基于心率变异率的人体疲劳度评估模型

作者：於鹏; 严良文^*; 陈佳乐; 余越; 曹可乐; 黄闪; 董旭东

来源：北京生物医学工程, 2021, 40(01): 46-54.

• 隐马尔科夫模型
• PPG
• HRV
• Baum-Welch
• Viterbi
• 疲劳评估

目的构建一种信号采集方便、准确度高的人体疲劳度评估模型,以帮助人们及时地做出疲劳预警。方法首先使用MAX30102传感器采集包含大量与人体生理和病理相关信息的光电容积脉搏波(photoplethysmography, PPG)信号;然后对PPG信号进行消除噪声干扰和基线漂移的预处理,再运用差分阈值法提取心率变异率(heart rate variability, HRV)信息,利用隐马尔可夫模型(hidden Markov model, HMM)理论建立基于HRV的人体疲劳评估模型;最后随机选取10位志愿者的数据利用Baum-Welch算法对模型参数进行训练优化后得到状态转移概率矩阵■和观测值概率矩阵■,随机选取3位精神状态转变模式不同的志愿者数据并运用Viterbi算法求得最优状态,与实际状态进行对比。结果所建模型对3位志愿者的疲劳评估准确度都达到了80%以上,具有较高的准确度。结论运用HMM理论构建的基于HRV的人体疲劳评估模型能够准确评估人体的精神状态,具有广阔的应用前景。

• 单位
  自动化学院; 上海大学