文摘

随着社会经济的快速发展,人类的心理压力是影响人类健康的一个重要因素。过度的心理压力会导致严重的心理疾病,如抑郁和焦虑。传统的心理压力监测方法主要是局限于心理量表。这种方法有一定的主观性,所以并不代表其相应的测试数据。在硬件设计层面,本文将选择小型化,低功耗,和低成本microphysiological传感器监测歧视心理压力水平等指标心率、体温、心率波形和全面优化无线传感器硬件布局层面的布局来实现整个系统的效率高。人类脉冲信号的检测和心率信号主要是通过微型传感器进行温度信号过滤和放大,进行模拟数字转换实现关键信号波形的精确测量。在硬件系统和软件算法,本文创造性地提出了一种基于证据理论的心理压力识别算法。通过提取收集关键的信号特性,我们可以确定心理压力的初级阶段,最终实现个人的评价和分析心理压力通过证据理论。实验结果表明,个体的信任程度的心理压力测试与传统算法相比提高了0.187,和相应的心理压力的信任程度是0.988,有明显的优势。

1。介绍

作为一个重要的因素影响人类心理健康在现代社会中,其关键指标的监测和数据分析吸引了越来越多的研究机构和研究人员的关注。传统的心理压力监测主要是一种心理上的规模。常用的心理压力量表主要包括感知压力量表、心理压力量表,以及相关压力量表。它需要人类主观干预识别和分析人类心理压力的水平。因此,相应的歧视的结果通常有严重的主观表现,不能代表个人心理压力的实际情况在某种意义上1- - - - - -3]。的传统心理压力观测因素,主要涉及人类生理测量和物理方法测量。相应的生理水平的测量,主要需要一些外部仪器、设备的帮助获得通过采样和分析相应的人体的生理数据。在此基础上,人类心理压力的传统评价指标包括心电图、心率、人体温度和光电脉搏,演讲,和脑电图信号(4,5]。基于上述相关指标,传统的心理压力评估方法包括方法的一次采访中,心理检测方法和问卷调查法,但这种评估算法往往需要参与者的积极响应和合作来实现一个更理想的状态评估。因此,传统的心理压力监测和评估算法有严重的主体性和失去一些真实性6- - - - - -8]。因此,如何实时监测和分析人类生理数据通过传感器,从而客观、准确地分析和研究个人心理压力和实现个人心理压力的客观定量评价,是本研究的重点。

Microphysiological传感器网络技术与人工智能和模式识别技术的不断发展,低功耗、小型化、高精度无线生理传感器提供实时监控的可能性的关键评价指标的心理压力(9,10]。形成的可穿戴的智能设备小型化传感器实时监控成本大大降低了人类的生理特点,及其相应的可穿戴设备操作往往是简单的和简单的11]。通过实时监测心率传感器,温度传感器,血压传感器和加速度传感器集成在可穿戴的智能设备,个人生理数据可以准确地获得(12,13]。microwireless生理传感器网络的出现进一步的降低了数据处理的难度。它可以实现实时传输相应的人体生理数据的基站或数据处理中心以合作的方式,实现准确的评估和实时跟踪分析个人心理压力。同时,个人也可以通过实时数据调整和治疗自己,以便及时缓解自己的心理压力(14]。

基于上述心理压力检测情况,本文将设计一个可穿戴的心理压力监测和数据分析系统基于低功耗小生理无线传感器,从软件和硬件水平进行详细的研究。在系统硬件方面,本文将选择小型化、低功耗microphysiological传感器来监测人体心率,温度、心率波形,歧视和其他心理压力水平指标,全面优化无线传感器的布局来达到效率高、系统传输速率高、抗干扰性能;传感器数据采集模块收集人类的脉冲信号和心率信号,过滤器和放大的温度信号,并执行模拟数字转换实现关键信号的精确测量;在系统软件层面,本文创新系统提出了基于心理压力识别算法基于multiphysiological参数融合决策基于证据理论。与传统算法相比,该算法可以根据更关键执行综合判断和分析信号,从而提高信息的准确性和可靠性的判断和分析。在该算法中,多个生理指标需要收集和量化的数据提取的关键信号特性,确定心理压力的初级阶段,最后实现的评价和分析个人心理压力通过证据理论。实验结果表明,个人的信任程度的心理压力测试是0.187高于传统算法和相应的心理压力的信任程度高达0.988,有明显的优势。

