论文部分内容阅读
当今社会生活节奏快、竞争激烈，人们普遍承受着比较大的心理与精神压力。长期的高压力不仅容易导致厌烦、失落或恐惧等负面情绪，甚至可能诱发心血管疾病、代谢与精神紊乱等各类生理病变。压力状态的有效评估与识别，能够帮助心理专家了解个体的压力状态、进行对应的心理干预与疏导，帮助高压力个体缓解压力、恢复健康。传统的心理学自评量表法具有一定的主观性，而基于电生理参数的压力状态评估，能够更加客观、真实的反应人体的压力状态，更具真实可靠性。 本文以基于生理参数的日常压力状态评估为研究目标，以生理信号的采集与数据分析为核心，实现了基于心电(ECG)与呼吸(RSP)生理参数的三种压力状态分类识别。本文完成的主要工作有: (1)通过对心理学应激实验范式的调研，搭建了蒙特利尔成像应激任务(MIST)实验平台，实验诱发出被试平静、轻微与高度压力三种不同程度压力状态。诱发实验中同时包含认知负荷造成的精神压力因素与社会评价威胁造成的心理压力因素，避免了以往研究中压力因素过于单一的问题，实验方法更加真实、科学、有效。 (2)在39名健康被试中进行了MIST压力诱发实验，实验中利用可穿戴传感设备记录被试的心电与呼吸生理信号。采用可穿戴技术的生理参数采集方案，解决了传统生理多导仪设备体积较大、无法满足日常压力状态长期连续评估需求的问题。 (3)通过对生理信号的预处理、特征值提取、标准化等处理，结合随机森林算法（RF）对特征进行选择，最终提出一种基于随机森林与支持向量机(SVM)相结合的压力状态评估方法，能够实现对三种压力状态的有效分类识别。此外，本文还对比了心电与呼吸两种信号特征集对压力状态的表征能力，研究了线性判别分析(LDA)、K近邻（KNN）、SVM、Adaboost四种不同分类模型对压力状态的分类效果。 实验结果表明，本文基于随机森林特征选择优化后的SVM分类模型，与使用传统单一SVM分类算法相比，具有更好的分类识别效果，对三种压力状态的分类准确率可从78％提高至84％。本文所提出的方法对三种压力状态具有较好的识别效果，通过生理信号评估人体的压力状态，为心理学中心理压力的评估提供客观有效的依据，具有较强的社会应用意义。