CN117530691B - 基于室分网络的抑郁倾向检测系统、方法及相关设备 - Google Patents
基于室分网络的抑郁倾向检测系统、方法及相关设备 Download PDFInfo
- Publication number
- CN117530691B CN117530691B CN202410031707.2A CN202410031707A CN117530691B CN 117530691 B CN117530691 B CN 117530691B CN 202410031707 A CN202410031707 A CN 202410031707A CN 117530691 B CN117530691 B CN 117530691B
- Authority
- CN
- China
- Prior art keywords
- detected
- terminal server
- network
- person
- depression
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000005855 radiation Effects 0.000 claims abstract description 8
- 230000006399 behavior Effects 0.000 claims description 47
- 238000004891 communication Methods 0.000 claims description 23
- 230000000276 sedentary effect Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 230000004622 sleep time Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 4
- 230000036544 posture Effects 0.000 description 36
- 230000000875 corresponding effect Effects 0.000 description 20
- 230000004044 response Effects 0.000 description 8
- 230000008451 emotion Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000035882 stress Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006996 mental state Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010012374 Depressed mood Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000994 depressogenic effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002650 habitual effect Effects 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 230000004617 sleep duration Effects 0.000 description 2
- 208000000044 Amnesia Diseases 0.000 description 1
- 208000031091 Amnestic disease Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000027534 Emotional disease Diseases 0.000 description 1
- 208000021663 Female sexual arousal disease Diseases 0.000 description 1
- 208000037490 Medically Unexplained Symptoms Diseases 0.000 description 1
- 208000009668 Neurobehavioral Manifestations Diseases 0.000 description 1
- 208000006262 Psychological Sexual Dysfunctions Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 230000006986 amnesia Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000009894 physiological stress Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Epidemiology (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- Educational Technology (AREA)
- Databases & Information Systems (AREA)
- Child & Adolescent Psychology (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请提供一种基于室分网络的抑郁倾向检测系统、方法及相关设备,包括:相控阵发射机发射检测信号,以使相控阵发射机与室分网络之间形成电磁检测网;所述相控阵发射机发射信号在垂直于地面的水平面内辐射波束宽度θ为1°~30°,其波束扫描周期为0.01~1200s,一个周期内的波束扫描次数为ψ/θ(ψ为室内扫描区域与所述相控阵发射机的夹角);接收机将接收到的接收信号发送至终端服务器;终端服务器根据接收信号确定待检测人员的当前行为,并根据当前行为检测待检测人员的抑郁倾向程度。本申请能够在无需考虑待检测人员配合度的情况下进行大范围的员工抑郁倾斜程度检测,大大降低检测成本,同时检测结果准确。
Description
技术领域
本申请涉及通信领域,尤其涉及一种基于室分网络的抑郁倾向检测系统、方法及相关设备。
背景技术
