进行延拓后进行带通滤波，以获取低频能量值和高频能量值，并根据低频能量值和高频能量值提取频域特征；
根据所述时域特征、频域特征和信号质量计算心理压力。
在一些实施例中，所述对检测信号进行滤波处理，包括：
通过三阶巴特沃斯带通滤波器提取预设范围的带通信号；
对经过带通滤波的信号进行差分滤波；
对经过差分滤波后的信号进行均值滤波。
在一些实施例中，所述从滤波处理后的检测信号获取RRI序列，包括：
针对滤波处理后的检测信号中满足第一预设条件的峰值点进行标记；
判断被标记的峰值点是否是无效峰值点；
根据峰值点的有效性对RRI序列进行更新；
对RRI序列进行异常值调整，将满足异常条件的RRI值进行插值处理，得到RRI序列。
在一些实施例中，所述满足第一预设条件是指满足以下条件：该峰值点为极大值点；前一个有效峰值点至该峰值点之间存在小于第一阈值的极小值点，且满足要求的极小值点个数小于第二阈值；该峰值点大于第三阈值；
所述判断被标记的峰值点是否是无效峰值点，具体是：
若可疑峰值点与前一个有效峰值点之间的时间间隔小于第四阈值，则判定该峰值点为无效峰值点，否则判定该峰值点为有效峰值点；
所述根据峰值点的有效性对RRI序列进行更新，具体是：
若该时间间隔小于第五阈值，则判定该时间间隔为有效的RRI，更新RRI序列，否则判定该两峰值点之间出现漏检，判定该RR I为无效值，不进行RRI更新。
在一些实施例中，所述对RRI序列进行异常值调整，将满足异常条件的RRI值进行插值处理，得到RRI序列，具体是：
计算整个RRI序列的均值，针对RRI序列中每个RRI值进行判断，若RRI值小于0.7倍或者大于1.3倍的RRI序列均值，则对该RRI值进行差值处理；
其中，
Figure BDA0003596983940000031
上式中y为插值后的结果，f1为该点前一个满足阈值要求的RRI，f2为该点之后第一个满足阈值要求的RRI，m为该点与前一个满足要求RRI的间隔个数，n为前一个满足要求RRI与该点之后第一个满足要求RRI之间的间隔个数。
在一些实施例中，所述确定信号质量，具体包括：
针对单个时间窗内的检测信号进行质量判断，其中，当窗内的检测信号满足第二预设条件的判定为满足质量的信号；
根据被判定为满足质量的信号的数量确定信号质量。
其中，所述第二预设条件包括：
三轴加速度对应的合加速度的振幅、合加速度的基线、合加速度窗内的方差、绿光PPG震动幅值、经过滤波后的有效峰值点超过0.5～2倍RRI序列均值所占比例、未异常处理前的RRI超过0.5～2倍RRI序列均值所占比例，均满足对应的阈值要求。
在一些实施例中，所述对RRI序列进行延拓后进行带通滤波，以获取低频能量值和高频能量值，并根据低频能量值和高频能量值提取频域特征，具体包括：
将RRI序列进行多次延拓；
针对延拓后的信号，进行[0.04,0.15]Hz、[0.15,0.4]Hz带通信号提取，通过计算各通带信号振幅平方和得到低频能量LF、高频能量HF；
计算LF与HF的比值LF/HF作为频域特征；
其中，延拓后的信号为g(n)：
g(n)＝h(n)*f(n％l)+(1-h(n))*f(l-n％l)；
上式中f(*)为延拓前的原始RRI序列，l为原始RRI序列长度，其中％为取余运算，n一般最大选取到l的4倍，h(n)计算如下：
Figure BDA0003596983940000041
上式中//为取整操作。
在一些实施例中，所述时域特征包括RRI序列的均值、相邻正常心动周期差值的均方根RMSSD、心搏之间时间间隔的标准差SDNN、平均正常RR间期的标准差SDANN。
在一些实施例中，所述根据所述时域特征、频域特征和信号质量计算心理压力，包括：
获取运动影响等级，所述运动影响等级用于表征加速度传感器检测到的运动强烈程度；
根据所述运动影响等级、时域特征、频域特征和信号质量计算心理压力。
另一方面，本申请实施例公开了一种基于可穿戴设备的心理压力计算系统，其特征在于，包括：
存储器，用于存储程序；
处理器，用于加载所述程序以执行所述的一种基于可穿戴设备的心理压力计算方法。
本申请实施例在计算心率变异性频域特征时，采用了对RRI(心率间期序列信号)进行延拓，采用带通滤波方法进行相关频带特征的提取，该方法与传统使用傅里叶变换相关方法相比具有计算资源占用少、对RRI序列个数要求低等优势。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例的系统模块框图
图2是本申请实施例的心理压力计算方法流程图；
图3是本申请实施例的信号处理步骤的流程图；
图4是本申请实施例的RRI序列提取步骤的流程图；
图5是本申请实施例的信号质量检测步骤的流程图；
