阅读说明：本技术 一种基于gsr峰值的眩晕度计算方法、装置和存储介质 (Vertigo degree calculation method and device based on GSR peak value and storage medium ) 是由 赵蕾蕾 杨铁牛 于 2019-09-18 设计创作，主要内容包括：本发明公开了一种基于GSR峰值的眩晕度计算方法、装置和存储介质,通过客户端获取GSR传感器发送的GSR信号,从GSR信号中获取GSR峰值,并在设定好的评估时间段内获取用户评分和GSR峰值发生率,计算出GSR峰值发生率和用户评分的相关性,GSR峰值发生率为客观的数值,与用户评分相结合后,相关性越高的用户评分的参考价值越高,相比起现有技术而言能够通过GSR峰值发生率对用户评分进行评价,有效提高了眩晕度参考值的参考价值。(The invention discloses a vertigo degree calculating method, a device and a storage medium based on a GSR peak value, wherein a GSR signal sent by a GSR sensor is obtained through a client, the GSR peak value is obtained from the GSR signal, a user score and a GSR peak value occurrence rate are obtained in a set evaluation time period, the correlation between the GSR peak value occurrence rate and the user score is calculated, the GSR peak value occurrence rate is an objective numerical value, and after the GSR peak value occurrence rate is combined with the user score, the higher the correlation, the higher the reference value of the user score is, compared with the prior art, the user score can be evaluated through the GSR peak value occurrence rate, and the reference value of the vertigo degree reference value is effectively improved.)

一种基于GSR峰值的眩晕度计算方法、装置和存储介质

技术领域

本发明涉及生物信号处理领域，特别是一种基于GSR峰值的眩晕度计算方法、装置和存储介质。

背景技术

乘坐汽车时，有些乘客会出现晕车的情况，因此需要对晕车的成因进行研究，而研究的前提在于如何将乘客的眩晕度进行量化计算，从抽象的感觉转换成直观的数字。现有技术大多依靠受试者口述评分，对不同情况的眩晕度进行量化，但是这种方法主观性较强，受试者在不舒适的情况下也未必能保证理性思考。GSR(Galvanic skin response)传感器常用于检测皮肤电信号，皮肤电信号能够在受试者感受不同时有不同的体现，因此需要一种方法能够提高出眩晕度的参考价值。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于GSR峰值的眩晕度计算方法、装置和存储介质，能够在采集到皮肤电信号后对眩晕度进行计算，得出量化结果。

本发明解决其问题所采用的技术方案是：第一方面，本发明提供了一种基于GSR峰值的眩晕度计算方法，包括以下步骤：

客户端获取GSR传感器发送的GSR信号，并对所述GSR信号进行预处理，获取GSR峰值；

所述客户端获取预先设定的评估时间段，获取所述评估时间段内的GSR峰值数和输入至所述客户端的用户评分；

所述客户端计算出所述评估时间段内的GSR峰值发生率，所述峰值发生率为单位时间内发生峰值的次数；

所述客户端计算所述GSR峰值发生率和用户评分的相关性，将所述相关性的值和用户评分设置为眩晕度参考值。

进一步，所述对所述GSR信号进行预处理具体包括以下步骤：

所述客户端对所述GSR信号进行滤波，获取相位数据；

所述客户端从所述相位数据中获取峰值开始位置和峰值结束位置；

所述客户端根据所述峰值开始位置和所述峰值结束位置从初始的GSR信号中选取对应的GSR曲线，将所述GSR曲线的最大值设置为GSR峰值。

进一步，所述客户端对所述GSR信号进行滤波具体包括以下步骤：

所述客户端对所述GSR信号进行采样，得出样本集；

所述客户端选取所述样本集中的任一样本作为样本中心，以固定的时间间隙计算周围样本的中值数；

所述客户端将所诉样本中心与所述中值数的差值设置为相位数据。

进一步，所述客户端根据所述峰值开始位置和所述峰值结束位置从初始的GSR信号中选取对应的GSR曲线后，还包括：根据最小-最大标准化方法对所述GSR曲线进行线性变换，并将结果映射到[0,1]区间。