随着社会的快速发展以及人们工作、生活压力的日益增加,抑郁等情绪问题持续高发。抑郁情绪对个人生活以及家庭和社会均存在着较大的危害。公众对抑郁症认知普遍停留在情绪症状层面,数据显示,80%的受访者认为出现情绪低落、悲伤等症状时是与抑郁症有关。但在抑郁症发作期间,参与调查的抑郁症患者中,55%出现注意力集中困难,37%出现健忘,36%出现犹豫不决这些抑郁症认知症状时,很少人认为这些症状与抑郁症有关。相比抑郁症其他症状,譬如出现持续显著情绪低落、悲伤,入睡困难、失眠或不明原因体重减轻等情绪和躯体症状,人们通常不会觉得犹豫不决是一种病,更不会刻意进行治疗,但其恰恰很可能就是抑郁症。并且,这些症状正对患者工作造成巨大负面作用。患者要花费更多时间才能完成工作,并且比平常更容易出错,造成误工、工作效率低下。
相关技术中,抑郁倾向程度检测的方法通常只针对个体,无法针对大范围人员,无法了解群体中个人的精神状态。且大范围人员抑郁倾向检测存在实施成本高、配合难、以及检测方法精确度不够。
发明内容
有鉴于此,本申请提供一种基于室分网络的抑郁倾向检测系统、方法及相关设备,能够进行大范围的员工抑郁倾向程度检测,同时能够降低检测成本。
本申请的第一方面提供一种基于室分网络的抑郁倾向检测系统,包括:接收机、相控阵发射机和终端服务器,所述接收机与所述室分网络连接;所述相控阵发射机发射检测信号,以使所述相控阵发射机与所述室分网络之间形成电磁检测网;其中,待检测人员为多个,每个待检测人员均对应一个工位,所有工位均位于所述电磁检测网内;所述相控阵发射机发射信号在垂直于地面的水平面内辐射波束宽度θ为1°~30°,其波束扫描周期为0.01~1200s,一个周期内的波束扫描次数为ψ/θ,其中,ψ为室内扫描区域与所述相控阵发射机的夹角;所述接收机将接收到的接收信号发送至所述终端服务器;其中,所述电磁检测网根据所述待检测人员的当前行为生成所述接收信号;所述终端服务器根据所述接收信号确定所述待检测人员的当前行为,并根据所述当前行为检测所述待检测人员的抑郁倾向程度。
与相关技术相比,本申请的实施例至少具有以下优点:
通过设置相控阵发射机,由于相控阵发射机发射检测信号,能够与现有的室分网络形成电磁检测网,从而降低了抑郁倾向检测的成本;电磁检测网能够根据待检测人员的姿势和当前位置生成接收信号,再通过终端服务器根据接收信号确定待检测人员的当前行为,以得知待检测人员的抑郁倾向程度,由于待检测人员对应的工位均位于电磁检测网内,使得能够同时检测多个待检测人员的抑郁倾向程度,提高了抑郁倾向检测效率;此外,由于电磁检测网为非接触无线检测,因此此种方式的抑郁倾向检测几乎不需要考虑待检测人员的配合度。同时,由于抑制检测相控阵发射机发射波束窄,且可以实现波束扫描,与室分网络形成的传输路径清晰,因此可以精确测算出室内人员的位置和状态,准确度更高。
在一些可能的实现方式中,所述当前行为包括姿势;所述终端服务器根据所述接收信号确定所述待检测人员的当前行为,包括:所述终端服务器根据所述接收信号的幅度变化确定所述待检测人员的姿势,所述姿势至少包括坐姿以及睡姿中的一种。
在一些可能的实现方式中,所述终端服务器根据所述当前行为检测所述待检测人员的抑郁倾向程度,包括:所述终端服务器在确定所述待检测人员处于坐姿时,检测所述待检测人员处于坐姿的第一时长;所述终端服务器检测所述第一时长与预设久坐时长的大小关系,并根据所述第一时长与所述预设久坐时长的大小关系确定所述待检测人员的抑郁倾向程度。
在一些可能的实现方式中,所述终端服务器根据所述当前行为检测所述待检测人员的抑郁倾向程度,包括:所述终端服务器在确定所述待检测人员处于睡姿时,检测所述待检测人员处于睡姿的第二时长;所述终端服务器检测所述第二时长与预设睡眠时长的大小关系,并根据所述第二时长与所述预设睡眠时长的大小关系确定所述待检测人员的抑郁倾向程度。
在一些可能的实现方式中,所述当前行为包括当前位置;所述终端服务器根据所述接收信号确定所述待检测人员的当前行为,包括:所述终端服务器根据所述接收信号的时延变化确定所述待检测人员的当前位置。
在一些可能的实现方式中,所述终端服务器根据所述当前行为检测所述待检测人员的抑郁倾向程度,包括:所述终端服务器根据所述当前位置确定所述待检测人员是否处于自身的工位上,以及是否与其他人员聚集交流;所述终端服务器获取第一预设时长内所述待检测人员不在自身工位上的总次数,以及与其他人员的聚集交流时长;检测所述总次数与预设次数的大小关系、所述聚集交流时长与预设交流时长的大小关系,并根据所述总次数与预设次数的大小关系、所述聚集交流时长与预设交流时长的大小关系确定所述待检测人员的抑郁倾向程度。
在一些可能的实现方式中,所述室分网络包括信源、漏缆、合路器、功分/耦合器;所述相控阵发射机与所述漏缆之间形成所述电磁检测网;所述接收机包括主接收机和次接收机;所述主接收机和所述信源通过所述合路器合路,并与所述漏缆连接,所述次抑郁接收机位于漏缆的末端;所述接收信号通过所述漏缆传输至所述主接收机或所述次接收机;所述功分/耦合器连接多根所述漏缆。
本申请第二方面公开了一种基于室分网络的抑郁倾向检测方法,应用于抑郁倾向检测系统,所述抑郁倾向检测系统包括:接收机、相控阵发射机和终端服务器,所述接收机与所述室分网络连接,所述方法包括:所述相控阵发射机发射机发射检测信号,以使所述相控阵发射机与所述室分网络之间形成电磁检测网;其中,待检测人员为多个,每个待检测人员均对应一个工位,所有工位均位于所述电磁检测网内;所述相控阵发射机发射信号在垂直于地面的水平面内辐射波束宽度θ为1°~30°,其波束扫描周期为0.01~1200s,一个周期内的波束扫描次数为ψ/θ,其中,ψ为室内扫描区域与所述相控阵发射机的夹角;所述抑郁接收机用于接收接收信号,并将所述接收信号发送至所述终端服务器;其中,所述电磁检测网根据所述待检测人员的姿势和当前位置生成所述接收信号;所述终端服务器用于根据所述接收信号确定所述待检测人员的当前行为,并根据所述当前行为检测所述待检测人员的抑郁倾向程度。
本申请第三方面公开了一种电子设备,所述电子设备包括处理器和存储器,所述存储器用于存储指令,所述处理器用于调用所述存储器中的指令,使得所述电子设备执行上述的基于室分网络的抑郁倾向检测方法。
本申请第四方面公开了一种存储介质,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行上述的基于室分网络的抑郁倾向检测方法。
可以理解地,上述提供的第二方面的基于室分网络的抑郁倾向检测方法,第三方面的电子设备,第四方面的存储介质均与上述第一方面的系统对应,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
附图说明
