[发明专利]基于心电和呼吸信号同步性特征的情绪检测方法

摘要

本发明涉及一种基于心电和呼吸信号同步性特征的情绪检测方法，包括：采集心电ECG信号和呼吸信号；预处理；特征提取：1)时域同步性特征；2)频域同步性特征；3)相位锁定值；采用Fisher判别率评估每个特征的可分性，通过计算最终得到5个特征的FDR值，根据FDR值的大小，给每个特征分配相应的权重值w_i；使用支持向量机SVM建立情绪识别模型，识别用户当前的情绪状态。本发明可以进行准确、实时地情绪监测。

主权项

1.一种基于心电和呼吸信号同步性特征的情绪检测方法，包括下列步骤：/n(1)采集心电ECG信号和呼吸RSP信号；/n(2)对采集到的心电ECG信号和呼吸RSP信号进行预处理，从ECG信号中提取HRV信号/n(3)特征提取/n1)时域同步性特征/n截取ECG信号与呼吸信号，分别记为{z₁,z₂,…,z_k,…,z_L},{y₁,y₂,…,y_k,…,y_L},L为信号的总段数，然后计算对应时间内{z_k(i)}，{y_k(i)}的互相关函数,i＝1,2,…,N,/n /n式中，N为每一段信号的长度；分别表示{z_k(i)}，{y_k(i)}序列的均值；σ_z，σ_y表示方差；τ表示两信号的时差，τ＝0，得到第一个特征向量，F1＝(C₁zy,C₂zy,…,C_kzy,…,C_Lzy)’；/n2)频域同步性特征/n求HRV信号极低频(very low frequency,VLF)[0.03Hz,0.04Hz]、低频(lowfrequency，LF)[0.04Hz,0.15Hz]、高频(high frequency，HF)[0.15Hz,0.4Hz]与RSP信号的相干系数，步骤如下：/n(1)分别截取HRV信号与RSP信号，记为x,y；/n(2)采用Welch算法计算HRV信号、RSP信号的功率谱密度以及两者的互功率谱密度，分别记为Pxx(f),Pyy(f),Pxy(f₁f₂)；/n /n /n /n其中U是归一化因子，d₂(n)是高斯窗函数，M为数据长度，K为数据所分段数，N为每段数据的长度，M＝K*N，f为频率点，f1和f2分别是HRV信号和呼吸信号的频率分量；/n(3)用改进的相干函数计算HRV信号与呼吸信号的相干系数,表示HRV信号在频率分量为f₁，呼吸信号在频率分量为f₂处的分量振幅乘积的标准化均值，取值在[0,1]区间：/n /n然后分别计算f₁在[0.03,0.04],[0.04,0.15],[0.15-0.4],f₂在[0.01,0.4]范围内的平均相干系数，作为HRV信号与呼吸信号的极低频相干系数Coh_VLF，低频相干系数Coh_LF以及高频段相干系数Coh_HF：/n /n /n /n其中，n₁为0.03≤f₁≤0.04，0.01≤f₂≤0.4范围内Coh_xy(f₁f₂)的点数，n₂为0.04≤f₁≤0.15，0.01≤f₂≤0.4范围内Coh_xy(f₁f₂)的点数，n₃为0.15≤f₁≤0.4，0.01≤f₂≤0.4范围内Coh_xy(f₁f₂)的点数；为第d个样本的Coh_VLF值，为第d个样本的Coh_LF值，为第d个样本的Coh_HF值；由此，得到三个特征向量F2,F3,F4，且/n3)相位锁定值/n首先，通过希尔伯特变换计算HRV信号x和RSP信号y的相位值和/n /n /nPV表示积分是在柯西主值上进行的，λ指的是瞬时时间，然后分别计算此两个信号的瞬时相位φ_i(t)和η_i(t)，得到两个信号的相位差Δφ；/n最后，计算相位锁定值PLV：/n /n即某个时间窗内所有e^iΔφ在时间上的平均，N为时间窗内e^iΔφ的个数，当相位差为定值即相位同步时，PLV＝1；当相位差在[0,2π]之间随机分布时，PLV＝0；由此，得到第5个特征向量F5＝(PLV₁,PLV₂,…,PLV_L)’；/n最后，得到最终的同步性特征矩阵：/n /n(4)特征权重调整/n采用Fisher判别率FDR评估每个特征的可分性，通过计算最终得到5个特征的FDR值，根据FDR值的大小，给每个特征分配相应的权重值w_i；/n(5)使用支持向量机SVM建立情绪识别模型，识别用户当前的情绪状态。/n