基于呼吸信号的人类应激状态实时遥测

发布时间：2017-08-08 09:29

  本文关键词：基于呼吸信号的人类应激状态实时遥测

  更多相关文章： 心理应激 生理应激 压力分类 实时应激监测 遥测应激状态

【摘要】：心理应激状态是人们在面对外界心理压力时所表现出的一种内在的不平衡的状态。适度的心理压力对人们的工作学习有促进作用,而沉重的压力则会起到相反作用,长期处于这种应激状态下甚至会影响身体健康。因而,能够实时不间断地监测人类心理应激状态的系统,对人们了解自身状态、实现情绪和健康管理有一定的指导意义。传统的心理应激检测系统采用接触式测量获得的生理信号作为输入。使用者长期佩戴接触式传感器会造成诸多不适和不便。并且大多数心理应激状态识别的研究仅区分心理应激和平静状态,而对于同心理应激状态在生理表现上有很多相似的生理应激(生理压力引起)并不做区分,在某些情况下,势必会造成识别系统的误判。本文提出了一种基于呼吸信号的人类心理应激状态实时遥测方法。该方法可以非接触地测量被试者的呼吸信号,并通过对呼吸信号的分析,实时判别被测试者放松、生理应激和心理应激三种情感状态,有助于人们实现日常生活中的情绪和压力管理。具体研究内容如下:(1)呼吸信号遥测系统的设计。采用微软公司的Kinect体感摄像机实现呼吸信号的非接触式采集,并与美国BIOPAC公司的生理信号记录仪MP150同步测量呼吸信号,将两组呼吸信号对比,对自主设计的呼吸信号遥测系统的可靠性进行分析。(2)建立情感呼吸信号数据库。采用听轻音乐的方式使被试处于放松状态,采集放松状态下的呼吸信号;采用Stroop Test诱发被试的心理压力,采集心理压力状态下的呼吸信号;采用运动的方式诱发被试的生理压力,采集被试的生理压力下呼吸信号;共获得情感有效诱发的86名被试在基线状态和三种情感状态下的呼吸信号,通过预处理后组成压力情感呼吸信号数据库。(3)压力下情感的识别与分类。对压力情感呼吸信号数据库中的呼吸信号从时域和频域两个方面共提取276个原始特征。然后采用假设检验方法筛选出具有区分性的60个有效特征组成有效特征集。采用三个“一对多”的Fisher分类器和随机森林三分类分类器两种分类模型实现三种情感状态的分类。并采用“留一被试法”验证两种分类模型的分类性能,验证结果表明,三个“一对多”的Fisher分类器验证识别率分别为94.19%、93.02%、86.05%,随机森林三分类验证识别率均在90%以上。(4)应激状态实时遥测系统的建立。把训练好的分类模型集成到呼吸信号遥测系统中,对实时采集到的呼吸信号添加滑动窗,并对每个滑动窗内的呼吸波形进行实时预处理和特征提取,实现每隔10s实时判别一次应激状态。
【关键词】：心理应激 生理应激 压力分类 实时应激监测 遥测应激状态
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;R56
【目录】：