为了更清楚地说明本申请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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请一实施例提供的基于室分网络的抑郁倾向检测系统的功能模块示意图。
图2为本申请一实施例提供的基于室分网络的抑郁倾向检测系统的应用场景图。
图3为本申请一实施例提供的时间与信号幅度的关系图。
图4为本申请一实施例提供的基于室分网络的抑郁倾向检测方法的流程图。
图5为本申请一实施例的电子设备的硬件结构示意图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施方式对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施方式及实施方式中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施方式仅是本申请一部分实施方式,而不是全部的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本申请。
进一步需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本申请中“至少一个”是指一个或者多个,“多个”是指两个或多于两个。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不是用于描述特定的顺序或先后次序。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于理解,示例性的给出了部分与本申请实施例相关概念的说明以供参考。
室分网络,全称为室内无线信号分布系统。是实现室内无线局域的一种方式,采用一个AP,多个天线通过电缆连接的方式分布无线网络。
请参考图1,为本申请实施例提供的基于室分网络的抑郁倾向检测系统的功能模块示意图,基于室分网络的抑郁倾向检测系统100包括:接收机1、相控阵发射机2和终端服务器3;相控阵发射机2用于发射检测信号,以使相控阵发射机2与室分网络之间形成电磁检测网;其中,待检测人员为多个,每个待检测人员均对应一个工位,所有工位均位于电磁检测网内;相控阵发射机发射信号在垂直于地面的水平面内辐射波束宽度θ为1°~30°,其波束扫描周期为0.01~1200s,一个周期内的波束扫描次数为ψ/θ(ψ为室内扫描区域与所述相控阵发射机的夹角)。接收机1用于接收接收信号,并将接收信号发送至终端服务器3;其中,电磁检测网根据待检测人员的当前行为生成接收信号;终端服务器3用于根据接收信号确定待检测人员的当前行为,并根据当前行为检测待检测人员的抑郁倾向程度。
在一些实施例中,室分网络包括信源、漏缆、和合路器;相控阵发射机2与所述漏缆之间形成所述电磁检测网;抑郁接收机1和所述信源通过所述合路器合路,并与所述漏缆连接,所述接收信号通过所述漏缆传输至接收机1。
为了便于理解,下面结合图2对本实施例的基于室分网络的抑郁倾向检测系统100的工作流程进行具体的说明:请参考图2,为本申请实施例提供的基于室分网络的抑郁倾向检测系统的应用场景图。
相控阵发射机发射检测信号,从而与漏缆之间形成电磁检测网;接收机将接收到的接收信号传输至终端服务器(图2未示出)进行数据处理。
具体的说,图2所示的相控阵发射机为两个,圆圈代表员工的工位,以左侧的相控阵发射机为例,左侧的相控阵发射机与漏缆之间形成电磁检测网,六个工位位于该电磁检测网内;此外,接收机包括主接收机和次接收机,主接收机和信源通过合路器合路,并与漏缆连接,次抑郁接收机位于漏缆的末端;接收信号通过漏缆传输至主接收机或次接收机。功分/耦合器连接多根所述漏缆,且不包括所述主接收机和所述次接收机的使用频段。主接收机、次抑郁接收机设置在不影响室分信号覆盖的同时,形成多条独立的检测路径,方便服务器区别检测路径,便于解算。对于同一员工来说,该员工所处的位置不同、姿势不同,均会导致电磁检测网产生的接收信号的幅度、时延以及宽度不同,因此,终端服务器能够根据接收信号幅度的变化确定该员工的当前行为。
相控阵发射机的发射端为定位辐射天线,可以灵活部署,波束扫描范围为30°~270°,在覆盖员工工作区域的同时,尽可能的减小其他方向的信号浪费。
在一些实施例中,终端服务器根据接收信号的时延变化确定待检测人员的当前位置;再根据当前位置确定待检测人员是否处于自身的工位上,以及是否与其他人员聚集交流。
具体的说,根据以下公式计算接收信号的时延:
;
其中,i为第i个相控阵发射机,j为第j个接收机,为接收信号的时延,/>为待检测人员与接收机的纵向距离,/>为待检测人员与接收机的横向距离,/>为漏缆中的传播速率,/>为光速,/>为待检测人员与接收机在纵向距离上的误差距离,/>为待检测人员与接收机在横向距离上的误差距离。
对于不同的待检测人员,在处于自身工位且姿势相同时,电磁信号网产生的接收信号的宽度、时延也不相同。
对于同一个待检测人员,当他处于不同位置时,电磁信号网产生的接收信号的宽度、时延也不相同。因此,电磁信号网能够根据接收信号的宽度、时延变化确定待检测人员的当前位置。
为了便于理解,下面对本申请如何确定待检测人员是否处于自身的工位上,以及是否与其他人员聚集交流进行具体的说明:终端服务器预先存储员工与工位的对应关系,例如,员工A对应第一工位,员工B对应第二工位,员工C对应第三工位;当员工不在工位上时,由于工位与接收机之间的距离不同,因此,电磁检测网对应不同工位产生不同的接收信号。假设电磁信号网对应第一工位产生接收信号1,对应第二工位产生接收信号2以及对应第三工位产生接收信号3,接收信号1、接收信号2以及接收信号3的幅度、宽度、时延均不相同。也就是说,当终端服务器接收到的信号为接收信号1时,表明员工A不在自身的工位上,检测员工B和员工C是否在自身工位上与员工A的检测方法相同,此处不再赘述。
当员工A、员工B以及员工C均处于自身的工位时,电磁信号网会产生新的接收信号1A、接收信号2A以及接收信号3A,终端服务器根据接收信号1A、接收信号2A与接收信号3A的幅度、宽度、时延与前述的接收信号1、接收信号2以及接收信号3的幅度、宽度、时延的关系,确定员工A、员工B以及员工C均处于自身的工位上。例如,接收信号1A的幅度是接收信号1幅度的N倍,则可确定接收信号1A为员工A处于第一工位后,电磁信号网产生的信号,终端服务器再根据接收信号1A的幅度、宽度、时延确定员工A在第一工位的当前行为,如是否处于坐姿或睡姿等。
