（1.陕西科技大学 电气与信息工程学院，陕西 西安710021；2.西安沧海网络科技有限公司，陕西 西安710000）
针对情绪打算需求，设计了一种基于STM32L0的低功耗生理旗子暗记采集腕带设备，利用低功耗蓝牙无线通信将采集的生理旗子暗记实时发送至具有蓝牙4.0接口的智能设备端，采取BP神经网络对生理旗子暗记进行剖析处理。实验结果表明，该设备可实现准确的心率、皮肤温度、皮肤阻抗、运动状态检测，通过多维度的生理旗子暗记剖析，识别个体的感情状态，个中紧张、中性、愉快的识别率达到95%以上，为情绪打算供应一种可穿着设备。
情绪打算；生理旗子暗记处理；BP神经网络；可穿着
中图分类号：TP391.4
文献标识码：A
DOI：10.16157/j.issn.0258-7998.2017.02.016
中文引用格式：李英春，尤磊，贺靖康，等. 基于生理旗子暗记的感情识别腕戴设备[J].电子技能运用，2017，43(2)：69-72，76.
英文引用格式：Li Yingchun，You Lei，He Jingkang，et al. Emotion recognition wristband device based on physiological signals[J].Application of Electronic Technique，2017，43(2)：69-72，76.
0 弁言
情绪打算的观点是由美国MIT媒体实验室的PICAR R提出的，是指对与感情有关的、由感情引发的、或是能够影响感情成分的打算。感情不仅有内心体验和外部行为表现，同时伴随着繁芜的神经由程和生理变革。感情可由表情、语音、姿态、文本等非生理旗子暗记进行感知，但人体的生理旗子暗记不易伪装，可得到更加客不雅观有效的结果[1]。针对基于生理旗子暗记的感情识别，国内外科研事情者做了大量的研究，PICARD R等采集了不同情绪状态下皮肤电反应、血容量颠簸、肌电旗子暗记、呼吸浸染的4种生理旗子暗记，得到针对8种感情81%的识别准确度[2]。KIM K H等开拓了一种基于多用户生理旗子暗记的短时监控感情识别系统，利用支持向量机对悲哀、压抑、惊奇和愤怒4种情绪状态进行分类识别[3]。刘光远等通过多导生理记录仪MP150采集多种生理旗子暗记，利用Fisher、k-NN等智能算法进行特色提取和剖析，识别6种基本情绪状态，得到60~90%的识别率[4，5]。
当代科学技能供应了基于生理旗子暗记的情绪识别方法，但是常日须要昂贵笨重的设备，影响了用户体验效果及市场运用。伴随着无线通信技能、嵌入式及传感器技能的快速发展，可穿着式智能设备在医疗、康健等多个领域表现出主要的研究代价和运用潜力[6]。本文针对情绪打算设计了一种基于生理旗子暗记的感情识别腕带设备。
1 系统总体设计
皮肤电反应和心率变革是反响人体生理的放松和紧张程度、感情颠簸、性情特色的主要依据。1890年，Tarchanoff创造机体在视、听、痛等觉得刺激及感情激动时皮肤两点之间电阻降落，他将这种征象称为皮肤电反射（Galvanic Skin Response，GSR）。然而由于环境温度或人体运动的影响，皮肤温度随之发生变革，GSR旗子暗记会受到滋扰，同时人体运动时会造成心率伪像，导致生理旗子暗记丈量不准，因此，增加了对皮肤温度及加速度的丈量。系统总体框架如图1所示。
2 硬件设计
2.1 生理旗子暗记及动力学旗子暗记采集单元
2.1.1 皮肤电及皮肤温度丈量
人们感情变革时,交感神经活动度发生变革,汗腺分泌活动改变，由于汗液中存在大量的电解质，从而导致皮肤的导电性发生变革。对付感情这种难以检测的生理活动，利用皮肤电阻进行测定成为了最有效的方法。皮肤电阻阻值较大，一样平常在2 kΩ~50 kΩ之间，而由感情、呼吸变革引起的皮肤电阻变革幅度很小，需对其进行较大幅度的放大。皮肤阻抗丈量电路如图2所示。
通过两个打仗探针丈量皮肤的阻抗，经由阻-压转换调理电路得到微弱的变革旗子暗记，再由差分放大电路滤除滋扰终极得到皮肤阻抗相对变革情形。
由于外界环境温度的变革会影响到汗腺分泌情形，从而影响GSR旗子暗记，因此需增加一个温度传感器来研究温度对GSR旗子暗记的影响。本设备采取Maxim数字温度传感器DS18B20Z，它供应9～12 bit摄氏度温度丈量数据，通过1-Wire总线通信，可直接将温度转化成串行数字旗子暗记供MCU处理。应把稳DS18B20紧张通过GND引脚检测温度，腕带设备通过底部金属探针打仗皮肤，作为GND引脚和被测热源（皮肤）之间的良好导热通道。
2.1.2 心率丈量