进一步，所述客户端计算所述GSR峰值发生率和用户评分的相关性为皮尔逊相关性。

第二方面，本发明提供了一种用于执行基于GSR峰值的眩晕度计算方法的装置，包括CPU单元，所述CPU单元用于执行以下步骤：

客户端获取GSR传感器发送的GSR信号，并对所述GSR信号进行预处理，获取GSR峰值；

所述客户端获取预先设定的评估时间段，获取所述评估时间段内的GSR峰值数和输入至所述客户端的用户评分；

所述客户端计算出所述评估时间段内的GSR峰值发生率，所述峰值发生率为单位时间内发生峰值的次数；

所述客户端计算所述GSR峰值发生率和用户评分的相关性，将所述相关性的值和用户评分设置为眩晕度参考值。

进一步，所述CPU单元还用于执行以下步骤：

所述客户端对所述GSR信号进行滤波，获取相位数据；

所述客户端从所述相位数据中获取峰值开始位置和峰值结束位置；

所述客户端根据所述峰值开始位置和所述峰值结束位置从初始的GSR信号中选取对应的GSR曲线，将所述GSR曲线的最大值设置为GSR峰值。

进一步，所述CPU单元还用于执行以下步骤：

所述客户端对所述GSR信号进行采样，得出样本集；

所述客户端选取所述样本集中的任一样本作为样本中心，以固定的时间间隙计算周围样本的中值数；

所述客户端将所诉样本中心与所述中值数的差值设置为相位数据。

进一步，所述CPU单元还用于执行以下步骤：根据最小-最大标准化方法对所述GSR曲线进行线性变换，并将结果映射到[0,1]区间。

第三方面，本发明提供了一种用于执行基于GSR峰值的眩晕度计算方法的设备，包括至少一个控制处理器和用于与至少一个控制处理器通信连接的存储器；存储器存储有可被至少一个控制处理器执行的指令，指令被至少一个控制处理器执行，以使至少一个控制处理器能够执行如上所述的基于GSR峰值的眩晕度计算方法。

第四方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行如上所述的基于GSR峰值的眩晕度计算方法。

第五方面，本发明还提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使计算机执行如上所述的基于GSR峰值的眩晕度计算方法。

本发明实施例中提供的一个或多个技术方案，至少具有如下有益效果：本发明通过客户端获取GSR传感器发送的GSR信号，从GSR信号中获取GSR峰值，并在设定好的评估时间段内获取用户评分和GSR峰值发生率，计算出GSR峰值发生率和用户评分的相关性，GSR峰值发生率为客观的数值，与用户评分相结合后，相关性越高的用户评分的参考价值越高，相比起现有技术而言能够通过GSR峰值发生率对用户评分进行评价，有效提高了眩晕度参考值的参考价值。

附图说明

下面结合附图和实例对本发明作进一步说明。

图1是本发明第一实施例提供的一种基于GSR峰值的眩晕度计算方法的流程图；

图2是本发明第一实施例提供的一种基于GSR峰值的眩晕度计算方法中对GSR信号进行预处理的流程图；

图3是本发明第一实施例提供的一种基于GSR峰值的眩晕度计算方法中客户端对GSR信号进行滤波的流程图；

图4是本发明第二实施例提供的一种用于执行基于GSR峰值的眩晕度计算方法的装置示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。

