本文關(guān)鍵詞：基于呼吸信號(hào)的人類應(yīng)激狀態(tài)實(shí)時(shí)遙測(cè)

  更多相關(guān)文章： 心理應(yīng)激 生理應(yīng)激 壓力分類 實(shí)時(shí)應(yīng)激監(jiān)測(cè) 遙測(cè)應(yīng)激狀態(tài)

【摘要】：心理應(yīng)激狀態(tài)是人們?cè)诿鎸?duì)外界心理壓力時(shí)所表現(xiàn)出的一種內(nèi)在的不平衡的狀態(tài)。適度的心理壓力對(duì)人們的工作學(xué)習(xí)有促進(jìn)作用,而沉重的壓力則會(huì)起到相反作用,長(zhǎng)期處于這種應(yīng)激狀態(tài)下甚至?xí)绊懮眢w健康。因而,能夠?qū)崟r(shí)不間斷地監(jiān)測(cè)人類心理應(yīng)激狀態(tài)的系統(tǒng),對(duì)人們了解自身狀態(tài)、實(shí)現(xiàn)情緒和健康管理有一定的指導(dǎo)意義。傳統(tǒng)的心理應(yīng)激檢測(cè)系統(tǒng)采用接觸式測(cè)量獲得的生理信號(hào)作為輸入。使用者長(zhǎng)期佩戴接觸式傳感器會(huì)造成諸多不適和不便。并且大多數(shù)心理應(yīng)激狀態(tài)識(shí)別的研究?jī)H區(qū)分心理應(yīng)激和平靜狀態(tài),而對(duì)于同心理應(yīng)激狀態(tài)在生理表現(xiàn)上有很多相似的生理應(yīng)激(生理壓力引起)并不做區(qū)分,在某些情況下,勢(shì)必會(huì)造成識(shí)別系統(tǒng)的誤判。本文提出了一種基于呼吸信號(hào)的人類心理應(yīng)激狀態(tài)實(shí)時(shí)遙測(cè)方法。該方法可以非接觸地測(cè)量被試者的呼吸信號(hào),并通過對(duì)呼吸信號(hào)的分析,實(shí)時(shí)判別被測(cè)試者放松、生理應(yīng)激和心理應(yīng)激三種情感狀態(tài),有助于人們實(shí)現(xiàn)日常生活中的情緒和壓力管理。具體研究?jī)?nèi)容如下:(1)呼吸信號(hào)遙測(cè)系統(tǒng)的設(shè)計(jì)。采用微軟公司的Kinect體感攝像機(jī)實(shí)現(xiàn)呼吸信號(hào)的非接觸式采集,并與美國(guó)BIOPAC公司的生理信號(hào)記錄儀MP150同步測(cè)量呼吸信號(hào),將兩組呼吸信號(hào)對(duì)比,對(duì)自主設(shè)計(jì)的呼吸信號(hào)遙測(cè)系統(tǒng)的可靠性進(jìn)行分析。(2)建立情感呼吸信號(hào)數(shù)據(jù)庫(kù)。采用聽輕音樂的方式使被試處于放松狀態(tài),采集放松狀態(tài)下的呼吸信號(hào);采用Stroop Test誘發(fā)被試的心理壓力,采集心理壓力狀態(tài)下的呼吸信號(hào);采用運(yùn)動(dòng)的方式誘發(fā)被試的生理壓力,采集被試的生理壓力下呼吸信號(hào);共獲得情感有效誘發(fā)的86名被試在基線狀態(tài)和三種情感狀態(tài)下的呼吸信號(hào),通過預(yù)處理后組成壓力情感呼吸信號(hào)數(shù)據(jù)庫(kù)。(3)壓力下情感的識(shí)別與分類。對(duì)壓力情感呼吸信號(hào)數(shù)據(jù)庫(kù)中的呼吸信號(hào)從時(shí)域和頻域兩個(gè)方面共提取276個(gè)原始特征。然后采用假設(shè)檢驗(yàn)方法篩選出具有區(qū)分性的60個(gè)有效特征組成有效特征集。采用三個(gè)“一對(duì)多”的Fisher分類器和隨機(jī)森林三分類分類器兩種分類模型實(shí)現(xiàn)三種情感狀態(tài)的分類。并采用“留一被試法”驗(yàn)證兩種分類模型的分類性能,驗(yàn)證結(jié)果表明,三個(gè)“一對(duì)多”的Fisher分類器驗(yàn)證識(shí)別率分別為94.19%、93.02%、86.05%,隨機(jī)森林三分類驗(yàn)證識(shí)別率均在90%以上。(4)應(yīng)激狀態(tài)實(shí)時(shí)遙測(cè)系統(tǒng)的建立。把訓(xùn)練好的分類模型集成到呼吸信號(hào)遙測(cè)系統(tǒng)中,對(duì)實(shí)時(shí)采集到的呼吸信號(hào)添加滑動(dòng)窗,并對(duì)每個(gè)滑動(dòng)窗內(nèi)的呼吸波形進(jìn)行實(shí)時(shí)預(yù)處理和特征提取,實(shí)現(xiàn)每隔10s實(shí)時(shí)判別一次應(yīng)激狀態(tài)。
【關(guān)鍵詞】：心理應(yīng)激 生理應(yīng)激 壓力分類 實(shí)時(shí)應(yīng)激監(jiān)測(cè) 遙測(cè)應(yīng)激狀態(tài)
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN911.7;R56
【目錄】：