需要说明的是,由于每个人的体型不一致,因此,当不同员工处于电磁检测网内的同一位置且姿势相同时,电磁检测网产生的接收信号的幅度、宽度、时延不同。例如,当员工A处于第一工位且处于坐姿时,电磁检测网产生的接收信号为接收信号1A,当员工B处于第一工位且处于坐姿时,电磁检测网产生的接收信号为接收信号1B,接收信号1A与接收信号1B的幅度、宽度、时延不同。
当员工A及员工B均处于员工C的工位附近时,终端服务器接收到接收信号1和接收信号2,根据接收信号1和接收信号2确定员工A和员工B均不在自身的工位上,电磁检测网对应员工A产生新的接收信号11,对应员工B产生新的接收信号21,终端服务器根据接收信号11、接收信号21以及接收信号1C的幅度、宽度、时延的关系,确定员工A和员工B均处于第三工位附近,也即确定员工A、员工B和员工C聚集交流。
在一些实施例中,终端服务器还会获取第一预设时长内待检测人员不在自身工位上的总次数,以及与其他人员的聚集交流时长。并检测总次数与预设次数的大小关系、聚集交流时长与预设交流时长的大小关系,并根据总次数与预设次数的大小关系、聚集交流时长与预设交流时长的大小关系确定待检测人员的抑郁倾向程度。
在一些实施例中,不对第一预设时长的大小做具体限定,可以根据实际需求设置。
在一些实施例中,不对预设次数的大小做具体限定,可以根据实际需求设置。
在一些实施例中,不对预设交流时长的大小做具体限定,可以根据实际需求设置。
具体的说,通过检测员工第一预设时长内不在自身工位的总次数,可以推断员工的社交频率,从而可以判断员工的人格特征。人格对抑郁起重要作用,抑郁患者的人格外倾性得分普遍偏低。根据英国心理学家H. J.艾森克编制的艾森克人格问卷(EysenckPersonality Questionnaire,EPQ),人格是由行为和行为群有机组织而成的层级结构。最低层是无数个具体反应,是可直接观察的具体行为。较高层是习惯性反应,它是具体反应经重复被固定下来的行为倾向。再高一层是特质,是一组习惯性反应的有机组合,如焦虑、固执等。最高一层是类型,是由一组相关特质的有机组合而成,具有高度概括的特征,对人的行为具有广泛的影响。他通过对人格问卷资料的因素分析研究,确定了人格类型的三个基本维度。其中,根据外倾性维度可以把人格分为外倾型和内倾型。分数高表示人格外向,可能是好交际、渴望刺激和冒险,情感易于冲动。分数低表示人格内向,可能是好静,富于内省,除了亲密的朋友之外,对一般人缄默冷淡,不喜欢刺激,喜欢有秩序的生活方式,情绪比较稳定。
因此,通过检测总次数与预设次数的大小关系,能够确定该员工的抑郁倾向程度。对于社交频率明显低于平均水平的员工,或社交频率明显低于该员工日常水平的员工,可以鼓励其参与社交技能训练,配合团体心理辅导和自我教育等方法,预防抑郁的发生,减轻抑郁情绪的累积。
在一些实施例中,终端服务器根据接收信号的幅度变化确定待检测人员的姿势,姿势至少包括坐姿以及睡姿中的一种。具体的说,本实施例中接收信号的幅度计算公式为:
;其中,i为第i个相控阵发射机,j为第j个接收机,/>为接收信号幅度,/>为漏缆传输损耗,/>为漏缆与相控阵发射机的纵向长度,/>为漏缆与相控阵发射机的横向距离,/>为相控阵发射机的辐射方向,/>为相控阵发射机在/>方向上的增益,/>为待检测人员的姿势常数,/>为待检测人员的穿透损耗,/>为其他阻挡物的穿透损耗,/>为功率损耗误差,/>为相控阵发射机的发射功率。
请参考图3,图3为本申请实施例提供的时间与信号幅度的关系图。对于同一待检测人员,在处于同一位置时的姿势不同,电磁信号网产生的接收信号的幅度也不相同。
图3表征了同一员工在工位上不同姿势时,接收信号的幅度变化。从图3中可以看出,员工处于站姿时接收信号的幅度最大,处于坐姿时接收信号的幅度较小,处于睡姿时接收信号的幅度最小。因此针对同一员工,可以根据接收信号幅度的大小确定该员工的姿势。
以待检测人员的姿势为坐姿为例,终端服务器在确定待检测人员处于坐姿时,检测待检测人员处于坐姿的第一时长。具体的说,假设待检测人员A处于坐姿时,电磁信号网产生的接收信号的幅值区间为第一幅值区间,终端服务器检测待检测人员A对应的接收信号的幅值处于第一幅值区间的时长,该时长即为待检测人员A处于坐姿的第一时长。
终端服务器检测第一时长与预设久坐时长的大小关系,并根据第一时长与预设久坐时长的大小关系确定待检测人员的抑郁倾向程度。
在一些实施例中,不对预设久坐时长的大小做具体限定,预设久坐时长可以通过所有员工处于坐姿的平均时长确定,也可以根据其他方式确定。
具体的说,久坐行为是在清醒的状态下,所有坐、斜靠或平躺时,个体自身的能量消耗低于1.5METs的行为。有规律的体育活动和较少的久坐行为已被证明与更好的精神健康有关。因此,通过检测待检测人员的久坐时长,能够确定待检测人员的抑郁倾向程度。例如,某一员工处于坐姿的第一时长过长,则该员工的精神状态可能不佳,需要及时进行心理辅导或采用其他手段提高该员工的精神状态。
以待检测人员的姿势为睡姿为例,终端服务器在确定待检测人员处于睡姿时,检测待检测人员处于睡姿的第二时长。
在一些实施例中,假设待检测人员B处于睡姿时,电磁信号网产生的接收信号的幅值区间为第二幅值区间,检测待检测人员B对应的接收信号的幅值处于第二幅值区间的时长,该时长即为待检测人员B处于睡姿的第二时长。
终端服务器检测第二时长与预设睡眠时长的大小关系,并根据第二时长与预设睡眠时长的大小关系确定待检测人员的抑郁倾向程度。
在一些实施例中,不对预设睡眠时长的大小做具体限定,预设睡眠时长可以设置为30分钟、40分钟等。
具体的说,抑郁情绪的发生与人群睡眠存在相关性。午睡可以补充能量以弥补夜间睡眠不足,从而更好地维持日常活动,健康成年人30分钟以内的午睡可以提高警觉性、情绪状态和认知能力。因此,通过检测待检测人员的睡眠时长,能够确定该待检测人员的抑郁倾向程度。
对于午睡时长较少甚至没有的待检测人员,减少待检测人员的久坐时间,督促待检测人员进行有规律的适度运动,鼓励短时间(<30分钟)的午睡行为,从而有效减少待检测人员的抑郁情绪。
在一些实施例中,还可以通过指纹打卡机检测每个员工的心率、脉搏等,并通过室分网络上传到云平台,与抑郁接收机接收到的接收信号进行协同处理,以进行抑郁表现的判断。
具体的说,心率变异性(HRV)能够较客观地反映个体的生理应激水平,对临床应激评估具有指导性意义。应激水平越高,植物神经系统的紧张性越高,放电的波动性越小,表现为心率增快、HRV波动性减小。心理应激水平越高,抑郁的可能性越高。
因此,对于长期处于HRV低值,即应急水平高值的员工,需要引起重视,通过心理疏导等方式实施积极的心理治疗和应激干预,减少抑郁可能性。