图6是本申请实施例的HRV特征计算步骤的流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，以下将参照本申请实施例中的附图，通过实施方式清楚、完整地描述本申请的技术方案，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。
在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中，除非另有明确的限定，设置等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
本发明系统结构整体框图如图1所示，其主要包括上位机端相关模块、穿戴设备端相关模块，其中穿戴设备端相关模块主要包括信号采集模块、佩戴检测模块、心理压力校准模块、心理压力测量模块。图中S11为上位机相关模块，其包括手机APP、云服务和网关，其主要功能用于用户信息存储与下发、心理压力主动测量的发起、心理压力主动校准的发起、测量记录的统计与展示等；S12为设备端信号采集模块，其负责采集绿光及红外PPG信号(包括但不限于128Hz)，以及三轴加速度信号(包括但不限于25Hz)；S13为佩戴检测模块，该模块通过以下两个条件进行佩戴判断：1)红外PPG信号基线值是否满足阈值要求；2)绿光PPG信号中是否存在心率周期。如果满足以上两个要求则为佩戴状态，否则为未佩戴，在未佩戴状态下，测量或校准过程会被中断；S14为心理压力校准模块，其分为主动校准和被动校准两个部分，该模块将通过问卷校准结果、睡眠质量、静息心率、主动校准过程中的测量信号特征等针对当前用户进行算法适配；S15为心理压力计算模块，该模块负责针对信号采集模块所采集的绿光PPG信号进行信号的滤波处理、信号特征点提取、信号异常处理以及最终的心理压力值计算。
如图2所示，整个心理压力计算方法可以分为以下几个步骤：
S21、算法初始化步骤。
具体地，该步骤将初始化用户的压力等级、校准压力值、静息心率值、参考心率值、特征系数等相关参数，用户的压力等级、校准压力值由校准块得来，静息心率值由日常测量统计得来，参考心率值、特征系数由用户的个人信息分类人群统计得来。本步骤属于初始化步骤，在获取检测数据之前完成初始化配置。检测数据包括128Hz的PPG信号及25Hz的ACC信号。
S22、为信号处理步骤，对检测信号进行滤波处理。
具体地，如图3，该步骤分为以下几个步骤：S31、针对传入信号进行带通滤波，包括但不限于使用3阶巴特沃斯带通滤波器提取[0.3,8]Hz的通带信号，通过该步骤去除低频的基线偏移及高频噪声影响；S32、针对经过带通滤波的信号进行差分滤波，包括但不限于一阶差分，该操作主要目的是减小低频成分的干扰，并且将信号转变为信号的变化维度；S33、针对差分滤波后的信号进行均值滤波，减小信号中的高频成分对特征点的选取造成影响。
S23、为RRI提取步骤，从滤波处理后的检测信号获取RRI序列。
具体地，如图4，该步骤分为以下几个步骤：S41该步骤将针对滤波处理后的信号进行可疑的峰值点标记，可疑的峰值点需要满足1)该点为极大值点；2)前一个有效峰值点至该峰值点之间存在小于阈值要求的极小值点，且满足要求的极小值点个数小于阈值；3)该极大值点大于阈值；S42若可疑峰值点与前一个有效峰值点之间的时间间隔小于阈值1，则认为该峰值点为无效峰值点，否则认为该峰值点为有效峰值点，若该时间间隔小于阈值2，则认为该时间间隔为有效的RRI，更新RRI序列，否则认为该两峰值点之间出现漏检，该RRI为无效值，不进行RRI更新；S43针对生成的时间间隔序列(RRI)进行异常值调整，该步骤首先会计算整个RRI序列的均值，针对序列中的每个RRI值进行阈值判断，如RRI小于0.7倍RRI序列均值或RRI大于1.3倍RRI序列均值，则针对该RRI值进行插值处理,
Figure BDA0003596983940000081
上式中y为插值后的结果，f1为该点前一个满足阈值要求的RRI，f2为该点之后第一个满足阈值要求的RRI，m为该点与前一个满足要求RRI的间隔个数，n为前一个满足要求RRI与该点之后第一个满足要求RRI之间的间隔个数。该步骤RRI阈值要求包括但不限于0.7、1.3，插值方法包括但不限于以上线性插值。
S24、为信号质量判断步骤，确定信号质量。
具体地，如图5，该步骤分为以下几个步骤：S51针对单个时间窗内的信号进行信号质量判断，时间窗包括但不限于6S，信号需要满足以下要求1)三轴加速度(ACC)对应的合加速度的振幅是否小于阈值3；2)合加速度的基线是否满足阈值要求；3)合加速时间窗内的方差是否小于阈值；4)绿光PPG振动幅值是否满足阈值要求；5)经过滤波后的有效峰值点超过0.5-2倍均值所占比例是否小于阈值；6)未异常处理前的RRI超过0.5-2倍RRI序列均值所占比例是否小于阈值；若满足以上要求该时间窗内信号质量满足要求，否则信号质量不满足要求。S52整个测量过程时间包括但不限于60S，整个测量过程中信号质量判断不进行滑窗操作，即可以获取多个时间窗的信号质量，统计满足要求的时间窗个数；S53若满足要求的信号个数小于阈值1，则信号质量等级levelsignal为0，若信号个数大于阈值1，小于阈值2，则信号质量等级为1，否则信号质量等级为2。
