簡(jiǎn)要描述:HRV高級(jí)數(shù)據(jù)處理分析模塊可以結(jié)合人機(jī)環(huán)境同步平臺(tái)和生理記錄系統(tǒng)采集到與HRV指標(biāo)相關(guān)的生理信號(hào)進(jìn)行離線處理和分析??蓪?duì)信號(hào)進(jìn)行自由選擇、放大、縮小,便于瀏覽數(shù)據(jù);在整體呈現(xiàn)數(shù)據(jù)的基礎(chǔ)上,還可以根據(jù)片段、事件、場(chǎng)景三種分割方式進(jìn)行數(shù)據(jù)呈現(xiàn)與分析;可導(dǎo)出ASCII格式的原始數(shù)據(jù)、處理后數(shù)據(jù)和分析后數(shù)據(jù);并可導(dǎo)出可視化分析報(bào)告。
詳細(xì)介紹
品牌 | 津發(fā)科技 | 產(chǎn)地類別 | 國(guó)產(chǎn) |
---|---|---|---|
應(yīng)用領(lǐng)域 | 建材,交通,航天,司法,汽車 |
自動(dòng)化多角度分析模式 :基于自動(dòng)識(shí)別/自定義整段、場(chǎng)景、事件及片段分析,滿足對(duì)時(shí)間點(diǎn)或時(shí)間段內(nèi)數(shù)據(jù)趨勢(shì)變化的精確分析。支持狀態(tài)識(shí)別研究的自動(dòng)化處理,如疲勞狀態(tài)、認(rèn)知負(fù)荷,輸入研究時(shí)間段參數(shù),自動(dòng)化完成特征值提取與分析。
數(shù)據(jù)處理與特征點(diǎn)提取 :系統(tǒng)內(nèi)置多種信號(hào)處理方式,包括小波、高/低通濾波等對(duì)原始信號(hào)進(jìn)行處理,自動(dòng)標(biāo)記R峰值點(diǎn)(包括異常值檢測(cè)、異常點(diǎn)矯正),提取IBI間期,進(jìn)行數(shù)據(jù)統(tǒng)計(jì)與分析,可一鍵導(dǎo)出.csv文件。
數(shù)據(jù)統(tǒng)計(jì)與可視化報(bào)告: 支持IBI間期的時(shí)域統(tǒng)計(jì)、經(jīng)FFT轉(zhuǎn)換的頻域數(shù)據(jù)以及非線性分析,從不同角度挖掘數(shù)據(jù)信息。支持一鍵導(dǎo)出原始數(shù)據(jù)、處理數(shù)據(jù)、統(tǒng)計(jì)分析數(shù)據(jù)以及結(jié)果的可視化報(bào)告,更加可靠與豐富。
多模態(tài)數(shù)據(jù)同步交叉統(tǒng)計(jì) :支持HRV數(shù)據(jù)信號(hào)與多模態(tài)數(shù)據(jù)進(jìn)行交叉統(tǒng)計(jì)分析,包括行為、眼動(dòng)、腦電、動(dòng)作捕捉以及其他的生理電信號(hào)數(shù)據(jù),實(shí)現(xiàn)多維度的結(jié)果驗(yàn)證與多模態(tài)數(shù)據(jù)更精確的的狀態(tài)識(shí)別。
HRV高級(jí)數(shù)據(jù)處理分析模塊可以結(jié)合人機(jī)環(huán)境同步平臺(tái)和生理記錄系統(tǒng)采集到與HRV指標(biāo)相關(guān)的生理信號(hào)進(jìn)行離線處理和分析??蓪?duì)信號(hào)進(jìn)行自由選擇、放大、縮小,便于瀏覽數(shù)據(jù);在整體呈現(xiàn)數(shù)據(jù)的基礎(chǔ)上,還可以根據(jù)片段、事件、場(chǎng)景三種分割方式進(jìn)行數(shù)據(jù)呈現(xiàn)與分析;可導(dǎo)出ASCII格式的原始數(shù)據(jù)、處理后數(shù)據(jù)和分析后數(shù)據(jù);并可導(dǎo)出可視化分析報(bào)告。
1、信號(hào)處理模塊:
處理方法包括數(shù)字濾波和R點(diǎn)提取。數(shù)字濾波包含四種,分別為小波去噪(Wavelet Filter)、高通(High Pass)、低通(Low Pass)、帶阻(Band Stop),用以濾除噪音干擾,從而得到有用的PPG信號(hào);
R點(diǎn)提取包括R峰提?。?/span>R-Peak Extraction)、異常點(diǎn)檢測(cè)(Ectopic Detection)、異常點(diǎn)矯正(Ectopic Correction)。用戶可根據(jù)需要自定義輸入?yún)?shù),可選擇多種處理方法進(jìn)行一次處理;也可增加、刪除已選擇的處理方法。