与相关技术相比,本申请的实施例至少具有以下优点:通过设置相控阵发射机,由于抑郁倾向检测相控阵发射机发射检测信号,能够与现有的室分网络形成电磁检测网,从而降低了抑郁倾向检测的成本;电磁检测网能够根据待检测人员的姿势和当前位置生成接收信号,再通过终端服务器根据接收信号确定待检测人员的当前行为,以得知待检测人员的抑郁倾向程度,由于待检测人员对应的工位均位于电磁检测网内,使得能够同时检测多个待检测人员的抑郁倾向程度,提高了抑郁倾向检测效率;电磁检测网为非接触无线检测,几乎不需要考虑待检测人员的配合度。同时,由于抑制检测相控阵发射机发射波束窄,且可以实现波束扫描,与室分网络形成的传输路径清晰,因此可以精确测算出室内人员的位置和状态,准确度更高。
请参考图4,为本申请实施例提供的基于室分网络的抑郁倾向检测方法的流程图。
本实施例应用于前述实施例的抑郁倾向检测系统,具体流程如图4所示,包括以下步骤:
步骤101:相控阵发射机发射检测信号,以使相控阵发射机与室分网络之间形成电磁检测网;其中,待检测人员为多个,每个待检测人员均对应一个工位,所有工位均位于所述电磁检测网内。
在一些实施例中,不对待检测人员的数量做具体限定,可以根据公司的实际人数设置。
在一些实施例中,如图2所示,相控阵发射机的个数为多个;多个相控阵发射机可以单独或同时发射检测信号。例如,每个相控阵发射机与室分网络之间形成的电磁检测网的覆盖范围(即覆盖的工位范围)预先存储在终端服务器中;若当前仅需要获得某个工位的某个待检测人员的抑郁倾向程度,则终端服务器根据待检测人员的工位信息确定出对应的相控阵发射机,控制对应的相控阵发射机发射检测信号。
步骤102:接收机将接收到的接收信号发送至终端服务器;其中,电磁检测网根据待检测人员的当前行为生成接收信号。
在一些实施例中,对于不同员工,由于不同员工所处的工位不同,因此不同员工在同一姿势下电磁检测网产生的接收信号的幅度也不相同。例如,员工A处于第一工位,员工B处于第二工位,员工A和员工B均为坐姿,电磁检测网对应员工A产生第一接收信号,电磁检测网对应员工B产生第二接收信号,第一接收信号和第二接收信号的幅度、宽度、时延不相同。
在一些实施例中,对于不同员工,不同员工所处的工位不同,不同员工在不同姿势下电磁检测网产生的接收信号的幅度、宽度、时延也不相同。
在一些实施例中,对于同一个员工,该员工处于自身的工位上时,在不同姿势下电磁检测网产生的接收信号的幅度也不相同。例如,员工C处于第三工位,员工C的姿势为站姿时,电磁检测网对应员工C产生第三接收信号,员工C处于坐姿时,电磁检测网对应员工C产生第四接收信号,第三接收信号和第四接收信号的幅度不相同。
在一些实施例中,对于同一个员工,该员工不处于自身的工位上时,与该员工处于自身的工位相比,电磁检测网产生的接收信号的幅度、宽度、时延也不相同。
为了便于理解,下面对本申请如何通过接收信号的特征确定工位和员工的位置进行具体的说明:
终端服务器预先存储员工与工位的对应关系,以及工位与接收机之间的距离关系。例如,员工A对应第一工位,员工B对应第二工位,员工C对应第三工位;第一工位与接收机之间相距第一距离,第二工位与接收机之间相距第二距离,第三工位与接收机之间相距第三距离。当员工不在工位上时,由于工位与接收机之间的距离不同,因此,电磁检测网对应不同工位产生不同的接收信号。假设电磁信号网对应第一工位产生接收信号1,对应第二工位产生接收信号2以及对应第三工位产生接收信号3,接收信号1、接收信号2以及接收信号3的幅度、宽度、时延均不相同。在实际应用中,工位与员工身份是一一对应的,即当接收信号1的幅度、宽度、时延变化时,终端服务器能够得知员工A处于第一工位上,当接收信号2的幅度、宽度、时延变化时,终端服务器能够得知员工B处于第二工位上。更具体的,以接收信号1为例,终端服务器根据接收信号1幅度、宽度、时延的变化情况确定员工A的当前行为。
可以理解的是,当终端服务器接收到接收信号1,则可表明员工A不在自身的工位上,当员工A处于其他位置时,电磁检测网对应员工A会产生一个新的接收信号4,终端服务器根据接收信号4的幅度、宽度、时延确定员工A的当前行为和当前位置。
步骤103:终端服务器根据接收信号确定待检测人员的当前行为,并根据当前行为检测待检测人员的抑郁倾向程度。
在一些实施例中,终端服务器根据接收信号生成调制信号。具体的说,接收信号可以通过传播函数与行进时间/>之间的卷积积分来写入,即/>;将PN编码信号用于/>。由于PN码的自相关性质是:/>,使得终端服务器能够分析工位与接收机之间相对距离的响应幅度、宽度、时延。因此,终端服务器可以通过观察每个工位的接收信号的幅度、宽度、时延变化来检测员工姿势并测量位置,也即可以检测员工的位置和人员聚集的时长,从而判断员工的交流情况。
在一些实施例中,为了对员工的当前行为进行探测,相控阵发射机每秒发送N个数据包,以与室分网络之间形成电磁检测网。具体的说,终端服务器通过接收信道状态信息读数,并根据矩阵表示来制定数据。它是一个被称为信道频率响应的矩阵,每行表示一个子载波频率,而信道频率响应矩阵的列表示接收天线。信道频率响应矩阵显示了员工多种姿势的通道频率响应幅度和时间历程的变化。为了观察员工身体姿势的变化,终端服务器从信道频率响应矩阵的第10行中选择信道频率响应序列(信道状态信息数据的时间历史从第十个子载波开始变化)。可以理解的是,选择该特定子载波进行分析是因为在该子载波处观察到对应子载波之间的最大差异。通过观察通道频率响应幅度的变化判断员工的姿势,也可以判断员工午休时间。
与相关技术相比,本申请的实施例至少具有以下优点:通过设置相控阵发射机,由于相控阵发射机发射检测信号,能够与现有的室分网络形成电磁检测网,从而降低了抑郁检测的成本;电磁检测网能够根据待检测人员的姿势和当前位置生成接收信号,再通过终端服务器根据接收信号确定待检测人员的当前行为,以得知待检测人员的抑郁倾向程度,由于待检测人员对应的工位均位于电磁检测网内,使得能够同时检测多个待检测人员的抑郁倾向程度,提高了抑郁倾向检测效率;电磁检测网为非接触无线检测,几乎不需要考虑待检测人员的配合度。同时,由于抑制检测相控阵发射机发射波束窄,且可以实现波束扫描,与室分网络形成的传输路径清晰,因此可以精确测算出室内人员的位置和状态,准确度更高。
请参考图5,为本申请实施例提供的电子设备1000的硬件结构示意图。如图5所示,电子设备1000可以包括处理器1001、存储器1002。存储器1002用于存储一个或多个计算机程序1003。一个或多个计算机程序1003被配置为被该处理器1001执行。该一个或多个计算机程序1003包括指令,上述指令可以用于实现在电子设备1000中执行上述的方法。
可以理解的是,本实施例示意的结构并不构成对电子设备1000的具体限定。在另一些实施例中,电子设备1000可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。