S25为特征提取步骤，计算RRI序列的若干时域特征；对RRI序列进行延拓后进行带通滤波，以获取低频能量值和高频能量值，并根据低频能量值和高频能量值提取频域特征。
具体地，如图6，该模块首先通过步骤S61计算RRI序列的均值、相邻正常心动周期差值的均方根RMSSD、心搏之间时间间隔的标准差SDNN、平均正常RR间期的标准差SDANN等时域特征；其次通过步骤S62将RRI序列进行多次延拓，延拓后的信号为g(n)：
g(n)＝h(n)*f(n％l)+(1-h(n))*f(l-n％l)
上式中f(*)为延拓前的原始RRI序列，l为原始RRI序列长度，其中％为取余运算，n一般最大选取到l的4倍，h(n)计算如下：
Figure BDA0003596983940000091
上式中//为取整操作。该延拓操作实质上是对RRI序列进行偶延拓后进行时序平移，这里不采用奇延拓的原因是为了避免延拓后的信号跳变不连续。针对延拓后的信号，进行[0.04，0.15]Hz、[0.15，0.4]Hz带通信号提取，通过计算各通带信号振幅平方和得到低频能量LF、高频能量HF，将LF与HF除以信号长度，减小不同RRI信号长度对该值的影响，计算LF与HF的比值LF/HF，该频域特征提取方法可以实现在保证特征准确性的前提下，可以极大的减少计算资源的使用量，以本发明在芯片apollo3.0实际对比数据为例，使用傅里叶相关的频谱方法在flash占用上要大2.5倍，RAM占用要大6倍，整体计算量要大25倍。得到相关特征后步骤S63将会对各特征的方位进行合理性判断，若出现某个特征对最终的压力值贡献度超过阈值范围，则会对该特征进行阈值截断处理。
S26为压力计算步骤，根据运动影响等级、时域特征、频域特征和信号质量计算心理压力。
具体地，该步骤需要获取除心率变异性特征值、信号质量等级之外，还需要获取用户的运动影响等级，
Figure BDA0003596983940000101
上式中t为有效剧烈运动到心理压力测量时的时间间隔，有效剧烈运动的定义为当加速度传感器检测到振动幅值超过阈值1，且持续时间超过阈值2。当运动影响等级不为2时，此时存在运动对心率变异性的影响，此时心理压力stresscur计算需要参考用户的校准值：
stresscur＝γ*(∑θi*fi+levelstress*ε+β*(hrrest-hrref))+(1-γ)*stresscalib；
上式中θi为存在运动影响下的每个心率变异性特征对应的权值，fi为心率变异性特征，levelstress为压力等级，ε为每个压力等级之间的压力值修正量，由统计得来，β为心率校准系数，不同人群该系数存在差异，hrrest为静息心率值，hrref为该类人群静息情况下统计得到的参考心率值，stresscalib为用户心率压力校准值。
上式中γ为本次测量的置信度。
Figure BDA0003596983940000111
当信号质量为0时，返回测试失败。当运动影响等级levelsport为2时，此时运动对心率变异性影响较小，其心理压力计算公式为：
stresscur＝∑αi*fi+levelstress*ε+β*(hrrest-hrref)；
其中θi为无运动影响下的每个心率变异性特征对应的权值。
针对存在运动影响及信号质量影响的心理压力值本发明在返回压力值的同时会返回一个存在准确性影响的标志，固件的UI及APP针对返回的标志进行区分显示。
综上所述，为了减小基于心率变异性压力评估方法的资源占用，本发明在计算心率变异性频域特征时，采用了对RRI(心率间期序列信号)进行延拓，采用带通滤波方法进行相关频带特征的提取，该方法与传统使用傅里叶变换相关方法相比具有计算资源占用少、对RRI序列个数要求低等优势；为了降低心率变异性压力评估方法对信号质量的要求，本发明采用了针对不同信号质量，给与不同变异性特征不同权值的方法，该方法一定程度上增加了算法的适用范围；由于运动对心率变异性相关特征具有十分显著的影响，为了区分是由于运动导致的心率变异性变化还是心理压力导致的心率变异性变化，本发明增加了运动影响等级特征，该操作增加算法的稳定性。
在本申请中所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种基于可穿戴设备的心理压力计算方法，其特征在于，包括以下步骤：
获取检测信号；
对检测信号进行滤波处理；
从滤波处理后的检测信号获取RRI序列；
确定信号质量；
计算RRI序列的若干时域特征；
对RRI序列进行延拓后进行带通滤波，以获取低频能量值和高频能量值，并根据低频能量值和高频能量值提取频域特征；
根据所述时域特征、频域特征和信号质量计算心理压力。