在此基础上,本文的主要内容安排如下:第二部分本文的重点是研究现状可穿戴的心理压力监测装置基于无线传感器。第三部分将关注心理压力识别算法的分析和研究的基础上,融合多个生理参数的决定基于证据理论和设计可穿戴心理压力监测的软件和硬件设备。在本文的第四部分,本文设计的可穿戴设备将进行测试和验证,并将得到的数据分析。最后,本文将总结。

2。相关性分析:研究现状可穿戴的心理压力监测设备和数据分析基于无线传感器

心理压力水平的监测和数据分析,大量的科学研究机构和研究人员从不同的角度分析并设计了大量的个人心理压力评估系统。层面的相应指标评估心理压力水平,相关的研究人员在美国个人EEG信号,进行了分析和研究,主要研究脑电图不对称之间的关系和心理压力和抑郁水平。相应的实验结果表明,脑电图不对称确实可以被用作个人心理压力的一个重要指标;然而,相对很难监测脑电图信号(15]。相关科研机构在日本都集中在个体心理压力、个人的声音之间的关系表达式和工作负载。相应的基本频率和基频抖动的声音信号最能反映当前个体所面临的压力。与此同时,随着工作量的增加,相应的基本频率抖动是更严重的16]。的心理压力评估,主流研究侧重于人工干预和生理参数监测。相应的生理参数监测、主流研究包括生理参数监测技术,心理压力诱导因素设置,和个人心理压力评估算法。相关的研究人员在美国建立了生理压力识别模型基于四个不同的压力。同时,模型的稳定性和可靠性验证(6,17,18]。有关欧洲机构基于心电图评估人类心理压力,皮肤表面温度,皮肤表面阻抗,由个人、监控和其他参数和相应的心理压力的可靠性评估是90%左右,但这种方法过度依赖于参与者的主观情绪记忆能力。同时,EEG信号的响应时间心理压力和初始情感表示时间是不确定的,所以结果的可靠性很低19,20.]。相关的美国研究机构提出了一个体积描记图技术来评估个人的心理压力。主要获得个人心脏在静态和压力条件下的体积描记图,然后评估个体压力通过分析图像特征(21,22]。这种方法的优点是,它不需要个人接触相关的传感器。然而,心理压力对应于该方法的可靠性很低(23,24]。

3所示。可穿戴的心理压力监测设备和数据分析研究基于无线传感器

本节主要分析和研究了软件和硬件的设计可穿戴心理压力监测系统基于microwireless传感器网络。相应的系统设计原理框图如图1。从图可以看出,在硬件设计层面上,本文选择了生理信号采集电路和单片机为核心,在相应的核心模块包括信号采集电路、信号放大电路、信号滤波电路、数模转换电路、串行通信电路和电源电路。核心算法相应的软件体系结构层次主要是基于证据理论的心理压力识别算法和multiphysiological参数融合的决定。该算法主要实现个人的评价和分析压力传感器根据收集到的元素。该算法的主要目的是建立心理压力评估和识别模型。核心内容包括基本概率分布函数内核和协会和证据规则的内核。