处理器1001可以包括一个或多个处理单元,例如:处理器1001可以包括应用处理器(application processor,AP),调制解调器,图形处理器(graphics processing unit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
处理器1001还可以设置有存储器,用于存储指令和数据。在一些实施例中,处理器1001中的存储器为高速缓冲存储器。该存储器可以保存处理器1001刚用过或循环使用的指令或数据。如果处理器1001需要再次使用该指令或数据,可从该存储器中直接调用。避免了重复存取,减少了处理器1001的等待时间,因而提高了系统的效率。
在一些实施例中,处理器1001可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,SIM接口,和/或USB接口等。
在一些实施例中,存储器1002可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本实施例还提供一种计算机可读存储介质,该存储介质中存储有计算机指令,当该指令在电子设备上运行时,使得电子设备执行上述相关方法步骤实现上述实施例中的方法。
其中,本实施例提供的电子设备、计算机存储介质均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例是示意性的,例如,该模块或单元的划分,为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
该作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
该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,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例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个设备(可以是单片机,芯片等)或处理器(processor)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-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。
Claims (9)
1.一种基于室分网络的抑郁倾向检测系统,其特征在于,包括:接收机、相控阵发射机和终端服务器,所述接收机与所述室分网络连接;所述室分网络包括信源、漏缆、合路器、功分/耦合器;所述相控阵发射机与所述漏缆之间形成电磁检测网;所述接收机包括主接收机和次接收机;所述主接收机和所述信源通过所述合路器合路,并与所述漏缆连接,所述次接收机位于所述漏缆的末端;所述接收信号通过所述漏缆传输至所述主接收机或所述次接收机;所述功分/耦合器连接多根所述漏缆;所述主接收机和所述次接收机设置在不影响室分信号覆盖的同时,形成多条独立的检测路径;
所述相控阵发射机发射检测信号,以使所述相控阵发射机与所述室分网络之间形成电磁检测网;其中,待检测人员为多个,每个待检测人员均对应一个工位,所有工位均位于所述电磁检测网内;
所述相控阵发射机发射信号在垂直于地面的水平面内辐射波束宽度θ为1°~30°,其波束扫描周期为0.01~1200s,一个周期内的波束扫描次数为ψ/θ,其中,ψ为室内扫描区域与所述相控阵发射机的夹角;
所述接收机将接收到的接收信号发送至所述终端服务器;其中,所述电磁检测网根据所述待检测人员的当前行为生成所述接收信号;
所述终端服务器根据所述接收信号确定所述待检测人员的当前行为,并根据所述当前行为检测所述待检测人员的抑郁倾向程度。
2.如权利要求1所述的基于室分网络的抑郁倾向检测系统,其特征在于,所述当前行为包括姿势;所述终端服务器根据所述接收信号确定所述待检测人员的当前行为,包括:
所述终端服务器根据所述接收信号的幅度变化确定所述待检测人员的姿势,所述姿势至少包括坐姿以及睡姿中的一种。
3.如权利要求2所述的基于室分网络的抑郁倾向检测系统,其特征在于,所述终端服务器根据所述当前行为检测所述待检测人员的抑郁倾向程度,包括:
所述终端服务器在确定所述待检测人员处于坐姿时,检测所述待检测人员处于坐姿的第一时长;
所述终端服务器检测所述第一时长与预设久坐时长的大小关系,并根据所述第一时长与所述预设久坐时长的大小关系确定所述待检测人员的抑郁倾向程度。
4.如权利要求2所述的基于室分网络的抑郁倾向检测系统,其特征在于,所述终端服务器根据所述当前行为检测所述待检测人员的抑郁倾向程度,包括:
所述终端服务器在确定所述待检测人员处于睡姿时,检测所述待检测人员处于睡姿的第二时长;
所述终端服务器检测所述第二时长与预设睡眠时长的大小关系,并根据所述第二时长与所述预设睡眠时长的大小关系确定所述待检测人员的抑郁倾向程度。
5.如权利要求1所述的基于室分网络的抑郁倾向检测系统,其特征在于,所述当前行为包括当前位置;所述终端服务器根据所述接收信号确定所述待检测人员的当前行为,包括:
所述终端服务器根据所述接收信号的时延变化确定所述待检测人员的当前位置。
6.如权利要求5所述的基于室分网络的抑郁倾向检测系统,其特征在于,所述终端服务器根据所述当前行为检测所述待检测人员的抑郁倾向程度,包括:
所述终端服务器根据所述当前位置确定所述待检测人员是否处于自身的工位上,以及是否与其他人员聚集交流;
所述终端服务器获取第一预设时长内所述待检测人员不在自身工位上的总次数,以及与其他人员的聚集交流时长;
所述终端服务器检测所述总次数与预设次数的大小关系、所述聚集交流时长与预设交流时长的大小关系,并根据所述总次数与预设次数的大小关系、所述聚集交流时长与所述预设交流时长的大小关系确定所述待检测人员的抑郁倾向程度。
7.一种基于室分网络的抑郁倾向检测方法,其特征在于,应用于抑郁倾向检测系统,所述抑郁倾向检测系统包括:接收机、相控阵发射机和终端服务器,所述接收机与所述室分网络连接,所述方法包括:
所述相控阵发射机发射检测信号,以使所述相控阵发射机与所述室分网络之间形成电磁检测网;其中,待检测人员为多个,每个待检测人员均对应一个工位,所有工位均位于所述电磁检测网内;
所述相控阵发射机发射信号在垂直于地面的水平面内辐射波束宽度θ为1°~30°,其波束扫描周期为0.01~1200s,一个周期内的波束扫描次数为ψ/θ,其中,ψ为室内扫描区域与所述相控阵发射机的夹角;