• 摘要5-7
• Abstract7-9
• 第一章 引言9-16
• 1.1 研究的背景及意义9-11
• 1.2 压力情感识别的研究现状11-14
• 1.2.1 国外研究现状11-13
• 1.2.2 国内研究现状13-14
• 1.3 论文研究内容与创新点14-15
• 1.3.1 论文研究内容14
• 1.3.2 论文创新点14-15
• 1.4 论文结构安排15-16
• 第二章 基于Kinect的呼吸信号遥测系统16-24
• 2.1 呼吸信号特性分析16-17
• 2.2 Kinect体感相机功能简介17-19
• 2.3 呼吸信号遥测系统设计19-22
• 2.4 系统可靠性分析22-24
• 第三章 压力识别情感呼吸信号采集24-29
• 3.1 压力情感诱发方法24-26
• 3.2 情感呼吸信号采集26-29
• 第四章 基于呼吸信号的压力情感识别29-47
• 4.1 信号预处理29-31
• 4.1.1 基线漂移和传感器噪声的去除29-30
• 4.1.2 人体运动噪声解决方案30
• 4.1.3 去线性趋势与数据截取30
• 4.1.4 预处理结果30-31
• 4.2 特征提取与特征筛选31-37
• 4.2.1 时域特征32-35
• 4.2.2 频域特征35-36
• 4.2.3 特征标准化36
• 4.2.4 基于假设检验的特征筛选36-37
• 4.3 分类器设计37-47
• 4.3.1 Fisher分类算法介绍38-39
• 4.3.2 随机森林分类算法介绍39-41
• 4.3.3 分类器性能评估方法41-42
• 4.3.4 Fisher分类器设计及性能分析42-45
• 4.3.5 随机森林分类器设计及性能分析45-47
• 第五章 心理应激状态实时遥测系统的建立47-52
• 5.1 系统模块设计47-48
• 5.1.1 数据采集模块47-48
• 5.1.2 情感实时判别模块48
• 5.2 系统的功能实现48-52
• 5.2.1 C#与 matlab 混合编程48-50
• 5.2.2 系统界面50
• 5.2.3 识别结果50-52
• 第六章 总结与展望52-53
• 参考文献53-58
• 致谢58-59
• 攻读硕士期间研究成果及发表的学术论文59-60
• 攻读硕士期间参与的项目60

【相似文献】

中国期刊全文数据库 前8条

1 赵素文;贾磊磊;卢望;;基于心电信号中提取呼吸信号的探讨[J];桂林航天工业高等专科学校学报;2012年01期

2 宁徐彷;姚毅;全红;陈文艳;胡广;徐琳;;双摄像机获取人体呼吸信号的探讨[J];武汉大学学报(医学版);2007年03期

3 肖敏;蔡光卉;张榆锋;郑帆;杨维娜;;一种呼吸信号的检测方法[J];生物医学工程研究;2008年03期

4 张瑞华;叶逢春;;一种具有自动补偿功能的呼吸信号检测电路[J];医疗卫生装备;2009年03期

5 张淑清;上官寒露;袁计委;赵玉春;杨瑾;;基于内禀模态能量比呼吸信号特征参数提取方法[J];仪器仪表学报;2010年08期

6 戚建新,郭群恩,董苑;阻抗法检测呼吸信号的电路设计[J];医疗卫生装备;1998年03期

7 蔡尤彪;;使用Medlab系统采集小鼠的呼吸信号[J];中国科技信息;2006年14期

8 ;[J];;年期

中国重要会议论文全文数据库 前3条

1 庞雪莲;李川勇;葛曼玲;;应用独立分量分析法去除心电信号中呼吸信号的仿真[A];天津市生物医学工程学会2008年年会暨首届生物医学工程与临床论坛论文集[C];2008年

2 庞雪莲;李川勇;葛曼玲;;去除心电信号中呼吸信号的研究进展(综述)[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

3 温美英;潘水洋;梁允萍;李烨;吴晶;;基于FPGA的非接触式呼吸信号的滤波实现[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会壁报展示论文[C];2010年

中国硕士学位论文全文数据库 前7条

1 单禹皓;基于呼吸信号的人类应激状态实时遥测[D];西南大学;2016年

2 庞雪莲;应用独立分量分析法去除心电信号中呼吸信号的仿真[D];河北工业大学;2007年

3 刘璇;蒙古民歌的呼吸信号生理分析[D];西北民族大学;2014年

4 郭勇;超声手术导航系统中图像去噪和呼吸信号获取与建模[D];大连理工大学;2014年

5 岳宇;生物雷达检测技术中心跳与呼吸信号分离技术的研究[D];第四军医大学;2007年

6 席涛;USB心电采集系统的研制及从心电图提取呼吸信号的方法探讨[D];第四军医大学;2005年

7 杨凯;基于ARM的非接触式呼吸检测及蓝牙通信[D];燕山大学;2014年

，

本文编号：639302