新書推薦：
《
巴比伦怪物：魏玛共和国犯罪鉴证实录（“火与风”丛书）
》
售價：NT$
458.0
《
启功谈国画（启功著，中华书局出版）
》
售價：NT$
291.0
《
中国书法的历程
》
售價：NT$
406.0
《
汉语修辞学（第四版）（中华当代学术著作辑要）
》
售價：NT$
718.0
《
中国近代画报大系·中国近代画报史稿
》
售價：NT$
822.0
《
思想地震：柄谷行人演讲集1995-2015（艺文志·日本思想）
》
售價：NT$
302.0
《
大国人口
》
售價：NT$
411.0
《
何以中国·君臣：宋代士大夫政治下的权力场
》
售價：NT$
510.0
|
| 編輯推薦： |
本书所提出的基于设计科学模式的职业人群虚拟心理自助服务平台设计理论与实证研究，有着重要的理论和实践意义。
近年来，随着竞争的升级和对更高质量生活的不断追求，我国职业人群中焦虑和抑郁的症状近年来较为严重有调查称超过半数的职业人群处于不同程度的心理亚健康状态。
但由于相关服务价格较为昂贵和心理咨询专家资源的稀缺，我国目前尚缺乏有效的大面积心理援助的有效策略。
受启发于心理诊疗网站在发达国家近年来的推广经验和不足，基于设计科学的研究模式，本书探索如何通过心理自助服务平台缓解职业人群的压力和焦虑等负面情绪,
促进他们心理健康和职业发展，并以良好的心态和饱满的热情投入到工作岗位上。
|
| 內容簡介： |
随着物联网、移动互联、可穿戴技术和人工智能技术等不断渗入人们的生活和服务中，这些前沿的信息通信技术不断融合并刷新人们对已有服务模式的理念。随着社会需求的不断更新，移动终端上的心理自测和自助软件正在变得更多和更好，以迎合普通大众对于实时心理的自我了解、评估和调整的目的。但是，国内信息系统领域的相关心理自助系统服务和设计的书籍尚待普及。本书旨在通过通俗易懂的语言，从信息系统领域人机交互的视角，讲解针对职业人群的心理自助和他助方法。
本书针对高压职业人群，特别是救援人员的心理特征展开论述。 书中提供的干预手段和技术等内容不但能增进组织机构的决策管理者对本单位职工的心理支持方法的了解，而且能提示和促进组织机构为员工提供相关辅助资源。 书中讨论的基于信息系统人机交互领域的理论和方法，对相关交叉领域的研究人员的进一步探索也有着抛砖引玉的启发作用。 从个人的角度来讲，这本书中提出的相关技术和方法对救援人员心理自助和来自同事和亲朋好友的他助也有很重要的参考和引导作用。
|
| 目錄：
|
第1章救援人员心理状况分析
1.1当今社会职业人群心理状况分析
1.2救援人员心理状况分析
1.3常见心理疏导方式和效果分析
第2章救援人员心理救助系统的设计
2.1常见心理救助方法分析
2.2针对救援人员心理特征的心理自助系统核心理论研究
2.3基于多元人机交互模式的心理自助系统的初步规划
第3章救援人员的远程心理监测
3.1心率变异性在生理及心理学上的应用
3.1.1心率变异性的生理学含义
3.1.2HRV在情绪心理学中的应用
3.2心率变异性的概念及分析方法
3.2.1心率变异性的时域分析法
3.2.2心率变异性的频域分析法
3.2.3HRV时域与频域分析的关系
3.3体域网的概念及发展
3.3.1体域网的体系结构
3.3.2心率传感器技术
3.4基于GIS平台的救援人员心理监测系统的设计与实现
3.4.1设计原则
3.4.2设计目标
3.4.3系统总体结构设计
3.4.4系统网络架构设计
3.4.5救援指挥所需要素
3.4.6数据库设计
3.4.7系统功能设计
3.4.8心率变异性分析算法的实现
第4章用户情绪反馈的加入
4.1情绪反馈的研究
4.2情绪反馈的实现
4.2.1实现情绪反馈的传感器举例
Kinect相关技术介绍
4.2.2VA虚拟形象的设计
4.3关于用户情绪实时捕捉和反馈的思考
第5章救援人员心理自助系统举例
5.1心理自助系统相关技术
5.1.1人机交互技术的发展简介
5.1.2虚拟咨询服务研究现状
5.1.3本系统关键技术介绍
5.2心理自助系统的搭建过程
5.2.1系统总体设计描述
5.2.2系统模块图
5.3系统实现步骤