参考图1，本发明的第一实施例提供了一种基于GSR峰值的眩晕度计算方法，包括以下步骤：

步骤S100，客户端获取GSR传感器发送的GSR信号，并对GSR信号进行预处理，获取GSR峰值；

步骤S200，客户端获取预先设定的评估时间段，获取评估时间段内的GSR峰值数和输入至客户端的用户评分；

步骤S300，客户端计算出评估时间段内的GSR峰值发生率，峰值发生率为单位时间内发生峰值的次数；

步骤S400，客户端计算GSR峰值发生率和用户评分的相关性，将相关性的值和用户评分设置为眩晕度参考值。

其中，需要说明的是，本实施例中的GSR传感器为现有技术中的任意型号，能够实现皮肤电信号采集即可，在此不再赘述。可以理解的是，评估时间段可以是预先设定的数值，也可以是获取GSR信号后通过用户输入获取的数值，本实施例优选预先设定，能够提高客户端处理数据的效率，也有利于统一计算标准。可以理解的是，评估时间段可以是任意的数值，例如总测试时长为10分钟，需要获取5组数据，则评估时间段设置为5分钟，具体时间根据实际测试需求调整即可。需要说明的是，用户评分可以通过任意方式获取，例如通过现有技术常见的麦克风等拾音设备对受试者进行采集后，通过语音识别技术判断，可以采用现有技术中的任意类型语音识别技术，能够获取用户评分即可，在此不再赘述。可以理解的是，本实施例优选用户评分为数字评分，例如1-5分，1分表示眩晕度最轻，5分表示眩晕度最重，数字识别并不需要涉及语义识别，能够提高语音识别的效率。需要说明的是，本实施例中的GSR峰值发生率为单位时间内发生GSR峰值的次数，GSR峰值为皮肤电信号较强的表现，即受试者情绪比较激动的瞬间，能够用于体现眩晕度较大的情况，因此单位时间内发生GSR峰值的次数能够体现受试者在评估时间段内的情绪波动。可以理解的是，GSR峰值发生率的计算为简单的单位时间内GSR峰值的数量占总数据的比例，例如单位时间内有10个相位数据，GSR峰值的数量为2，则GSR峰值发生率为20％。

参考图2，进一步，在本发明的另一个实施例中，对GSR信号进行预处理具体包括以下步骤：

步骤S110，客户端对GSR信号进行滤波，获取相位数据；

步骤S120，客户端从相位数据中获取峰值开始位置和峰值结束位置；

步骤S130，客户端根据峰值开始位置和峰值结束位置从初始的GSR信号中选取对应的GSR曲线，将GSR曲线的最大值设置为GSR峰值。

其中，需要说明的是，滤波可以采用任意方式的滤波，本实施例优选中值滤波，对GSR信号进行滤波，能够消除与刺激产生的唤醒或高振幅等与“峰值”无关的信号，使得GSR信号能够更加准确地表现眩晕度。需要说明的是，峰值开始位置和峰值结束位置能够以任意方式确定，本实施例优选根据时间长度，例如数据中对应的时隙大于0.01微秒点作为峰值开始位置，小于0微秒的点作为峰值结束位置。可以理解的是，由于相位数据仅能用于表达数据的变化程度，并非初始数据，因此获得峰值开始位置和峰值结束位置后，需要在原始的GSR信号中进行数据获取，本实施例优选以峰值开始位置和峰值结束位置对应的时间点从GSR信号中截取GSR曲线，在GSR曲线中获取出最大值，即为GSR峰值。

参考图3，进一步，在本发明的另一个实施例中，客户端对GSR信号进行滤波具体包括以下步骤：

步骤S111，客户端对GSR信号进行采样，得出样本集；

步骤S112，客户端选取样本集中的任一样本作为样本中心，以固定的时间间隙计算周围样本的中值数；

步骤S113，客户端将所诉样本中心与中值数的差值设置为相位数据。

其中，需要说明的是，采样可以采用现有方法中任意对数据进行采样的方法，在此不再赘述。需要说明的是，时间间隙可以是任意数值，本实施例优选为正负4秒，以样本中心为中心为时间轴的原点，选取正负4秒内所包括的其他样本作为周围样本，从而以获取的数据计算出中值数。

进一步，在本发明的另一个实施例中，客户端根据峰值开始位置和峰值结束位置从初始的GSR信号中选取对应的GSR曲线后，还包括：根据最小-最大标准化方法对GSR曲线进行线性变换，并将结果映射到[0,1]区间。