心率丈量基于光电容积脉搏波描记法[7]（Photoplethysmography，PPG）,采取SON7015心率传感器，其集成高灵敏度光感IC，2个绿光LED以及低噪声的前置放大器。丈量时，利用峰值波长为550 nm的绿光LED照射腕部皮肤表面，根据朗伯-比尔定律(Lamber-Beer′s Law)，通过丈量动脉血管的组织容积在心脏颠簸时的眇小变革造成的反射光强度变革，得到微弱的心率原始旗子暗记。该旗子暗记的幅值为10 μV～5 mV，其范例值为1 mV，在处理时若哀求输出达到1 V旁边，则放大倍数要做到1 000倍旁边。采取具有较高的共模抑制比的OPA4313运算放大器，实现放大后的旗子暗记无失落真、低噪声等哀求。通过滤波和放大及比较电路得到较好的方波输出，如图3所示。设T为输出的方波中2个上升沿之间的韶光差，则每分钟心跳数BPM为：
在MCU中可经由两次捕捉事宜得到韶光间隔T，利用式(1)打算得到BPM，实现动态心率的丈量。然而在实际丈量中面临两大问题：首先环境光的滋扰使得丈量旗子暗记中易涌现较大的噪声旗子暗记，可通过腕带式的构造设计来减小环境光影响；其次，当传感器与腕部发生相对运动时，对旗子暗记波形的形状亦会产生滋扰，常日称为运动伪迹，强烈的运动伪迹远远大于心率旗子暗记，严重毁坏输出的心率旗子暗记波形，从而影响到心率丈量的准确性。因此，需通过加速度传感器研究运动状态对心率的影响。
2.1.3 动力学旗子暗记丈量
采取NXP半导体公司MMA8452Q三轴加速度传感器，其可感想熏染X、Y、Z 3个自由度的加速度旗子暗记，全方位感知人体运动信息。采集的加速度数据可以通过传感器内部的高通滤波器实时输出，输出旗子暗记已被转换为12 bit数字量旗子暗记，通过I2C接口为MCU读取。在MCU中利用式(2)打算x、y、z 3个方向加速度的矢量长度和，得到运动的幅度（magnitude）轨迹：
人体最快的跑步频率为5 Hz，即相邻两步的韶光间隔至少大于0.2 s，设置最小韶光间隔，从而在计步过程中过滤掉高频噪声。同时，通过设定幅度阈值来判断运动是否有效，通过对峰值次数的累加，可得到用户的步数及用户的运动状态。步辇儿状态下加速度矢量和的变革如图4所示。
2.2 旗子暗记处理及无线通信单元
基于ARM Cortex-M处理器的MCU是针对智能腕带的最佳办理方案[8]，本设备采取STM32L052作为腕带设备的主控，片上集成了同类型MCU中功耗最低的12 bit模数转换器(ADC)，在10 kb/s的采样率下功耗仅为48 μA。通信单元采取Dialog公司蓝牙芯片DA14580，它集成无线收发器和基带处理器，发射电流低至3.4 mA，吸收电流低至3.7 mA，可在超低功耗下供应非常好的射频性能及灵巧的外围配置。在DSPS(Dialog Serial Port Service)的根本上进行串口透传功能开拓，实现数据的传输。
2.3 电源管理及无线充电
腕带设备如图5所示，由锂离子可再充电电池LIR2032经XC6206 3.3 V/0.5 A稳压芯片后供应3.3 V电压供全体系统利用。MCU采集电池分压电路后电压值，映射成电池剩余电量。选用IDT公司P9235B+P9025AC无线充电办理方案进行穿着设备的扩展，个中吸收端P9025AC内置集成同步全桥整流器和LDO输出级，将输入的无线电源旗子暗记转换为5 V/0.4 A的稳压输出，通过PJ4054单片锂离子电池恒流/恒压线性电源管理芯片给电池充电。系统具有过温过压过流保护，充满电可自动关闭发送。
3 软件设计
3.1 下位机
软件分为发送和吸收两部分，吸收部分紧张涉及智能终端掌握腕带设备上的LED感情指示灯，用于提醒的振动马达和低功耗模式开启等；发送部分紧张包括MCU对各个生理旗子暗记的处理算法，个中发送主程序流程如图6所示。通过判断当前运动状态，将处于剧烈运动时采集到的心率及皮电数据不再发送，从而确保上位机终极得到稳定可靠的生理旗子暗记数据。
3.2 上位机
为了便于腕带设备的校正及后期数据剖析，搭建基于LabVIEW数据采集系统，紧张包括串口交互、数据处理及显示2个程序块。首先，通过接入打算机USB端口的蓝牙适配器进行无线连接，利用VISA节点进行串行通信编程，数据吸收部分主程序框架采取状态机模型：条件构造+While循环+事宜构造。在传输数据之前，下位机程序中已给生理旗子暗记及其他非生理旗子暗记(运动幅值、电量、步数)等数据变量定义校验帧头，用于甄别是否为有效数据，当与预先定义的所有帧头均同等时，上位机吸收相应数据。然后，各帧依次实行串口配置及控件的初始化，采集下位机的数据并显示在前面板的数值框和波形图中，同时将数据写入电子表格文件。末了，关闭串口通信及开释程序。
3.3 移动运用
在移动客户端,利用蓝牙的API进行蓝牙设备的连接和数据的收发,实现对腕带设备的掌握,并建立用户表。在本地用SQLITE进行用户数据和生理旗子暗记中特色值的存储。利用Android图表引擎AChartEngine，建立定时任务刷新图表，显示所需的波形曲线。运用界面如图7所示。