5.4功能模块的设计与实现
5.4.1系统登录模块
5.4.2系统注册模块
5.4.3心理知识模块
5.4.4心理测试模块
5.4.5心理咨询模块
5.5基于移动终端的心理自助系统HCI设计初探
第6章心理自助系统的其他几点思考
参考文献
|
| 內容試閱：
|
第3章救援人员的远程心理监测
3.1心率变异性在生理及心理学上的应用心率变异性Heart RateVariability，HRV指的是瞬时心率或瞬时心动随时间发生的周期性的、不断波动的微小变化。由于HRV产生于临床需求的背景下，其相关文献主要探究与临床心血管疾病以及自主神经活动等相关的疾病。此外，心理活动以大脑为物质基础。情绪研究等心理活动的生理机制和自主神经活动有着密切关系。因此，在情绪生理心理学研究中，心率变异性具有较强的应用价值。3.1.1心率变异性的生理学含义虽然HRV谱中，LF和HF成分的生理意义已初步确定。二者也被视为观察心迷走神经、交感神经的传出活动及其均衡性的定量指标。随着研究的不断深入，以往较为简化和模糊的概念及解释日益显露。首先，LF和HF对于心脏自主神经传出活动的某种特性有所反映。例如Malk和Camm认为M Malik et al.，1996a; M Malik et al.，1993，HRV谱LF、HF反映的并非是紧张度水平，而仅仅是心脏自主神经对于心率的调制程度或调制活动。具体来说，HRV谱成分反映的并非是神经冲动的平均水平，而仅仅是由心脏自主神经向窦房结的神经冲动传动的波动变化。一些其他研究者将此种现象与海水进行比喻，他们认为神经冲动的绝对水平可以看作海水的深度，而其波动变化则可看作水面的涟漪。RR间期波动所反映的即是后者D L Eckberg,1997。此观点也被后续的研究所支持S Akselrod,1995; J J Goldberger et al.,1994。因而在压力反射性心迷走活动逐渐增强，发放频率接近饱和值时，HRV的HF功率反而降低的现象也可以由此很好地解释。但另一方面，心脏自主神经传出活动的波动变化和其绝对水平变化之间的相互关系有待进一步研究及阐述。呼吸活动通过心迷走神经纤维传导的调制作用所引起的心率波动变化即呼吸性心律不齐可以通过HRV的HF成分反映出来M Malik et al.,1996a; S Akselrod,1995; R Hainsworth,1995。呼吸活动对心率的调制作用可以从中枢机制与机械性影响两个途径产生。HRV的HF成分的峰高与心迷走传出活动对心率的调制程度有着显著的相关性。可以为其带来有效证明的是Atropine阻滞时HRV的HF呈剂量依赖性降低并直到消失。但与引起中枢性迷走亢进作用有关，小剂量的Atropine也可使HF增强。因而可以通过该方法对一些药物的拟迷走或解除迷走影响的副作用进行评价。此外，研究表明，HF对于呼吸的频率和深度具有极强的敏感性S Akselrod,1995。较深且缓慢呼吸时虽然不会改变平均RR间期，但却使得HRV的HF显著增大。这一现象可能是由于呼吸频率过高，造成窦房结处Ach的动力学过程难以完成。在一定的呼吸频率下，血压的中度变动可能使得RR间期随着舒张压产生线性变化。但这一过程不会引起HRV的HF的明显变化D L Eckberg,1997。因此，HRV实验常采用固定呼吸频率的方式进行。例如，在进行自发性呼吸实验时，需要考虑对呼吸频率的监测分析M Malik et al.,1996a。然而，在自然状态下，心脏的自主神经调节可能也会受到自身呼吸控制的额外干扰A Malliani et al.,1998。综上所述，作为测量心迷走神经活动的指标，对于HRV的HF与呼吸两者之间关系的解释需要慎重。