手動(dòng)信號(hào)校正方法包括線性插值(Linear interpolation)、樣條差值(Spline interpolation)以及通過復(fù)制信號(hào)區(qū)域進(jìn)行插值。
2、信號(hào)分析模塊:
信號(hào)分析模塊包括時(shí)域分析、頻域分析和非線性分析三種,三者可實(shí)現(xiàn)自由轉(zhuǎn)換。
A.時(shí)域分析(Time Domain):包括全程記錄期間所有N-N間期的均值(MeanIBI)、全程記錄期間所有N-N間期的標(biāo)準(zhǔn)差(SDNN)、全程記錄期間所有N-N間期的標(biāo)準(zhǔn)差平均值SDANN、相鄰N-N間期差值的標(biāo)準(zhǔn)差(SDANN Index)、相鄰N-N間期之差的標(biāo)準(zhǔn)差(SDSD)相鄰N-N間期差值的均方根(RMSSD)、相鄰N-N間期之差大于50ms的比例(PNN50)、相鄰N-N間期之差大于20ms的比例(PNN20)。SDNN與總體變異性相關(guān),而RMSSD與副交感神經(jīng)影響心率的活動(dòng)有關(guān)。
B.頻域分析(Frequency Domain):運(yùn)用參數(shù)模型法和快速傅里葉變化將時(shí)域分析信號(hào)轉(zhuǎn)換為頻域分析信號(hào),用以表達(dá)不同頻率的變異數(shù)量,包括:高頻段(HF 0.15-0.4Hz)、低頻段(LF 0.04-0.15Hz)、極低頻段(VLF 0.0033-0.04Hz)和超低頻段(ULF 0-0.0033Hz),并對(duì)信號(hào)進(jìn)行功率譜密度分析。從功率譜密度中確定信號(hào)的頻帶,將在功率譜分析圖中以不同的顏色區(qū)分。統(tǒng)計(jì)數(shù)據(jù)包括Power、Power Percent、Power Norm以及Peak、Total Power、LF/HF指標(biāo)統(tǒng)計(jì)。
C.非線性分析:散點(diǎn)圖分析(Pioncare),利用R-R間期變化繪制圖像,包含了HRV的線性和非線性的變化趨勢(shì)了,給出了心臟波動(dòng)的直觀顯示,能揭示非線性過程和非周期性運(yùn)動(dòng)。同時(shí)引入了向量長(zhǎng)度指數(shù)和向量角度指數(shù),分別反映R-R間期的變化程度和相鄰R-R間期的變化程度。參數(shù)包含垂直偏差SD1,水平偏差SD2;差值散點(diǎn)圖(Scatter):時(shí)間序列中連續(xù)的速率值之間的相關(guān)性,以連續(xù)三個(gè)IBI點(diǎn)做差值得到一個(gè)坐標(biāo)點(diǎn)做圖,得到四個(gè)象限的值。參數(shù)指標(biāo)包括:一象限點(diǎn)的個(gè)數(shù)A++、第三象限點(diǎn)的個(gè)數(shù)B--。
3、可視化Chart與導(dǎo)出數(shù)據(jù)模塊:包括原始數(shù)據(jù)Raw Data、處理數(shù)據(jù)Processed、心率HR、IBI間期、R峰值以及整體報(bào)告。
人機(jī)工程、人的失誤與系統(tǒng)安全、人機(jī)工效學(xué)、工作場(chǎng)所與工效學(xué)負(fù)荷等
從安全的角度和著眼點(diǎn),運(yùn)用人機(jī)工程學(xué)的原理和方法去解決人機(jī)結(jié)合面安全問題
人-車-路-環(huán)境系統(tǒng)的整體研究,有助于改善駕駛系統(tǒng)設(shè)計(jì)、提高駕駛安全性、改善道路環(huán)境等
ErgoLAB可實(shí)現(xiàn)桌面端、移動(dòng)端以及VR虛擬環(huán)境中的眼動(dòng)、生理、行為等數(shù)據(jù)的采集,探索產(chǎn)品設(shè)計(jì)、人機(jī)交互對(duì)用戶體驗(yàn)的影響
研究如何通過城市規(guī)劃與建筑設(shè)計(jì)來滿足人的行為心理需求,以創(chuàng)造良好環(huán)境,提高工作效率
通過ErgoLAB采集和分析消費(fèi)者的生理、表情、行為等數(shù)據(jù),了解消費(fèi)者的認(rèn)知加工與決策行為,找到消費(fèi)者行為動(dòng)機(jī),從而產(chǎn)生恰當(dāng)?shù)臓I(yíng)銷策略使消費(fèi)者產(chǎn)生留言意向及留言行為
郵件聯(lián)系我們:[email protected]
掃一掃,關(guān)注微信