其中，需要说明的是，最小-最大标准化方法仅为本实施例的优选，该方法为现有的标准化方法中较为常见的手段，具有计算简单和标准化程度较好的特点，也可以采用其他标准化方法，在此不再赘述。可以理解的是，由于原有的GSR信号较为离散，直接用于计算较为复杂，因此本实施例对GSR信号的曲线进行低通滤波后，作平滑曲线处理，通过标准化后得出极值，更容易比较得出GSR峰值。需要说明的是，映射的区间可以是任意，选取[0,1]仅为本实施例的优选，能够使原始数据转换为无量纲的纯数值，使得数据更具有可比性。

进一步，在本发明的另一个实施例中，客户端计算GSR峰值发生率和用户评分的相关性为皮尔逊相关性。

其中，需要说明的是，相关性可以采用现有技术中常见的相关性计算方法，本实施例优选采用皮尔逊相关，能够更简单地计算出两个数据之间的相关性，计算出GSR峰值发生率与用户评分的相关性越高，代表用户评分的可信度越高，也可以采用其他相关性的计算方法，在此不再赘述。

参照图4，本发明的第二实施例还提供了一种用于执行基于GSR峰值的眩晕度计算方法的装置，该装置为智能设备，例如智能手机、计算机和平板电脑等，能够具备处理器并实现对应功能即可，本实施例以计算机为例加以说明。

在该用于执行基于GSR峰值的眩晕度计算方法的计算机4000中，包括CPU单元4100，CPU单元4100用于执行以下步骤：

客户端获取GSR传感器发送的GSR信号，并对GSR信号进行预处理，获取GSR峰值；

客户端获取预先设定的评估时间段，获取评估时间段内的GSR峰值数和输入至客户端的用户评分；

客户端计算出评估时间段内的GSR峰值发生率，峰值发生率为单位时间内发生峰值的次数；

客户端计算GSR峰值发生率和用户评分的相关性，将相关性的值和用户评分设置为眩晕度参考值。

进一步，本发明的另一个实施例中，CPU单元4100还用于执行以下步骤：

客户端对GSR信号进行滤波，获取相位数据；

客户端从相位数据中获取峰值开始位置和峰值结束位置；

客户端根据峰值开始位置和峰值结束位置从初始的GSR信号中选取对应的GSR曲线，将GSR曲线的最大值设置为GSR峰值。

进一步，本发明的另一个实施例中，CPU单元4100还用于执行以下步骤：

客户端对GSR信号进行采样，得出样本集；

客户端选取样本集中的任一样本作为样本中心，以固定的时间间隙计算周围样本的中值数；

客户端将所诉样本中心与中值数的差值设置为相位数据。

进一步，本发明的另一个实施例中，CPU单元4100还用于执行以下步骤：根据最小-最大标准化方法对GSR曲线进行线性变换，并将结果映射到[0,1]区间。

计算机4000和CPU单元4100之间可以通过总线或者其他方式连接，计算机4000中还包括存储器，所述存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的用于执行基于GSR峰值的眩晕度计算方法的设备对应的程序指令/模块。计算机4000通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而控制CPU单元4100执行用于执行基于GSR峰值的眩晕度计算方法的各种功能应用以及数据处理，即实现上述方法实施例的基于GSR峰值的眩晕度计算方法。

存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据CPU单元4100的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于CPU单元4100远程设置的存储器，这些远程存储器可以通过网络连接至该计算机4000。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器中，当被所述CPU单元4100执行时，执行上述方法实施例中的基于GSR峰值的眩晕度计算方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被CPU单元4100执行，实现上述所述的基于GSR峰值的眩晕度计算方法。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的装置可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络装置上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

需要说明的是，由于本实施例中的用于执行基于GSR峰值的眩晕度计算方法的装置与上述的基于GSR峰值的眩晕度计算方法基于相同的发明构思，因此，方法实施例中的相应内容同样适用于本装置实施例，此处不再详述。

通过以上的实施方式的描述，本领域技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现。本领域技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(ReadOnly Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。

以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。