HRV的LF成分常被称为中频成分Middle Frequency，MF。在采用AR算法时，多数文献将0.1Hz附近的波动定定义为LFM Malik et al.,1996a。一般来讲，HRV的LF的产生过程是由血压0.1Hz节律（也称Mayer波）引起的，具体表现为通过压力反射的反馈调节，经心脏迷走以及交感传出纤维传导的神经冲动作用于窦房结共同对其自律性活动进行调制，故此过程也被称为Mayer波关联的心律不齐MayerWaveRelated Sinus Arrhythmia，MWSA。这一过程也得到了很多现象的直接或间接性证明：①LF的频率与压力反射回路的时间常数一致; ②当主动脉内气囊根据压力反射频率进行血管的周期性扩张时，HRV LF的功率谱随之增大; ③在恢复移植心脏的交感神经的支配后，HRV出现了非呼吸性的LF; ④在人们由仰卧位转为站立位时，LF会随之增大。但是就现有研究来看，在HRV LF的发生过程中，心迷走与心交感活动的贡献大小尚不分明且无法区分，这可能是由于LF反映的波动变化主要来自于心迷走所传导的神经冲动D L Eckberg，1997; SAkselrod，1995。在目前，虽然作为监测心交感神经活动的重要方式，但心肌去甲肾上腺素NE溢出率spillover与HRV LF间的显著关系迄今尚未能得到证实B A Kingwell et al., 1994。PaganiM Pagani et al.，1997等人指出，HRV谱的LFnorm与肌肉交感神经发放活动Muscle Sympathetic Nerve Activity，MSNA的变异性的关系紧密。此外，在数理统计中，RR间期、SBP、呼吸、MSNA波动之间的相关性也是较为显著的。基于一定的先验知识，我们可以引入一定的干预操作，从而确切了解HF的变化，并评估LF变化是否反映了心交感活动水平变化。需要注意的是，上述方法的采用需要慎重D L Eckberg，1997。因此，在这种困惑下，Malliani小组、Pagani等人D L Eckberg，1997; AMalliani et al.，1998将LFHF比值作为评价心交感迷走均衡性或者心交感活动Sympathovagal Balance的定量指标，现已被广泛采用。近年来，这一经验指标受到了一些质疑D L Eckberg，1997。首先，在共同调制窦房结的过程中，心迷走与心交感并没有采用类似屈肌、伸肌此抑彼扬的活动方式。在安静状态下，心迷走对心率的微调机制决定心率的调节及HRV的TP，在这一过程中，心交感的作用尚不清楚。在生理扰动下，两者也可产生一致性平行变化，例如面部浸水时心搏徐缓和MSNA的同时增强，或者迷走和交感活动在CO2化学感受器刺激减少情况下的同时减低。因此，均衡性的概念本身过于简化。而且，该指标与具体生理机理不相符。例如，由于心迷走影响的逐步撤除，会导致HRVHF的相应减小，从而引起心交感迷走均衡性，在头高位倾斜时，随倾斜角度线性增大，在这一过程中并未引起交互式的HRV LF升高。与之相同的是，在由安静转为轻度运动状态时，也并无同步的心交感激活D L Eckberg，1997。此外，LFHF的计算失去了明确意义，这是因为HRV HF、LF功率成分与心迷走、心交感活动水平影响因素复杂，其关系并不是简单的线性。最后，心交感迷走均衡性指标的适用性有限，例如在心衰、高血压、睡眠的研究中即存在不适性。总体来说，需要尽量在符合先验知识前提下，透彻理解HF、LF变化及其意义，弥补LFHF在生理学中依据不足的问题，只是将其作为一个经验性指标慎重采用。为此，Goldberger提出迷走交感效应VagalSympathetic Effect，VSE或RR间期作为交感迷走均衡性的指标。在其提出的VSE=RRRR0式中，在完全阻断心脏自主神经作用的情况下，RR0（固有RR间期）可通过测量获取。
以往研究表明，HRV的LF和HF升高所需的条件不同。例如，健康人群在倾斜90、直立、心理应激以及适度运动等时，清醒状态下的动物在中度高血压、躯体运动、冠状动脉或颈动脉闭塞时，其HRV LF均会升高A Malliani et al.，1991; ORimoldi et al.，1990。而控制呼吸及面部冷刺激以及旋转刺激等方式，会使得HRVHF升高A Malliani et al.，1991; M V Kamath et al.,1992。