图1
原理框图可穿戴的心理压力监控装置系统基于无线传感器。
3.1。分析和研究心理压力识别算法基于证据理论和Multiphysiological参数融合的决定

为了解决个人心理压力评估的准确性和客观性的评价算法,基于证据理论的心理压力识别算法和multiphysiological参数构造融合决策。多种生理信息,如心电图、皮肤温度、和脑电图是由无线传感器收集,信息融合在一起形成的三种信息融合的身体。在生理信息融合之前,每个生理信息采集传感器需要进行预处理和分析相应的数据并提取相应的功能;然后,相应的预处理结果评估和计算通过multievidence理论,以获得识别目标的概率值对应于每个生理参数与其他传感器。最后,最终的评价结果是通过心理压力可信度函数给出的融合模型。心理压力的操作框图识别算法基于证据理论和multiphysiological参数融合决策提出了如图2。


图2
操作框图的心理压力识别算法基于证据理论和multiphysiological参数融合的决定。

从图可以看出,主要提出本文的核心算法两部分,对应分析传感器的生理特征的基本概率分配函数,模型融合的证据,和标准的定义。

传感器的基本概率分配函数的生理特征是证据理论的基础。结合心理压力特征、生理特征被探测到的目标设置 ,和相应的 设置传感器局部特征分析的判断过程。因此,可以得出结论,个人心理压力的表示框架识别对应于(d1、d2、d3、d4)和相应的d1代表个体的心理压力。相应的d2代表,个人没有心理压力,d3代表,个人没有任何状态,和相应的d4表示个人的两种状态同时存在。在本文的设置,不存在假设d3, d3、d4的组合成一个个体心理压力状态还不清楚。根据证据理论,在此基础上,需要指定一个特定的传感器的识别概率空间,和相应的概率函数需要满足公式(1),相应的地方 代表了身份和相应的空间 代表的基本概率赋值根据特定的算法。

基于公式(1),相对应的公式信任函数的具体生理传感器和相应的基本概率赋值的关系公式所示(2)。 在相应的公式(2)代表了特定的生理指标监测的传感器和证据理论识别目标:

基于公式(2),一个似然函数的计算公式进一步推导出目标被一个特定的传感器。相应的似然函数所示

在此基础上,心理压力评估的不确定性通过生理特征进行特定的传感器主要由公式(1)和(2),以及相应的不确定性函数计算公式所示

结合公式(1)- (4)基本上可以确定传感器的基本概率分配函数的生理特征。

的证据融合模型和标准定义,主要讨论了多个生理特性是按照一定的法律和分析相结合,从而实现多参数融合的心理压力评估。相应的融合函数公式所示(5)。相应的 后的公式表示冲突的程度判断的生理功能在多个传感器,和相应的值越接近1,初步判断结果之间的冲突更加激烈的传感器。当相应的值大于或等于1,它决定判决结果是完全排除在外。相应的冲突系数的计算公式 见公式(6)。

初步鉴定结果的多个传感器,它需要满足一定的交换法和组合。相应的满意度公式见公式(7)。相应的 , ,和 在公式代表特定的传感器监控的生理特征,即证据的证据理论。

基于上述理论,心理压力的最终评价原则如下,这也是该算法的结论:(1)信任函数值对应的心理压力最终决定是最大的在所有传感器信任函数值(2)信任函数的值对应的最终评价心理压力大于1/2,融合下的信任函数是两倍多的信任函数的值的每个特定传感器

3.2。设计和研究可穿戴的心理压力监控装置基于无线传感器

在硬件层面,本文设计一种可穿戴的心理压力监测系统基于上述数据处理算法。系统主要监控个人心率、EEG信号,皮肤温度、心率基于microphysiological传感器的波形。相应的硬件系统主要包括各种生理传感器、电源模块、数据采集模块、数据分析模块和无线传输模块。核心模块包括数据采集模块、数据分析模块和无线传输模块。图3是系统的硬件框图。从图可以看出,硬件系统主要集中在生理数据信息采集电路的设计,及其关键指标包括信号的采集和放大系数、信号噪声和干扰抑制处理,设计数模转换采样和转化率。