客户端借助第三方云做事，通过Apache HTTTP Client连接做事器后以Json形式传输数据。做事端基于MVC模型设计用户登录和注册的Severlet以及用户表、用户状态表、各个设备旗子暗记检测记录表和文件存储。
4 实验剖析
从离散和维度两种视角来建构和理解感情空间，将具有显著特色的离散的感情状态以维度化的办法表达，如图8所示。
研究感情识别的可行性，很大程度上依赖于情绪的诱发方法，本文采取视频刺激及情绪情境诱发相结合获取个体的不同感情状态[9]。分别提取具有较强烈的情绪状态下的数据，包括愉快、紧张、中性及温热性出汗，截取个中5 min内的数据，如图9所示。
通过用户的主不雅观评价标记演习样本并利用有监督的机器学习算法——BP神经网络。该网络的紧张特点是旗子暗记前向通报偏差反向传播，包括输入层、隐含层及输出层三层。
首先，利用式(3)，运用最大最小法对生理旗子暗记进行归一化处理：
式中，xk是数据样本；xmax和xmin分别是数据序列中的最大值和最小值。
其次，根据生理特色旗子暗记特点确定BP神经网络的构造为3-4-4，随机初始化BP神经网络权值和阈值。
末了，用演习好的BP神经网络分类生理旗子暗记测试数据。BP神经网络分类精确率如表1所示。
虽然生理旗子暗记可以客不雅观地反响人的情绪状态，但是对唤醒度较高的情绪才有良好的识别效果。若要进行多种情绪的分类，如惊异、歧视、恶心等，则须要将生理旗子暗记同表情、语音、身体姿态等其他办法进行领悟。如图7中所示，通过调用前置摄像头获取用户面部表情，结合微软公司认知做事中的人脸感情识别API来实现更多样更准确的情绪识别。
5 结论
本文设计了一种基于STM32L052K8的低功耗生理旗子暗记采集腕带设备，通过低功耗蓝牙将采集的生理旗子暗记发送至具有蓝牙4.0接口的智能设备端，利用BP神经网络对生理旗子暗记进行剖析处理，识别愉快、紧张及中性3种感情状态，得到了较高准确性。
参考文献
[1] 张迪，万柏坤，明东.基于生理旗子暗记的感情识别研究进展[J].生物医学工程学杂志，2015，32(1)：229-234.
[2] PICARD R，VYZAS E，HEALEY J.Toward machine emotional intelligence analysis of affective physiological state[J].IEEE Transactions Pattern Analysis and Machine Intelligence，2001，23(10)：1175-1191.
[3] KIM K H，BANG S W，KIM S R.Emotion recognition system using short-term monitoring of physiological signals[J].Medical and Biological Engineering and Computing，2004，42(3)：419-472.
[4] YANG Z F，LIU G Y.Emotion recognition based on nonlinear features of skin conductance response[J].Journal of Information & Computational Science，2013，10(12)：3877-3887.
[5] YAN F F，LIU G Y，LAI X W.The research on material selection algorithm design with improved OWA in active regulation system based on human-computer interaction[J].Journal of Information and Computational Science，2013，14(9)：4477-4486.
[6] 谢凌钦，石萍，蔡文杰.可穿着式智能设备关键技能及发展趋势[J].生物医学工程与临床，2015，19(6)：635-640.
[7] 石萍，喻年夜水.光电容积描记技能事理及其运用[J].生物医学工程学杂志，2013，30(4)：899-904.
[8] 吴灶全，刘梦星，秦丽平，等.基于ARM Cortex-M0+内核的穿着式医疗设备MCU选型剖析[J].中国医疗东西杂志，2015，39(3)：192-196.
[9] 赵国朕，宋金晶，葛燕，等.基于生理大数据的感情识别研究进展[J].打算机研究与发展，2016，53(1)：80-92.