在现有研究中，虽然有关HRV LF和HF生理意义的研究结果尚未达成统一，但迷走活性对HRVHF的贡献逐渐被视为主要部分。此外，学者对于LF成分也有着较大的争议。一些学者将规范化得出的LF作为交感调制的定量标志，也有研究认为LF可以同时反映交感活性以及迷走活性。因此，一些学者赞同通过LFHF比率反映交感迷走均衡性或交感调制程度M Malik et al.,1996a。
3.1.2HRV在情绪心理学中的应用HRV在临床疾病研究中的重要地位在前文已经进行阐述，其在生理心理学研究中的应用价值也逐渐凸显。由于临床疾病大多会引发自主神经系统功能障碍，进而使人们的自主神经系统功能与常人有所差异和改变。因而在现有的生理心理学研究中，HRV的应用常与临床疾病所伴随的焦虑、恐怖等心理活动有关。但目前正常人群进行HRV与情绪活动等方面的研究仍然较少。
植物神经系统活动与情绪外周神经机制关系密切相关。以往研究表明，对于不同的个体，其植物神经系统活动的平衡性也会有显著差异。交感神经和副交感的神经活动，在不同的水平下，也可以表现出不同的情绪活动特性。一方面，交感神经占优势者SNS容易表现情绪紧张、遇事不镇静、操作性疲劳的状态。然而，副交感神经活动占优势者PNS却表现出自控能力强，有耐心等特点，遇事往往不易激动。因此，评价情绪活动的重要指标之一即为交感副交感神经活动的绝对水平和平衡状态。
HRV指标能够反映心脏交感神经与迷走神经活性，以及两者之间的平衡协调关系。当迷走神经活性增强如电刺激迷走神经且交感神经活性降低时，HRV会增大; 反之，在迷走神经活性降低如切断神经且交感神经活性增强如刺激神经时，HRV则减小。
3.2心率变异性的概念及分析方法HRV是反映心脏交感神经与迷走神经活性及其平衡协调关系的指标，其不论是在临床还是在生理情绪、体力活动疲劳程度等方面都有广泛的应用，它是衡量健康的一个重要参数I Antelmi et al,2004； M Warnanggal et al,2011，高HRV意味着少病、长寿及高认知能力； 相反，低HRV则预示着心肌梗死、心脏性猝死及全因性死亡的概率增高R M Carney et al,2001； R AblonskytDūdonien et al,2012。同时、HRV是衡量自主神经系统平衡态的重要指标。Ada H. Zohar等人也通过对一组人性格特征与HRV中Ln LFHF的相关度进行实验，发现两者高度相关，相关度为r=-0.224A H Zohar et al,2013。目前，主要采用的HRV分析方法是时域分析法和频域分析法。3.2.1心率变异性的时域分析法在各类方法中，时域法Time Domain Analysis Methods由于其在临床应用中的重要价值，成为了最早使用且至今仍被广泛使用的方法。该方法主要针对长时程24小时HRV信号进行分析。可通过某段时间窦性心律的RR间期NormaltoNormalNNIntervals或瞬时心率数据计算求得。
与心率变异性的时域分析法相关的统计学指标及其定义主要包含以下几个方面： ①SDNN：全部正常窦性心搏NN间期的标准差，是对HRV的整体估计，其单位为ms。②SDANN：将全程以5分钟为一个测量单位进行划分并计算其NN间期平均值，再计算所有平均值的标准差，其单位为ms。③RMSSD： 全程相邻NN间期之差的均方根值，是HRV短时程成分的估计值，其单位为ms。④SDNNIndex： 将全程以5分钟为一个测量单位进行划分并计算其NN间期标准差，再计算标准差的平均值，其单位为ms。⑤SDSD： 全部相邻NN间期之差的标准差，其单位为ms。⑥NN50： 全部的相邻NN间期之差大于50ms的心搏数，其单位为个。⑦PNN50： 即NN50NN*100，其单位为%。
常用的时域统计参数如表3.1所示。
表3.1常用的HRV时域统计参数
参 数 名 称参 数 定 义参 数 意 义
均值MEANMEAN=RR=Ni=1RRiN反映RR间期的平均水平续表
参 数 名 称参 数 定 义参 数 意 义
总体标准差SDNNSDNN=1NNi=1RRi-RR2评估24小时长程HRV的总体变化均值标准差SDANNSDANN=Ni=1RRi-RR2N反映HRV中的慢变化成分
