[发明专利]基于改进遗传算法的心理压力评测分级方法

说明书

一种基于改进遗传算法的心理压力评测分级方法，属于心理压力分析技术领域。本发明针对现有心理压力分级方法对不同的受压群体的敏感度不同，通用性差的问题。包括：采集受试者的心电信号和皮肤电阻信号，对心电信号进行去噪滤波后获得待识别心电信号，再进行特征提取获得心电参数特征；同时对皮肤电阻信号进行去噪滤波后获得待识别皮肤电阻信号，再进行特征提取获得皮肤参数特征；对心电参数特征和皮肤参数特征进行选择，获得压力评测特征；基于改进遗传算法对压力评测特征进行权重分配，并与PSTR压力表进行映射，实现对受试者受压状态的压力分级。本发明方法用于心理压力分析。

技术领域

本发明涉及基于改进遗传算法的心理压力评测分级方法，属于心理压力分析技术领域。

背景技术

德国心理学家穆瑞在1968年提出了心理压力因素理论，以此为基础，瑞士心理学家爱德沃兹于1983年编制了PSTR(心理压力)量表。由于适度的心理压力有助于提高工作效率，而过度的心理压力会使得工作效果适得其反，严重的甚至影响身体健康，因此关注并分析相应人群的心理压力情况，有助于及时的采取措施进行调整，进而改善工作状态。

在对心理压力进行评测分级时，压力作为研究的主导变量，很难直接进行定量描述，因此心理学家设计了PSTR量表。将受试者对PSTR量表的作答结果作为辅助变量，可以与主导变量建立反应模型，再运用遗传学、支持向量机方法等建模方法，可以将主观的PSTR压力量表转化成客观的压力软评测。

现有压力评测与分级模型通常基于神经网络与支持向量机方法建立，这种模型受多项条件的制约，使得对于不同的受压群体，模型精度会受到很大的影响。

发明内容

针对现有心理压力分级方法对不同的受压群体的敏感度不同，通用性差的问题，本发明提供一种基于改进遗传算法的心理压力评测分级方法。

本发明所述一种基于改进遗传算法的心理压力评测分级方法，包括以下步骤：

步骤一：采集受试者的心电信号和皮肤电阻信号，对心电信号进行去噪滤波后获得待识别心电信号，再进行特征提取获得心电参数特征；同时对皮肤电阻信号进行去噪滤波后获得待识别皮肤电阻信号，再进行特征提取获得皮肤参数特征；

步骤二：对心电参数特征和皮肤参数特征进行选择，获得压力评测特征；

步骤三：基于改进遗传算法对压力评测特征进行权重分配，并与PSTR压力表进行映射，实现对受试者受压状态的压力分级。

根据本发明所述的基于改进遗传算法的心理压力评测分级方法，

所述步骤一中，心电参数特征包括心电信号时域特征、心电信号频域特征及心电信号非线性特征；皮肤参数特征包括皮肤电阻信号时域特征及皮肤电阻信号频域特征。

根据本发明所述的基于改进遗传算法的心理压力评测分级方法，

所述心电信号和皮肤电阻信号的去噪滤波包括：首先进行基线漂移矫正，采用LOWESS方法进行平滑滤波，对信号中每一个数据点的一个邻域内各点的数据，用一元七次多项式进行拟合，实现去除基线漂移；再利用陷波滤波器，滤除信号中的50Hz工频干扰。

根据本发明所述的基于改进遗传算法的心理压力评测分级方法，

所述心电信号时域特征中，正常窦性心搏单项的标准差SDNN为：

式中N为采集样本中正常心搏的总数，RR_i表示第i个RR间期，meanRR表示第N个心搏的RR间期的平均值；

相邻R-R间期差值的均方根RMSSD为：

采样信号中相邻RR间期差值大于50ms的个数占所有R-R间期个数的百分比pNN₅₀为：