一种基于心电信号的气质类型分类方法

技术特征：
1.一种基于心电信号的气质类型分类方法，其特征在于，该方法包括如下步骤：步骤1,分别采集被识别人在连续四种状态下的心电信号，并将四组心电信号标记为s1，s2，s3，s4；步骤2,对步骤1中获得的四组心电信号做滤波预处理，计算得到每组心电信号对应的心跳周期序列rr
n
＝{rr1,rr2,...rr
n
}，其中，rr1表示第1个心跳间隔时间，单位毫秒，rr
n
表示第n个心跳间隔时间；步骤3,将每组心跳周期序列依次输入到拉盖尔回归模型得到交感神经指标sai序列和负交感神经指标pai序列，进而得到sai与pai的比值序列，提取sai与pai的比值序列x
sp
＝{x
sp1
,x
sp2
,...x
spm
}，共获得4组sai与pai的比值序列；其中，x
sp
表示sai与pai的比值序列，x
sp1
表示第1个sai与pai的比值序列，x
spm
表示第m个sai与pai的比值序列；步骤4,求取心电信号s2对应的x
sp
的均值求取心电信号s3对应的均值步骤5,将步骤4中的与设定阈值t1，t2，t3做比较，将步骤4中的与设定阈值t1，t2，t3做比较，根据比较结果获得类型向量；步骤6,从步骤3中获得的x
sp
中提取出时域动态特征，提取步骤5中获得的类型向量的编码；步骤7,基于步骤6获得的特征，对性别、年龄段进行one-hot编码，通过标准化处理后获得特征向量集{e1,e2,e3,e
n
}；再将特征向量输入到随机森林多分类模型中，获得气质类型，并据此进行分类。2.根据权利要求1所述的基于心电信号的气质类型分类方法，其特征在于，在步骤1中，所述连续四种状态包括顺次相连的：状态1：静坐10秒；状态2：观看幽默视频10秒；状态3：观看惊悚视频10秒；状态4：静坐10秒。3.根据权利要求1所述的基于心电信号的气质类型分类方法，其特征在于，在步骤5中，在所述设定阈值中，t1<t2<t3；优选地，所述t1取值为0.2；所述t2取值为0.4；所述t3取值为0.5。4.根据权利要求1所述的基于心电信号的气质类型分类方法，其特征在于，在步骤5中，类型向量的获得过程包括如下子步骤：子步骤1，记录与设定阈值t1，t2，t3的比较结果，记录与设定阈值t1，t2，t3的比较结果；其中，小于t1为结果a，大于等于t1且小于t2为结果b，大于等于t2且小于t3为结果c，大于等于t3为结果d；子步骤2，结合和的比较结果，并据此确定类型向量；
其中，当组合结果为ca或ad或da或db时，所述类型为1；当组合结果为cd或cc或dc或dd，所述类型为2；当组合结果为aa或ab或ba或bb，所述类型为3；当组合结果为ac或cb或bc或bd，所述类型为4。5.根据权利要求1所述的基于心电信号的气质类型分类方法，其特征在于，在步骤6中，所述时域动态特征包括：延迟时间t1、峰值时间t2、上升时间t3、调整时间t4、调整时间内的振荡次数c。6.根据权利要求1所述的基于心电信号的气质类型分类方法，其特征在于，在步骤7中，所述随机森林多分类模型通过下述子步骤获得：子步骤a，通过量表自评的方式构建气质类型数据库，该数据库中包括的数据信息有x
sp
的时域动态特征和气质类型，子步骤b；使用气质类型数据库冲刷随机森林多分类模型，其中以x
sp
的时域动态特征为输入，以气质类型为输出；在所述冲刷随机森林多分类模型的过程中，当kappa系数达到0.6以上时冲刷停止。

技术总结
本发明公开了一种基于心电信号的气质类型分类方法，该方法可以准确地评估被识别人的气质类型，帮助测试者根据自己的气质类型选择适合自己的生活方式以及社会活动、对自己有更全面的认识。该方法中利用可穿戴设备内置的传感器，采集特征数据及标签；将被识别人的RRI序列输入拉盖尔自回归模型，得到交感神经指标SAI和副交感神经指标PAI，并通过比较其阙值判定类型向量；对所有特征进行标准化处理，建立特征向量集；再将特征向量输入到预先建立的随机森林模型，最终输出气质类型。最终输出气质类型。最终输出气质类型。


技术研发人员：李风华 刘正奎 晏阳 吴坎坎
受保护的技术使用者：中国科学院心理研究所
技术研发日：2022.01.06
技术公布日：2022/11/10