标准差均值SDNNiSDNN indexi=288i=1SDNNi288反映短程5min心率的平均变异程度差值均方的平方根rMSSDr-MSSD=1N-1n-1i=1RRi 1-RRi2反映HRV中的快变化成分相邻间期差值50ms
的百分比PNN50PNN50=NN50TotalNN100%反映RR间期的突然变化，能敏感反映迷走神经的活动
注： RRi为第i个5minRR间期的均值，RR5min为288个RRi的均值。
3.2.2心率变异性的频域分析法频域法Frequency Domain Analysis Methods是将心搏间期变化进行频谱分析，通过频域法将复杂的心率波动信号分解成不同频率与幅度的周期波动成分，从而求出隐藏在时间序列内的特殊节律，以便于进一步阐明其生理意义与发生机理陈明杰,2002。计算功率谱密度Power Spectral Density，PSD常用的方法有周期图法、BT法自相关法及自回归模型法AutoRegressive model，AR。周期图法可直接使用快速傅里叶变换法Fast Fourier Transform，FFT进行计算，具有算法简单，计算快速的优点，但谱估计方差大，分辨率低，目测效果不好。BT法主要是通过对HRV信号自相关加延迟窗后再进行FFT计算从而得到较平滑的谱密度，虽然弥补了周期图法的一些弱点，但仍存在分辨率较低的问题。周期图法与BT均属经典谱估计方法，AR模型法属于现代谱估计方法，可用于短程数据的谱分析，有较高的谱分辨率及平滑的谱估计曲线，目测效果好，但如何确定模型的阶数则是决定谱估计质量的关键陈明杰,2002。
频谱成分和频段常进行如下划分： ①总功率Total Power，TP： 频段0.4Hz。②超低频功率Ultra Low Frequency，ULF： 频段0.003Hz。③极低频功率Very Low Frequency，VLF： 0.003Hz频段0.04Hz。④低频功率Low Frequency，LF： 0.04Hz频段0.15Hz。⑤高频功率High Frequency，HF： 0.15频段0.4Hz。对于PSD单位的选取方式，常包括通过ms2Hz反映RR间期变异、通过beat2Hz反映瞬间心率变化两种方式。其中，一般推荐采用敏感性较高的前者。
值得注意的是，总功率会直接影响LF及HF等各频段的数值产生过程。例如进行短时程分析时，不同状态下会表现出不同的总功率和LF、HF值，若以绝对值进行比较则会产生错误的结论。在此种情形下应在分别进行标准化后再进行比较。
此外，归一化低频功率LFnorm和归一化高频功率HFnorm作为HRV频谱分析中的两个相关指标，其计算公式为如式（3.1）所示，单位为nU。即
LHfnorm=LF或HF总功率TP-VLF100%3.1
针对2~5min短时程的分析常采用7个频域指标，分别包括TP、VLF、LF、LFnorm、HF、HFnorm、LFHF5分钟中VLF包括了ULF的频段M Malik et al.，1996b。而针对24小时长时程的分析常采用5个频域指标，分别包括TP、ULF、VLF、LF、HF。其中，ULF与SDANN相类似，具有一定的研究价值。而HFLFnorm及LFHF等指标则在长时程分析的情境下不宜使用。常用的功率谱参数如表3.2所示：
表3.2常用的HRV功谱参数庹焱等,2001
频 域 指 标频率范围Hz意义
总功率TP0.4HRV总的变异性情况高频功率HF0.15~0.4反映迷走神经调节功能，与呼吸性心率不齐有关低频功率LF0.04~0.15与压力感受器指向系统的活动有关，反映交感神经和迷走神经的复合调节功能，某些情况下可反映交感神经系统的张力
续表
频 域 指 标频率范围Hz意义
极低频功率VHF0.0033~0.04与外周血管舒张及肾素血管紧张素系统活动有关超低频功率UHF0.0033可反映人的昼夜周期节律和神经内分泌节律的影响LFHF反映交感神经和迷走神经的均衡性
