[发明专利]心理状态识别方法、设备及存储介质

权利要求书

1.一种心理状态识别方法，其特征在于，包括以下步骤：

接收待识别用户的脉搏信号与心电信号；

对所述待识别用户的脉搏信号与心电信号进行特征参数提取，得到所述脉搏信号、所述心电信号的时域特征量与频域统计特征量；

根据所述脉搏信号、所述心电信号的时域特征量与频域统计特征量，通过预先建立的特征信息分析模型，确定所述待识别用户的心理状态类别。

2.根据权利要求1所述的心理状态识别方法，其特征在于，所述方法包括以下特征信息分析模型建立步骤：

接收受试者在不同心理状态诱因下的脉搏信号与心电信号；其中，所述心理状态诱因为预先标记心理状态类型的视频片段；

对所述受试者的脉搏信号、心电信号进行特征参数提取，得到所述受试者的脉搏信号对应的时域特征量与频域统计特征量、以及心电信号对应的时域特征量与频域统计特征量；

其中，所述受试者在某一心理诱因下脉搏信号对应的时域特征量与频域统计特征量、心电信号对应的时域特征量与频域统计特征量作为一信号样本；

根据所述信号样本对预先建立的三层神经网络进行模型训练，建立所述特征信息分析模型。

3.根据权利要求2所述的心理状态识别方法，其特征在于，所述三层神经网络的输入层、输出层分别具有24个神经元节点；

所述三层神经网络的输入层函数为：

其中，表示输入为x时第二层网络的第j个神经元的激活值；表示隐藏层所有网络层第j个神经元平均激活值；β为神经网络收敛权值，

所述三层神经网络的输出层函数为：

其中，1{yⁱ＝j}为示性函数，1{值为真的表达式}＝1，1{值为假的表达式}＝0；

所述三层神经网络的的误差函数为：

其中，为表示第(l-1)层的第i个神经元连接到第l层的第j个神经元的权重；γ为权重衰减项；l为神经网络的层数；h_w,b(x⁽ⁱ⁾)为实际应用预测函数关系，x⁽ⁱ⁾表示神经网络的输入；y⁽ⁱ⁾表示神经网络的输入x⁽ⁱ⁾对应的输出；m为数据集中点的个数。

4.根据权利要求1所述的心理状态识别方法，其特征在于，所述接收待识别用户的脉搏信号与心电信号之后，包括：

滤除所述待识别用户的脉搏信号与心电信号的工频干扰信号、基线漂移干扰信号；

采用小波阈值滤波法对滤波后的所述待识别用户的脉搏信号与心电信号进行去噪处理。

5.根据权利要求4所述的心理状态识别方法，其特征在于，所述滤除所述待识别用户的脉搏信号与心电信号的工频干扰信号、基线漂移干扰信号，具体包括：

通过带阻切比雪夫Ⅱ型滤波器滤除所述待识别用户的脉搏信号或心电信号中的工频干扰信号；

通过数字滤波器滤除所述待识别用户的脉搏信号或心电信号中的基线漂移干扰信号。

6.根据权利要求4所述的心理状态识别方法，其特征在于，所述采用小波阈值滤波法对滤波后的待识别用户的脉搏信号与心电信号进行去噪处理，具体包括：

通过巴特沃斯带通滤波器检测滤波后的脉搏信号或心电信号中噪声的幅值系数，并采用小波阈值滤波法对滤波后的脉搏信号或心电信号进行去噪处理；

其中，去噪后的脉搏信号或心电信号中波形的系数值大于其对应的噪声的幅值系数。