所述接收机将接收到的接收信号发送至所述终端服务器;其中,所述电磁检测网根据所述待检测人员的当前行为生成所述接收信号;
所述终端服务器根据所述接收信号确定所述待检测人员的当前行为,并根据所述当前行为检测所述待检测人员的抑郁倾向程度。
8.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器用于存储指令,所述处理器用于调用所述存储器中的指令,使得所述电子设备执行权利要求7所述的基于室分网络的抑郁倾向检测方法。
9.一种存储介质,其特征在于,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求7所述的基于室分网络的抑郁倾向检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410031707.2A CN117530691B (zh) | 2024-01-09 | 2024-01-09 | 基于室分网络的抑郁倾向检测系统、方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410031707.2A CN117530691B (zh) | 2024-01-09 | 2024-01-09 | 基于室分网络的抑郁倾向检测系统、方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117530691A CN117530691A (zh) | 2024-02-09 |
CN117530691B true CN117530691B (zh) | 2024-04-09 |
Family
ID=89790411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410031707.2A Active CN117530691B (zh) | 2024-01-09 | 2024-01-09 | 基于室分网络的抑郁倾向检测系统、方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117530691B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104274191A (zh) * | 2014-10-08 | 2015-01-14 | 北京中维监安信息科技有限公司 | 一种心理测评方法及其系统 |
CN106856346A (zh) * | 2017-01-23 | 2017-06-16 | 华南理工大学 | 一种室内无线输能系统以及无线输能方法 |
WO2018151628A1 (ru) * | 2017-02-17 | 2018-08-23 | Георгий Игоревич ПЛИЕВ | Алгоритм комплексного дистанционного бесконтактного мультиканального анализа психоэмоционального и физиологического состояния объекта по аудио- и видеоконтенту |
CN111938670A (zh) * | 2020-06-30 | 2020-11-17 | 齐鲁工业大学 | 基于人体骨架运动学特征信息的抑郁症识别方法及系统 |
CN212685686U (zh) * | 2020-05-11 | 2021-03-12 | 济南市妇幼保健院 | 基于5g室分技术的远程探视推车 |
CN113017590A (zh) * | 2021-02-26 | 2021-06-25 | 清华大学 | 生理数据监测方法、装置、计算机设备和存储介质 |
CN114027842A (zh) * | 2021-11-18 | 2022-02-11 | 赵永翔 | 一种抑郁症客观筛查系统、方法及装置 |
CN114098733A (zh) * | 2021-11-23 | 2022-03-01 | 安徽富煌科技股份有限公司 | 一种基于雷视融合的驾乘人员体征智能检测装置 |
CN116077062A (zh) * | 2023-04-10 | 2023-05-09 | 中国科学院自动化研究所 | 心理状态感知方法及系统、可读存储介质 |
CN116626596A (zh) * | 2023-05-19 | 2023-08-22 | 浙江大学 | 一种基于毫米波雷达的社交意图识别方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3820363A4 (en) * | 2018-07-09 | 2021-08-04 | Neteera Technologies Ltd. | SUB-THZ AND THZ SYSTEM INTENDED FOR THE DETECTION OF PHYSIOLOGICAL PARAMETERS AND ASSOCIATED PROCESS |
-
2024
- 2024-01-09 CN CN202410031707.2A patent/CN117530691B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104274191A (zh) * | 2014-10-08 | 2015-01-14 | 北京中维监安信息科技有限公司 | 一种心理测评方法及其系统 |
CN106856346A (zh) * | 2017-01-23 | 2017-06-16 | 华南理工大学 | 一种室内无线输能系统以及无线输能方法 |
WO2018151628A1 (ru) * | 2017-02-17 | 2018-08-23 | Георгий Игоревич ПЛИЕВ | Алгоритм комплексного дистанционного бесконтактного мультиканального анализа психоэмоционального и физиологического состояния объекта по аудио- и видеоконтенту |
CN212685686U (zh) * | 2020-05-11 | 2021-03-12 | 济南市妇幼保健院 | 基于5g室分技术的远程探视推车 |
CN111938670A (zh) * | 2020-06-30 | 2020-11-17 | 齐鲁工业大学 | 基于人体骨架运动学特征信息的抑郁症识别方法及系统 |