TP可以对HRV的总体变异性情况进行反映。HF主要由迷走神经兴奋引发，迷走神经兴奋性的响应时间较交感神经兴奋性时间短，从而对HF的调节较为快速。而LF则与压力感受器血压波动、温度控制、外周血管舒缩兴奋性及血管紧张素等有关。因此，二者共同反映出交感迷走神经的平衡性。此外，VLF则表现出与外周血管舒缩、肾素血管紧张素系统活动的强烈相关性。ULF可反映人的昼夜周期节律和神经内分泌节律的影响庹焱等,2001； strand and PerOlof,2003； 张复生等,2000。
3.2.3HRV时域与频域分析的关系
业界通常采用频域分析的方法对较为平稳的短时程HRV信号进行分析，很少使用时域分析。与数学和生理学的理论解释相一致，对于长时程HRV信号则可采用时域变量或频域变量的方法进行分析。因此，如果是对长时程的HRV信号进行分析，只需采用时域分析，再结合计算loglog斜率等一些特殊的处理方法，就可以得出非常有效的结果。本文中因对HRV的分析主要是短时程的，所以采用频域分析和时域分析相结合的方法，对于采集时长超过24小时的进行时域分析。3.3体域网的概念及发展体域网是基于物联网技术的，其主要的技术就是无线传感器网络。物联网一词是由麻省理工学院自动识别实验室在1999年提出的。但其实早在1995年，比尔盖茨就在其所著的《未来之路》中，提出了物联网的概念，只是当时无线网络、硬件和传感装置发展相对落后，所以限制了物联网的发展。物联网一词被提出后，在国际上普遍认为，物联网是指通过应用信息传感设备，如射频识别RFID技术、激光扫描器、红外感应器及全球定位系统等，依照约定的协议，将物品与互联网进行连接，实现信息交换和通信，并且具有智能化识别、定位、跟踪、监控和管理等功能的一种网络。之后，在2005年11月17日突尼斯举行的信息社会世界峰会WSIS上，国际电信联盟ITU发布了《ITU互联网报告2005： 物联网》，在报告中延伸了物联网的定义，正式称物联网为Internet of things，并指出其在未来可成为无所不在的网络Ubiquitous Networks和计算Ubiquitous Computing，实现任何时刻、地点、物体之间的互联Anytime、Anyplace、Anythings Connection。物联网的定义和范围从此已经发生了根本变化，覆盖范围有了较大的拓展，不再只是指基于RFID技术的物联网刘云浩,2010。近几年，可穿戴硬件、嵌入式软件、数字信号处理和生物医学等技术随着先进的信息技术和无线通信技术发展迅猛。电子器件的小型化及在物联网环境下体域网技术的逐渐成熟，这些都使得越来越多的可穿戴式微型计算机出现在了人们的视野中，如PDA、穿戴式手机、穿戴式微型电脑等。体域网被广泛应用于： 医疗保健、人体体表器件之间的无线信息传输与识别、残障认识辅助系统和智能运输系统、个人多媒体娱乐、军事及太空等领域。3.3.1体域网的体系结构体域网Body Area Network，BAN通过采用一套执行一些特定功能的设备进行通信，或者通过一个中央控制装置来统一控制通信。体域网主要由一个移动基站单元Mobile Base Unit，MBU和一组前端传感器设备组成，前端传感器设备主要是穿戴的生理参数传感器或植入人体内的生物传感器。MBU可以被认为是一个与外部网络进行通信的通信网关，同时也协调处理体域网内本地设备之间的通信和计算。它也可以运行本地应用程序如本地查看器应用程序，或更复杂的应用； 传感器与MBU相连，采集数据之后传给MBU进行计算处理，并进行远程的传输V Jones et al,2006，其结构图如图3.1所示。
图3.1体域网结构图
体域网可以进行内部设备之间的通信，也可以与外部网络进行通信。内部网络通信可以选择多种方式，如有线、无线。有线可以选择铜导线、光纤； 无线可以选择红外线、微波、无线电，甚至皮肤电导。在短距离无线通信中，两个重要的通信标准分别是蓝牙和ZigBee通信协议。与外部网络的通信方式选择性很多，主要是基于移动性和方便性，其主要选择是基于无线通信技术的，包括蓝牙、WLAN、移动通信网络，如图3.2所示。
图3.2体域网的典型应用E Jovanov et al,2003