• 摘要5-7
• Abstract7-9
• 第一章 引言9-16
• 1.1 研究的背景及意義9-11
• 1.2 壓力情感識(shí)別的研究現(xiàn)狀11-14
• 1.2.1 國(guó)外研究現(xiàn)狀11-13
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀13-14
• 1.3 論文研究?jī)?nèi)容與創(chuàng)新點(diǎn)14-15
• 1.3.1 論文研究?jī)?nèi)容14
• 1.3.2 論文創(chuàng)新點(diǎn)14-15
• 1.4 論文結(jié)構(gòu)安排15-16
• 第二章 基于Kinect的呼吸信號(hào)遙測(cè)系統(tǒng)16-24
• 2.1 呼吸信號(hào)特性分析16-17
• 2.2 Kinect體感相機(jī)功能簡(jiǎn)介17-19
• 2.3 呼吸信號(hào)遙測(cè)系統(tǒng)設(shè)計(jì)19-22
• 2.4 系統(tǒng)可靠性分析22-24
• 第三章 壓力識(shí)別情感呼吸信號(hào)采集24-29
• 3.1 壓力情感誘發(fā)方法24-26
• 3.2 情感呼吸信號(hào)采集26-29
• 第四章 基于呼吸信號(hào)的壓力情感識(shí)別29-47
• 4.1 信號(hào)預(yù)處理29-31
• 4.1.1 基線漂移和傳感器噪聲的去除29-30
• 4.1.2 人體運(yùn)動(dòng)噪聲解決方案30
• 4.1.3 去線性趨勢(shì)與數(shù)據(jù)截取30
• 4.1.4 預(yù)處理結(jié)果30-31
• 4.2 特征提取與特征篩選31-37
• 4.2.1 時(shí)域特征32-35
• 4.2.2 頻域特征35-36
• 4.2.3 特征標(biāo)準(zhǔn)化36
• 4.2.4 基于假設(shè)檢驗(yàn)的特征篩選36-37
• 4.3 分類器設(shè)計(jì)37-47
• 4.3.1 Fisher分類算法介紹38-39
• 4.3.2 隨機(jī)森林分類算法介紹39-41
• 4.3.3 分類器性能評(píng)估方法41-42
• 4.3.4 Fisher分類器設(shè)計(jì)及性能分析42-45
• 4.3.5 隨機(jī)森林分類器設(shè)計(jì)及性能分析45-47
• 第五章 心理應(yīng)激狀態(tài)實(shí)時(shí)遙測(cè)系統(tǒng)的建立47-52
• 5.1 系統(tǒng)模塊設(shè)計(jì)47-48
• 5.1.1 數(shù)據(jù)采集模塊47-48
• 5.1.2 情感實(shí)時(shí)判別模塊48
• 5.2 系統(tǒng)的功能實(shí)現(xiàn)48-52
• 5.2.1 C#與 matlab 混合編程48-50
• 5.2.2 系統(tǒng)界面50
• 5.2.3 識(shí)別結(jié)果50-52
• 第六章 總結(jié)與展望52-53
• 參考文獻(xiàn)53-58
• 致謝58-59
• 攻讀碩士期間研究成果及發(fā)表的學(xué)術(shù)論文59-60
• 攻讀碩士期間參與的項(xiàng)目60

