论文部分内容阅读
针对基于脉搏信号的人体心理压力测量分类结果精度不高的问题，提出一种基于反向传播（BP）神经网络和医疗物联网（IoMT）的心理压力检测系统设计方法。该系统采用以MAX30101为核心的光电容积脉搏波（PPG）采集模块来获取人体PPG数据，并基于小波去噪和RR尖峰检测方法得到心室搏动间距，利用时域和频域上的处理提取出心率变异性（HRV）作为特征，设计Adam自适应优化算法训练的神经网络模型实现心理压力程度3分类。同时为实现长时间不间断的检测与分析，设计基于IoMT的心理压力检测数据远程平台，实现24 h连续用户健康检测。实验结果表明，该系统检测准确度达到88.7%，较传统的心理量表测评和激素测量法能够有效方便的对心理压力程度进行分类。