图3
硬件原理框图可穿戴心理压力监控基于无线传感器。

中央处理器系统的一部分,也就是说,信号数据处理部分,主要选择STM32处理器为核心的数据,可以得到对应的数据数据采集芯片使用I2C接口和基于I2C传输方式传输数据。同时,处理器选择本文也结合无线传感器网络的功能。单片机模型在此基础上,本文选择“丽丽派德”,也有明显的界面和体积的优势作为一个可穿戴的智能设备。

在相应的数据采集和分析模块,我们需要关注信号的采集和放大,信号噪声和干扰抑制处理,设计数模转换采样和转化率。在相应的信号放大部分,本文充分结合心电图和脑电图信号的弱特点设计相应的放大系数(摘要300倍),满足后续的电压窗口的大小和相应的分析要求。在相应的噪声和干扰抑制水平,主要输出共模信号混合在心电图和脑电图信号,电源频率电源杂波信号,和某些干扰信号。在相应的数模转换和采样频率,采样精度需要考虑。数模转换信号的形式用于收集心电图,脑电图,皮肤温度本文图所示4。在相应的图, 代表原始信号, 代表了采样脉冲信号 代表了采样信号。从公式可以看出,采样精度主要取决于采样芯片的决议。


图4
可穿戴的数模转换采集的波形图转换形式心理压力监测系统基于无线传感器。

数据采集和分析模块的硬件电路主要包括前端电路模块(包括前端放大模块,高通滤波器部分,后端放大部分,和低通滤波器部分),模拟数字转换部分,辅助电源部分、串口电路模块部分,等等。每个部分的相应硬件电路传输模式如图5。从图可以看出5模型电路模块需要总共40放大器。同时,前置级放大电路的放大系数设计摘要7次,并收集的电压幅值相应的原始电路1 mv;然后,放大电路的信号振幅放大7 mv。在相应的差模信号消除水平,微分电路主要用于消除相应的干扰信号。在此基础上,基本放大电路的放大倍数计算公式,公式所示(8)。中相应的阻力公式是放大系数匹配电阻。


图5
硬件电路原理框图的数据采集和分析模块。

基于上述初级放大,进行过滤处理,同时进入二级放大部分。放大中选择相应的二级放大部分是8倍。此时,相应的系统信号放大倍数的计算公式见公式(9),以及相应的放大56倍。

本文中使用的高通滤波器是钢筋混凝土结构,主要使用电阻和电容的谐振滤波器高频信号。同时,高通滤波器的电路设计简单,成本低。基于方程(10)和(11),滤波时间常数和相应的最小频率的高通滤波器用于本文可以计算。

在相应的辅助电源电路,传统的直流-直流电源芯片主要用于设置相应的辅助电路。本文主级别的系统设计包括等传统电压3.3 V, 5 V, 1.8 V, V和5。芯片主要选择在本文中包括电源芯片如LT8025 LT8027, SM74401。相应的辅助电源电路的原理图如图6。


图6
辅助电源电路的原理图的数据采集和分析模块的硬件系统。

在相应的无线传输模块电路设计,本文主要选择蓝牙技术实现无线传输模块的电路设计。本文中选择相应的蓝牙模块HC-09,其相应的传输速度可以达到1 Mbps,和相应的最大传输距离约为100米。当蓝牙模块进入数据传输工作模式,其相应的四个针销VCC电压,数据输出引线TX,数据输入插口RX和模块接地。硬件电路连接时,相应的蓝牙模块的数据输入销TX应当与单片机的数据输出销RX和相应的蓝牙数据接收销RX应当与单片机的数据输出销TX。

在相应的软件算法流程架构部分,相应的算法实现流程如图7。主要的软件算法流程包括单片机初始化过程、生理数据采集和分析过程,算法计算和评估过程,数据传输过程,数据显示和交互过程。


