一種基于HRV 指標的壓力計算方法

林穎

(廣州番禺職業技術學院信息工程學院，廣東 廣州 511483)

現代人承受著著許多壓力，比如就業壓力、經濟壓力和情感壓力等。壓力導致人們情緒不良，學習和工作下降，生活質量降低。長期承受心理壓力將對健康造成損害，還會導致免疫力的降低[1]。因此，快速、準確地了解自身的壓力對于保持身心健康有重要意義。傳統的評估方法依賴于評估者的主觀經驗，并且受測者可能會試圖隱藏自己的真實心理狀態。利用生理信號來測試壓力更為客觀。此外，傳統方法還有無法進行連續測量的缺點，不能夠跟蹤到個人一天中的壓力變化狀況。多種生理信號與情緒狀態存在聯系[2]，如心電信號、腦電信號和皮膚電反應。目前，利用心電信號進行壓力計算的相關研究仍然較少。因此，本文提出了一種基于心電信號的壓力計算方法，用于快速有效地計算壓力。

1 心電信號研究概述

電圖信號已被于各種的，例如測量率、檢查臟異常、情緒計算 和物特征識別等。電圖分析般包含個步驟：預處理、特征提取、特征選擇、特征轉換和分類[3]。常見的用于研究的生理信號有心電(electrocatdiogram, ECG)、腦電(electroencephalogram，EEG)、眼電(electrooculogram，EOG)、肌電(electromyogram，EMG)和皮膚電反應(Galvanic Skin Response，GSR)等，生理信號是人體交感神經的反應，具有精確、不易隱藏等優點。這些生理電信號為我們提供了窺視身體狀況的一個窗口[4]，其中研究得最多的是心電和腦電信號。心電圖是如今到醫院檢查十分常見的一個項目。心電是眾多心肌細胞活動的電信號反應，心電信號一定程度上反映了心臟的健康狀況，在臨床醫學上有重要意義。生理信號在采集后需要進行去噪和特征提取，常見在時域和頻域提取特征。越來越多的可穿戴設備開始配備生理信號檢測相關功能，這為研究帶來了方便。大量研究表明，心率變異率信息與壓力直接相關。孔令琴等[5]融合了心率變異性和人臉表情進行壓力的檢測，將HRV 及表情共同作為特征輸入,利用支持向量機進行訓練分類,實現壓力狀態與非壓力狀態的檢測。于路[6]通過放松、Stroop 彩色單詞測試任務、心算任務,制造不同的心理壓力水平，然后計算 HRV 時域、頻域指標與NASA-TLX 得分的相關系數來區分“放松”和“有壓力”兩種狀態。李永濤[7]利用單模的生理信號計算RR 間期,截取104 個RR間期序列,提取較少心率變異性特征,實現了基于心率變異性的心理壓力連續檢測。Karthikeyan 等[8]提出了種通過短期的利ECG 和HRV 信號解決壓檢測問題的法。論使具有不同平滑因和k 值的 PNN 和kNN 分類器從ECG 和HRV 信號中提取各種特征并分類為正常和壓兩種狀態。此外，還有一些研究利用了多種生理信號用于壓力的檢測，也達到了不錯的心理壓力識別準確率。然而，采集多種生理信號意味著需要更多的設備，這不利于將模型應用到穿戴式設備上。

2 實驗方法

由于目前還沒有公認的用于壓力識別的數據庫[9]，因此本文采用了穿戴式藍牙心率設備進行心電信號的采集，設備為單導聯。采集到的心電信號為時域信號，本文不直接使用時域信號作為訓練數據，而是使用HRV 指標，具體地，使用LF(Low Frequency, 低頻段)、HF(High Frequency，高頻段)和HR(Heart Rate，心率)三個指標作為計算壓力的參數。LF 和HF 主要反映交感神經的活動，LF 為交感神經活性，HF 為副交感神經活性，在不同的應激情境下，LF 和HF 會有不同的變化(上升或下降)。

首先讓受測者處于放松的狀態，采集此時的心電數據。然后通過蒙特利爾腦成像應激任務(Montreal Imaging Stress Task)誘導壓力，再次采集數據。在不同的HRV 數值進行了標記，再將標記后的數據使用線性擬合方法得到壓力公式。不同年齡段群體的自主神經活性及功能存在差異[10]，隨著年齡的增加，LF/HF 值逐漸下降。因此，擬合后的公式還使用了年齡作為參數之一。

3 實驗過程

實驗總共采集了17 名受測者(年齡為20～34 歲)的數據，在進行頻域變換之后得到LF 和HF，再對數據進行常規的預處理操作，并把數據的最大最小值控制在2 倍標準差以內。最后二次多項式進行擬合得到方程。

具體步驟如下：

步驟一：被試進入實驗室，佩戴心率測量設備并坐好。實驗者詢問被試是否處于放松的狀態，同時觀察HRV 指標，直至指標平穩并且被試表示自己沒有壓力，此時開始記錄數據，將當前指標標記為無壓力的狀態。

步驟二：誘導壓力。本文采用MIST 誘導被試的壓力。實驗開始后，要求被試進行心算任務，并在屏幕上顯示心算結果的正確率，以讓被試產生“失敗感”。實驗過程中持續記錄數據，直至被試表示自己感受到壓力，并且實驗者觀察到HRV 指標上升，記錄此時的數據作為有壓力的狀態。

步驟三：制作數據集。進行數據預處理，限制數據的最大最小值在2 倍標準差以內，去除異常值。

步驟四：編寫程序。本文使用python 語言和sklearn、pandas編寫程序，用二次多項式擬合數據，再加上年齡參數，提高模型的精度。

4 結果

對名被試進連續的壓測量，得到圖1，包括率、LF、HF 和計算得 到的壓指數曲線。從圖中可以看出壓與選取的指標有很的相關性，并且被試表示在對應的時間段感受到了壓，證明了實驗擬合得到的公式的有效性。

圖1 壓力變化情況

5 結論

將心電信號用于壓力的測量可以更加客觀地評估受測者的壓力。本文使用機器學習的方法和穿戴式設備結合，可以長時間、實時地地跟蹤個體的壓力，準確地評估真實的壓力狀況。