CN113017590A (zh) * | 2021-02-26 | 2021-06-25 | 清华大学 | 生理数据监测方法、装置、计算机设备和存储介质 |
CN114027842A (zh) * | 2021-11-18 | 2022-02-11 | 赵永翔 | 一种抑郁症客观筛查系统、方法及装置 |
CN114098733A (zh) * | 2021-11-23 | 2022-03-01 | 安徽富煌科技股份有限公司 | 一种基于雷视融合的驾乘人员体征智能检测装置 |
CN116077062A (zh) * | 2023-04-10 | 2023-05-09 | 中国科学院自动化研究所 | 心理状态感知方法及系统、可读存储介质 |
CN116626596A (zh) * | 2023-05-19 | 2023-08-22 | 浙江大学 | 一种基于毫米波雷达的社交意图识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117530691A (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103155675B (zh) | 医疗设备中的多个无线电装置的共存 | |
Rowe | Environmental and genetic influences on pubertal development: Evolutionary life history traits? | |
Ha | Technologies and research trends in wireless body area networks for healthcare: a systematic literature review | |
US20200267936A1 (en) | Pet monitoring | |
Chang et al. | Wireless sensor networks for vital signs monitoring: Application in a nursing home | |
CN113974657B (zh) | 基于脑电信号的训练方法、装置、设备及存储介质 | |
Bradai et al. | A comprehensive overview of wireless body area networks (WBAn) | |
US20110118554A1 (en) | Device-assisted social networking for health management | |
Itatani et al. | Neural correlates of auditory streaming in an objective behavioral task | |
Tseng et al. | Comparison of head elevation versus rotation methods for eliciting cervical vestibular-evoked myogenic potentials via bone-conducted vibration | |
McGregor et al. | Acoustic reflexes are common but not pervasive: evidence using a diagnostic middle ear analyser | |
US20210022636A1 (en) | Bio-signal detecting headband | |
Zhang et al. | Comfort and health evaluation of live mutton sheep during the transportation based on wearable multi-sensor system | |
Rahman et al. | Network approach for physiological parameters measurement | |
Yılmaz et al. | Analysis of the mobile phone effect on the heart rate variability by using the largest Lyapunov exponent | |
Fouad et al. | Heart rate sensor node analysis for designing internet of things telemedicine embedded system | |
Danker-Hopfe et al. | Spending the night next to a router–Results from the first human experimental study investigating the impact of Wi-Fi exposure on sleep | |
CN117530691B (zh) | 基于室分网络的抑郁倾向检测系统、方法及相关设备 | |
Wu et al. | R 2 NA: Received Signal Strength (RSS) Ratio-Based Node Authentication for Body Area Network | |
CN108334200B (zh) | 电子设备控制方法及相关产品 | |
CN204410814U (zh) | 一种脑电生物反馈诊断治疗仪及系统 | |
Matic et al. | Smart phone sensing to examine effects of social interactions and non-sedentary work time on mood changes | |
Adarsh et al. | Wireless medical sensor networks for smart e-healthcare | |
Massey et al. | Experimental analysis of a mobile health system for mood disorders | |
Sun et al. | Link characteristics measuring in 2.4 GHz body area sensor networks |
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 |