[發明專利]基于多生理參數的緊張情緒強度識別系統及信息處理方法

在審

• 申請號: 201710218032.2
• 申請日: 2017-04-05
• 公開（公告）號: CN107007291A
• 公開（公告）日: 2017-08-04
• 發明（設計）人: 周鵬;魏晉文;孫暢;劉爽;崔歡歡;孫士松;王學民;許敏鵬;綦宏志;明東
• 申請（專利權）人: 天津大學
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/0476;A61B5/0484;A61B5/0402;A61B5/04;A61B5/08;A61B5/18
• 代理公司: 北京國昊天誠知識產權代理有限公司11315
• 代理人: 劉昕

1.基于多生理參數的緊張情緒強度識別系統，其特征在于，包括基本情緒誘發裝置、用戶多生理信號采集裝置和信號處理裝置，所述基本情緒誘發裝置、所述用戶多生理信號采集裝置和所述信號處理裝置依次連接；

所述基本情緒誘發裝置上設置有誘發視頻材料，所述用戶多生理信號采集裝置采集腦電、心電、皮電和呼吸信號，所述信號處理裝置，包括預處理模塊、特征提取模塊和模式識別模塊，所述預處理模塊、所述特征提取模塊和所述模式識別模塊依次連接。

2.基于多生理參數的緊張情緒強度信息處理方法，其特征在于，包括離線訓練和在線監測；

其中，所述離線訓練包括以下步驟：

步驟一:誘發用戶的緊張情緒，誘發方式采用視頻材料；

步驟二:采集用戶多生理信號；

步驟三:信號處理，包括預處理、特征提取和模式識別；

所述在線監測包括以下步驟：

步驟1：在線實時采集用戶多生理信號，多生理信號與離線訓練部分相同；

步驟2：信號處理，包括預處理、特征提取和模式識別；預處理和特征提取的方法與離線訓練部分相同，模式識別運用離線訓練部分訓練好的分類器；

步驟3：預警，對識別后的緊張情緒強度進行判斷，如果緊張強度超過設定的閾值則進行干預，如果沒有則返回步驟1；

步驟4：存儲數據，記錄用戶的緊張情緒強度變化情況，為進一步的分析提供參考。

3.根據權利要求2所述基于多生理參數的緊張情緒強度信息處理方法，其特征在于，所述步驟二中多生理信號包括腦電、腦血氧、心電、皮電和呼吸信號。

4.根據權利要求2或3所述基于多生理參數的緊張情緒強度信息處理方法，其特征在于，步驟三中所述預處理包括：

(a)對腦電信號利用自適應濾波器抑制工頻干擾，運用獨立分量分析(ICA)濾除眼電、肌電的干擾，利用信號處理工具包截取有效數據；

(b)對心電、呼吸和皮電信號進行放大后，利用帶通濾波器去除工頻干擾，利用信號處理工具包截取有效數據。

5.根據權利要求2或3所述基于多生理參數的緊張情緒強度信息處理方法，其特征在于，步驟三中所述特征提取包括：

(c)對于腦電信號，分析頻域信息，利用功率譜估計Welch算法或者AR模型法計算腦電功率譜；

(d)對于心電信號，利用變換分析方法或者QRS波檢測方法得到心率變異性信號(HRV),提取HRV信號的時域特征和頻域特征；

(e)對于皮電信號，提取均值、標準差、一階差分、一階差分絕對值的平均值、二階差分和二階差分絕對值的平均值；

(f)對于呼吸信號，提取多個時域特征以及多個頻域特征。

6.根據權利要求2或3所述基于多生理參數的緊張情緒強度信息處理方法，其特征在于，步驟三中所述模式識別具體包括：

(g)對多生理信號提取的特征優化選擇后融合，特征優化采用遞歸特征篩選算法；

(h)根據最優特征組合對用戶的緊張情緒強度采用人工神經網絡或貝葉斯線性分類器或支持向量機進行訓練，獲得具有較高識別率的分類器。

7.根據權利要求4所述基于多生理參數的緊張情緒強度信息處理方法，其特征在于，所述信號處理工具包為EEGLAB工具包。

8.根據權利要求4所述基于多生理參數的緊張情緒強度信息處理方法，其特征在于，所述變換分析方法采用小波變換，所述QRS波檢測方法采用Pan-Tompkins算法。

9.根據權利要求4所述基于多生理參數的緊張情緒強度信息處理方法，其特征在于，所述提取多個時域特征以及多個頻域特征具體指提取和這2個時域特征以及0～0.1Hz、0.1～0.2Hz、0.2～0.3Hz、0.3～0.4Hz頻域特征。

10.根據權利要求6所述基于多生理參數的緊張情緒強度信息處理方法，其特征在于，所述遞歸特征篩選算法為基于支持向量機(SVM)的遞歸特征篩選算法。