2.根据权利要求1所述的一种基于可穿戴设备的心理压力计算方法，其特征在于，所述对检测信号进行滤波处理，包括：
通过三阶巴特沃斯带通滤波器提取预设范围的带通信号；
对经过带通滤波的信号进行差分滤波；
对经过差分滤波后的信号进行均值滤波。
3.根据权利要求1所述的一种基于可穿戴设备的心理压力计算方法，其特征在于，所述从滤波处理后的检测信号获取RRI序列，包括：
针对滤波处理后的检测信号中满足第一预设条件的峰值点进行标记；
判断被标记的峰值点是否是无效峰值点；
根据峰值点的有效性对RRI序列进行更新；
对RRI序列进行异常值调整，将满足异常条件的RRI值进行插值处理，得到RRI序列。
4.根据权利要求3所述的一种基于可穿戴设备的心理压力计算方法，其特征在于，所述满足第一预设条件是指满足以下条件：该峰值点为极大值点；前一个有效峰值点至该峰值点之间存在小于第一阈值的极小值点，且满足要求的极小值点个数小于第二阈值；该峰值点大于第三阈值；
所述判断被标记的峰值点是否是无效峰值点，具体是：
若可疑峰值点与前一个有效峰值点之间的时间间隔小于第四阈值，则判定该峰值点为无效峰值点，否则判定该峰值点为有效峰值点；
所述根据峰值点的有效性对RRI序列进行更新，具体是：
若该时间间隔小于第五阈值，则判定该时间间隔为有效的RRI，更新RRI序列，否则判定该两峰值点之间出现漏检，判定该RRI为无效值，不进行RRI更新。
5.根据权利要求4所述的一种基于可穿戴设备的心理压力计算方法，其特征在于，所述对RRI序列进行异常值调整，将满足异常条件的RRI值进行插值处理，得到RRI序列，具体是：
计算整个RRI序列的均值，针对RRI序列中每个RRI值进行判断，若RRI值小于0.7倍或者大于1.3倍的RRI序列均值，则对该RRI值进行差值处理；
其中，
Figure FDA0003596983930000021
上式中y为插值后的结果，f1为该点前一个满足阈值要求的RRI，f2为该点之后第一个满足阈值要求的RRI，m为该点与前一个满足要求RRI的间隔个数，n为前一个满足要求RRI与该点之后第一个满足要求RRI之间的间隔个数。
6.根据权利要求1所述的一种基于可穿戴设备的心理压力计算方法，其特征在于，所述确定信号质量，具体包括：
针对单个时间窗内的检测信号进行质量判断，其中，当窗内的检测信号满足第二预设条件的判定为满足质量的信号；
根据被判定为满足质量的信号的数量确定信号质量。
其中，所述第二预设条件包括：
三轴加速度对应的合加速度的振幅、合加速度的基线、合加速度窗内的方差、绿光PPG震动幅值、经过滤波后的有效峰值点超过0.5～2倍RRI序列均值所占比例、未异常处理前的RRI超过0.5～2倍RRI序列均值所占比例，均满足对应的阈值要求。
7.根据权利要求1所述的一种基于可穿戴设备的心理压力计算方法，其特征在于，所述对RRI序列进行延拓后进行带通滤波，以获取低频能量值和高频能量值，并根据低频能量值和高频能量值提取频域特征，具体包括：
将RRI序列进行多次延拓；
针对延拓后的信号，进行[0.04,0.15]Hz、[0.15,0.4]Hz带通信号提取，通过计算各通带信号振幅平方和得到低频能量LF、高频能量HF；
计算LF与HF的比值LF/HF作为频域特征；
其中，延拓后的信号为g(n)：
g(n)＝h(n)*f(n％l)+(1-h(n))*f(l-n％l)；
上式中f(*)为延拓前的原始RRI序列，l为原始RRI序列长度，其中％为取余运算，n一般最大选取到l的4倍，h(n)计算如下：
Figure FDA0003596983930000031
上式中//为取整操作。
8.根据权利要求1所述的一种基于可穿戴设备的心理压力计算方法，其特征在于，所述时域特征包括RRI序列的均值、相邻正常心动周期差值的均方根RMSSD、心搏之间时间间隔的标准差SDNN、平均正常RR间期的标准差SDANN。
9.根据权利要求1所述的一种基于可穿戴设备的心理压力计算方法，其特征在于，所述根据所述时域特征、频域特征和信号质量计算心理压力，包括：
获取运动影响等级，所述运动影响等级用于表征加速度传感器检测到的运动强烈程度；
根据所述运动影响等级、时域特征、频域特征和信号质量计算心理压力。
10.一种基于可穿戴设备的心理压力计算系统，其特征在于，包括：
存储器，用于存储程序；
处理器，用于加载所述程序以执行如权利要求1-9任一项所述的一种基于可穿戴设备的心理压力计算方法。
CN202210394850.9A 2022-04-14 2022-04-14 基于可穿戴设备的心理压力计算方法及系统 Pending CN114947791A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210394850.9A CN114947791A (zh) 2022-04-14 2022-04-14 基于可穿戴设备的心理压力计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210394850.9A CN114947791A (zh) 2022-04-14 2022-04-14 基于可穿戴设备的心理压力计算方法及系统

