[發明專利]基于改進遺傳算法的心理壓力評測分級方法

有效

• 申請號: 202010054621.3
• 申請日: 2020-01-17
• 公開（公告）號: CN111150411B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 張澤旭;喬衍迪;遲旭
• 申請（專利權）人: 哈爾濱工業大學;蘇州點石仿真科技有限公司
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/318;A61B5/355;A61B5/353;A61B5/366;A61B5/352;A61B5/0531
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 張利明

1.一種基于改進遺傳算法的心理壓力評測分級方法，其特征在于，包括以下步驟：

步驟一：采集受試者的心電信號和皮膚電阻信號，對心電信號進行去噪濾波后獲得待識別心電信號，再進行特征提取獲得心電參數特征；同時對皮膚電阻信號進行去噪濾波后獲得待識別皮膚電阻信號，再進行特征提取獲得皮膚參數特征；

步驟二：對心電參數特征和皮膚參數特征進行選擇，獲得壓力評測特征；

步驟三：基于改進遺傳算法對壓力評測特征進行權重分配，并與PSTR壓力表進行映射，實現對受試者受壓狀態的壓力分級；

所述步驟三中，基于改進遺傳算法對壓力評測特征進行權重分配包括：

1)選擇待評估的壓力分級模型的壓力評測特征參數；

2)對每個壓力評測特征參數設定取值范圍；

3)對每個壓力評測特征參數在設定的取值范圍內，產生N個均勻分布的獨立隨機數；

4)將N個獨立隨機數作為生理參數形成生理參數集，分別運行所述壓力分級模型，并計算目標函數值；

5)比較目標函數值和給定指標值，將N個獨立隨機數區分為可接受值和不可接受值；

6)對每個壓力評測特征參數，比較可接受值和不可接受值的分布，計算累積頻率，并繪制累積頻率曲線圖，所述累積頻率曲線圖用于表示每個壓力評測特征參數的敏感度大小；

所述目標函數值f(x)采用生理參數加權值與壓力分級級數的誤差平方和表示：

式中p_s(x)是生理參數加權值，p_c(x)是壓力分級級數；

若目標函數值f(x)小于相應給定指標值，則對應的生理參數值為可接受值，否則為不可接受值；

所述心電信號和皮膚電阻信號的去噪濾波包括：首先進行基線漂移矯正，采用LOWESS方法進行平滑濾波，對信號中每一個數據點的一個鄰域內各點的數據，用一元七次多項式進行擬合，實現去除基線漂移；再利用陷波濾波器，濾除信號中的50Hz工頻干擾；

所述改進遺傳算法包括：

1)產生初始化種群，每個染色體被編碼為一個浮點數字向量，長度和待估計重要模型參數的個數一致；以[x₁ x₂...x_i...x_N]表示一個染色體，使用下式進行個體數為M的種群初始化：

式中和分別是生理參數的上限和下限，ε_i是范圍在[0，1]內的服從均勻分布的隨機數，重復N次進而產生向量[x₁ x₂...x_i...x_N]；

重復上述過程M次，得到搜索空間中服從均勻分布的M個初始可行解；

2)設計適應度函數：設各生理參數加權值R_i與心理壓力分級級數Y_i之間的誤差為e_i：所述R_i等于同p_s(x)，Y_i等同于p_c(x)；

e_i＝R_i-Y_i，

均方誤差ε定義為：

式中Z是訓練的樣本數；

通過訓練使得各心理參數加權值R_i盡可能地接近心理壓力分級級數Y_i的均方誤差ε，收斂于0；

3)根據適應度函數訓練得到的各生理參數特征值R_i，設計交叉概率p_c和變異概率p_m進行調節，強化心理壓力級數與各生理參數特征之間的固連關系：

式中，f_max是最大適應值，f_min是最小適應值，f_c是交叉個體的適應值，f_m是變異個體的適應值，f_ave是平均適應值，且(f_max-f_min)用于反映種群穩定性；

其中c_i，i＝1,2,3,4，表示任意常值的權重，滿足以下條件：

4)權系數設計：將壓力分級模型的壓力分為5級；根據各壓力級數的子目標函數f_i(x)，(i＝1,2,...,m)賦予不同的權系數w_i，(i＝1,2,...,m)，0≤w_i≤1,i＝1,2,...,m且w_i的大小代表相應子目標函數f_i(x)在多目標優化問題中的重要程度，從而將多目標優化問題轉化為了單目標優化問題：

壓力分組模型函數u(f(x))為：

5)模型分析：計算各生理參數的分離程度SD，SD值越接近1，表示參數此時的權重分配越不合理，反之參數權重分配是合理的；

分離程度SD為：

式中Y_i是參數可接受值，是參數不可接受值；是參數可接受值的平均值。