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 趙素文;賈磊磊;盧望;;基于心電信號(hào)中提取呼吸信號(hào)的探討[J];桂林航天工業(yè)高等專科學(xué)校學(xué)報(bào);2012年01期

2 寧徐彷;姚毅;全紅;陳文艷;胡廣;徐琳;;雙攝像機(jī)獲取人體呼吸信號(hào)的探討[J];武漢大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);2007年03期

3 肖敏;蔡光卉;張榆鋒;鄭帆;楊維娜;;一種呼吸信號(hào)的檢測(cè)方法[J];生物醫(yī)學(xué)工程研究;2008年03期

4 張瑞華;葉逢春;;一種具有自動(dòng)補(bǔ)償功能的呼吸信號(hào)檢測(cè)電路[J];醫(yī)療衛(wèi)生裝備;2009年03期

5 張淑清;上官寒露;袁計(jì)委;趙玉春;楊瑾;;基于內(nèi)稟模態(tài)能量比呼吸信號(hào)特征參數(shù)提取方法[J];儀器儀表學(xué)報(bào);2010年08期

6 戚建新,郭群恩,董苑;阻抗法檢測(cè)呼吸信號(hào)的電路設(shè)計(jì)[J];醫(yī)療衛(wèi)生裝備;1998年03期

7 蔡尤彪;;使用Medlab系統(tǒng)采集小鼠的呼吸信號(hào)[J];中國(guó)科技信息;2006年14期

8 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 龐雪蓮;李川勇;葛曼玲;;應(yīng)用獨(dú)立分量分析法去除心電信號(hào)中呼吸信號(hào)的仿真[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2008年年會(huì)暨首屆生物醫(yī)學(xué)工程與臨床論壇論文集[C];2008年

2 龐雪蓮;李川勇;葛曼玲;;去除心電信號(hào)中呼吸信號(hào)的研究進(jìn)展(綜述)[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

3 溫美英;潘水洋;梁允萍;李燁;吳晶;;基于FPGA的非接觸式呼吸信號(hào)的濾波實(shí)現(xiàn)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)壁報(bào)展示論文[C];2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 單禹皓;基于呼吸信號(hào)的人類應(yīng)激狀態(tài)實(shí)時(shí)遙測(cè)[D];西南大學(xué);2016年

2 龐雪蓮;應(yīng)用獨(dú)立分量分析法去除心電信號(hào)中呼吸信號(hào)的仿真[D];河北工業(yè)大學(xué);2007年

3 劉璇;蒙古民歌的呼吸信號(hào)生理分析[D];西北民族大學(xué);2014年

4 郭勇;超聲手術(shù)導(dǎo)航系統(tǒng)中圖像去噪和呼吸信號(hào)獲取與建模[D];大連理工大學(xué);2014年

5 岳宇;生物雷達(dá)檢測(cè)技術(shù)中心跳與呼吸信號(hào)分離技術(shù)的研究[D];第四軍醫(yī)大學(xué);2007年

6 席濤;USB心電采集系統(tǒng)的研制及從心電圖提取呼吸信號(hào)的方法探討[D];第四軍醫(yī)大學(xué);2005年

7 楊凱;基于ARM的非接觸式呼吸檢測(cè)及藍(lán)牙通信[D];燕山大學(xué);2014年

，

本文編號(hào)：639302