图7
原理图的硬件系统软件算法流程架构的数据采集和分析模块。

在PCB设计级别的硬件部分,主要减少造成的损失减少相应的寄生参数通过模拟相应的寄生参数。同时,在设备选择方面,本文主要选择芯片功耗较低,减少了损失的总体硬件方面尽可能多的设备选择。

4所示。实验验证和数据分析

相应的实验环境和实验条件如下:实验对象选择9相关专业的大学的学生作为实验对象,本文主要基于系统收集相应的生理参数,如心电图,脑电图,和皮肤温度,以确保正常的心理健康的受试者在相应的实验。没有明显的情绪异常。相应的实验过程如下:可穿戴心理压力监控系统设备基于无线传感器设计本文着参与者,平复实验者的心情大约10分钟之前正式进入实验,记录并存储相应的生理参数特征,并开始播放音乐平静的过渡期后从慢到快。实验者的生理参数实时记录,和他们的心理压力水平评估。

心电图、脑电图和皮肤温度采样值相应的10个大学生静默期图所示8。从图可以看出,在实验中参与者的生理参数在当前状态基本稳定。同时,心理压力下的心理压力测量评估算法是一个低价值,哪个更符合实际的现象。


图8
心电图信号,EEG信号,和皮肤温度采样波形在平静的时期。

平静的时期后,相应的生理参数的实验参与者在相应的心理压力模拟如图9。从图可以看出,在此期间,相应的每个参与者的生理参数一般加速,相应的心电图和脑电图信号波动显著增加,相应的参与者和皮肤温度显著增加。


图9
心电图、脑电图和皮肤温度采样波形的实验参与者的心理压力模拟。

根据上述监测数据和与传统心理压力评估算法相比,相应的心理压力曲线如图信任10。从图可以看出,相应的心理压力信任值多数实验参与者的心理压力仿真时间与相应的精度相比提高了0.187的传统算法,和信任可以达到0.988的一部分。因此,可穿戴的心理压力监测系统基于无线传感器及其相应的心理压力评估本文算法有明显的优势。


图10
心理压力曲线的信任。

基于实验结果和实验数据分析,可以得出结论,可穿戴的心理压力监测系统基于无线传感器和基于multiphysiological心理压力识别算法参数融合决策基于证据理论有明显优势的传统心理压力评估系统,及其相应的系统可靠性分析精度显著提高;因此,该系统具有推广价值。

5。结论

本文主要分析个人心理压力监测设备的研究现状和数据分析,阐述了传统心理压力监测技术存在的问题。在研究现状的基础上,基于microwireless传感器网络技术的不断发展,一个可穿戴的心理压力监控装置提出了基于无线传感器,并根据相应的算法分析数据分析。在系统的硬件水平,本文选择小型化和低功耗microphysiological传感器监测心理压力水平歧视人的心率等指标,温度,和心率波形,全面优化无线传感器的布局,实现高效率,高传输速率,和系统的抗干扰性能,并收集人类脉冲信号和心率信号通过传感器数据采集模块。温度信号过滤和放大,同时进行了模拟数字转换,从而实现关键信号的精确测量。本文在系统软件层面,创新提出了一种基于multiphysiological心理压力识别算法参数融合决策基于证据理论。通过提取收集关键的信号特性和识别心理压力的初级阶段,本文最终实现个人的评价和分析心理压力通过证据理论。实验结果表明,个体的信任程度的心理压力测试与传统算法相比提高了0.187,和相应的心理压力的信任程度是0.988,有明显的优势。在后续,本文将基于多生理数据全面分析个人心理压力,进一步优化可穿戴的心理压力监测和数据分析系统实现系统的智能化和可持续发展。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。

确认

这项工作是财务支持河南省高校的重点科研项目(项目名称:齿轮故障特性分析和检测技术研究基于多源信息,项目数量:21 a520045)和河南省教育科学规划项目(研究创新电子信息人才的培养模式的背景下高校新工程)(2020 yb0289)。