Publications (1)

Publication Number Publication Date
CN114947791A true CN114947791A (zh) 2022-08-30

Family

ID=82977411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210394850.9A Pending CN114947791A (zh) 2022-04-14 2022-04-14 基于可穿戴设备的心理压力计算方法及系统

Country Status (1)

Country Link
CN (1) CN114947791A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117271977A (zh) * 2023-09-27 2023-12-22 北京津发科技股份有限公司 一种hrv数据预处理方法、装置及电子设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117271977A (zh) * 2023-09-27 2023-12-22 北京津发科技股份有限公司 一种hrv数据预处理方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN110664390B (zh) 基于腕带式ppg和深度学习的心率监测系统及方法
EP3334337B1 (en) Monitoring of sleep phenomena
CN107106085B (zh) 用于睡眠监测的设备和方法
CN105816163B (zh) 检测心率的方法、装置及可穿戴设备
CN109222961B (zh) 一种便携式睡眠监测系统及相关睡眠监测方法
US20190059822A1 (en) Heart rate detection method and apparatus, and electronic terminal thereof
US11350835B2 (en) Wearable device for reflecting fatigue level of human body
CN111513706B (zh) 一种针对含有异常r波的心电信号的检测方法和装置
CN110866498B (zh) 一种心率监测方法
CN117033911A (zh) 基于智能眼镜数据的计步分析方法
US11452483B2 (en) Apparatus for eliminating motion artifacts by using PPG signal and method thereof
CN116138745B (zh) 融合毫米波雷达和血氧数据的睡眠呼吸监测方法及设备
CN103932693A (zh) 一种基于手机图像的人体心率的测量方法
CN104282292A (zh) 显示器亮度的自动控制装置及其方法
CN114947791A (zh) 基于可穿戴设备的心理压力计算方法及系统
CN108042107A (zh) 一种ppg信号伪差校正方法
CN111685731A (zh) 睡眠数据处理方法、装置、设备及存储介质
CN102217931A (zh) 一种心率变异性特征参数的获取方法和装置
CA2888513A1 (en) Device and method for detecting and reporting of a stress condition of a person
CN114488841A (zh) 一种智能穿戴设备的数据搜集处理方法
CN108154112B (zh) 一种处理心电数据的方法、处理心电数据的装置及电子设备
WO2021104129A1 (zh) 心率估计方法、装置及应用其的电子设备
CN118201542A (zh) 用于判断人是否睡着的装置、系统和方法
Sapoznikov et al. Detection of regularities in heart rate variations by linear and non-linear analysis: power spectrum versus approximate entropy
CN114098645B (zh) 一种睡眠分期方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication