[发明专利]基于多生理参数的紧张情绪强度识别系统及信息处理方法

权利要求书

1.基于多生理参数的紧张情绪强度识别系统，其特征在于，包括基本情绪诱发装置、用户多生理信号采集装置和信号处理装置，所述基本情绪诱发装置、所述用户多生理信号采集装置和所述信号处理装置依次连接；

所述基本情绪诱发装置上设置有诱发视频材料，所述用户多生理信号采集装置采集脑电、心电、皮电和呼吸信号，所述信号处理装置，包括预处理模块、特征提取模块和模式识别模块，所述预处理模块、所述特征提取模块和所述模式识别模块依次连接。

2.基于多生理参数的紧张情绪强度信息处理方法，其特征在于，包括离线训练和在线监测；

其中，所述离线训练包括以下步骤：

步骤一:诱发用户的紧张情绪，诱发方式采用视频材料；

步骤二:采集用户多生理信号；

步骤三:信号处理，包括预处理、特征提取和模式识别；

所述在线监测包括以下步骤：

步骤1：在线实时采集用户多生理信号，多生理信号与离线训练部分相同；

步骤2：信号处理，包括预处理、特征提取和模式识别；预处理和特征提取的方法与离线训练部分相同，模式识别运用离线训练部分训练好的分类器；

步骤3：预警，对识别后的紧张情绪强度进行判断，如果紧张强度超过设定的阈值则进行干预，如果没有则返回步骤1；

步骤4：存储数据，记录用户的紧张情绪强度变化情况，为进一步的分析提供参考。

3.根据权利要求2所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，所述步骤二中多生理信号包括脑电、脑血氧、心电、皮电和呼吸信号。

4.根据权利要求2或3所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，步骤三中所述预处理包括：

(a)对脑电信号利用自适应滤波器抑制工频干扰，运用独立分量分析(ICA)滤除眼电、肌电的干扰，利用信号处理工具包截取有效数据；

(b)对心电、呼吸和皮电信号进行放大后，利用带通滤波器去除工频干扰，利用信号处理工具包截取有效数据。

5.根据权利要求2或3所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，步骤三中所述特征提取包括：

(c)对于脑电信号，分析频域信息，利用功率谱估计Welch算法或者AR模型法计算脑电功率谱；

(d)对于心电信号，利用变换分析方法或者QRS波检测方法得到心率变异性信号(HRV),提取HRV信号的时域特征和频域特征；

(e)对于皮电信号，提取均值、标准差、一阶差分、一阶差分绝对值的平均值、二阶差分和二阶差分绝对值的平均值；

(f)对于呼吸信号，提取多个时域特征以及多个频域特征。

6.根据权利要求2或3所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，步骤三中所述模式识别具体包括：

(g)对多生理信号提取的特征优化选择后融合，特征优化采用递归特征筛选算法；

(h)根据最优特征组合对用户的紧张情绪强度采用人工神经网络或贝叶斯线性分类器或支持向量机进行训练，获得具有较高识别率的分类器。

7.根据权利要求4所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，所述信号处理工具包为EEGLAB工具包。

8.根据权利要求4所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，所述变换分析方法采用小波变换，所述QRS波检测方法采用Pan-Tompkins算法。

9.根据权利要求4所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，所述提取多个时域特征以及多个频域特征具体指提取和这2个时域特征以及0～0.1Hz、0.1～0.2Hz、0.2～0.3Hz、0.3～0.4Hz频域特征。

10.根据权利要求6所述基于多生理参数的紧张情绪强度信息处理方法，其特征在于，所述递归特征筛选算法为基于支持向量机(SVM)的递归特征筛选算法。