Valerie Gay等学者最终对移动生理指标监测系统所使用的模型进行了总结和概括V Jones et al,2010，系统主要由多个体域网和一个后端组成。体域网与后端的通信主要通过无线网络完成，而体域网的内部通信则可通过有线和无线方式完成，其具有统一的结构框架图，如图3.3所示。
图3.3移动生理指标监测系统统一结构模型V Jones et al,2010
其中，体域网主要由一个移动基站单元Mobile Base Unit，MBU和一组前端传感器设备组成，移动基站单元是一个运行着应用程序的手持设备，其作为处理平台、通信网关而存在，而体域网的数据则可能在本地处理，也可能在远程的计算机上进行处理，如果是在远程计算机上处理则要求移动基站单元将数据传输到远程的计算机。在后端，通过体域网的功能来进行区分管理，通过特定的应用程序进行分析，以实现特定的功能，并通过各种接口来为医疗服务提供者提供信息V Jones et al,2010。在实际的应用中，荷兰屯特大学的MobiHealth系统V Jones et al,2008通过手持设备来接收患者身上的传感器输出，手持设备可以作为一个本地处理中心，其运行一些健康分析的本地应用，也作为一个通信网关将传感器数据传输到远程健康监控中心。系统结构如图3.4所示。
图3.4基于体域网的移动监护系统V Jones et al,2008
3.3.2心率传感器技术传感器是体域网技术的重要组成部分，是一种检测装置，通过将感受到的信息按一定的规律轮换成电信号或其他所需形式的信息进行输出，以便于信息的传输、处理、存储、显示、记录和控制，是人体五官的工程模拟物贾伯年,2007。心率传感器是嵌入式微处理器与传感器所结合而产生的一种智能传感器。共包含心动电流测量法和光电透射测量法两种方式。（1） 心动电流测量的心率传感器：我们人体每次心跳都会产生心动电流，测电传感器正是根据这一现象通过电极来测定心动电流的波动情况，获得心电信号后，再通过放大电路的扩放、滤波后，将仪器获得的模拟信号转换成人们能够读取的数字信号，以便于对心率消耗的进一步传输、处理和存储等操作唐笑年等，2005。这种方式采用的传感器是目前应用比较广泛，同时在心率测量方面相对准确的，就其原理而言，与心电图的测量原理相似。另外，该方法还有一个优点是能够测量运动中的持续心率，如心率带等。（2） 光电透射测量的心率传感器：人的心脏跳动时，人体血液中含氧量会发生变化，从而产生色差变换，当光穿透人体末梢时，光的透过率会相应地产生与心跳同频改变。光电透射测量的心率传感器的原理就是通过采用高亮度LED作为光发射装置，采膈光敏电阻作为光接收装置，接收穿透人体末梢的透射光，以拾取脉搏信号，并对该信号进行采样、检测及数据处理，以实现心率的测量董祥美等，2007。这种传感器的优点是非常简便无需胸带，但是由于信号极为微弱而非常容易受到外界干扰而造成测量数据不准确，而且一般需要安静的状态下测量，不适合运动中持续测量心率。如三星Galaxy S5中的心率检测传感器就是采用了这种原理，还有在Android和iOS平台上开发的检测心率的应用，通过手机的闪光灯的照射配合摄像头来收集获取用户的心率状况。3.4基于GIS平台的救援人员心理监测系统的设计与实现系统的设计原则和设计目标是系统实现的前提，系统的总体结构和网络架构是系统实现的基础。本章通过对系统的设计原则和设计目标进行分析、明确之后，对系统的总体结构、网络架构和数据库进行设计，在这些基础上实现系统功能，确保系统功能实现的可行性和有用性。3.4.1设计原则本系统以救援指挥为主线，结合身体状态监测传感器技术、百度GIS地图平台的空间服务和 GPS 定位服务，能够为救援指挥人员提供地图查询、救援人员部署情况查询、救援小组及人员状态查询、救援人员体能状态报警、救援装备及周边设施查询、救援调度命令发布、救援情况汇总、指挥信息实时标绘等功能。在进行救援指挥时，救援指挥人员能够使用该系统高效地进行救援决策。基于耗竭监测的救援人员综合援助系统的设计既要考虑救援人员状态数据的传输、GIS 平台和移动设备的特点，又要考虑救援指挥系统的业务需求，总体设计的基本原则有王悦,2010； 刘伟,2012：1 实用性。救援工作本身的性质特点要求救援人员综合援助能够切实为救援指挥人员提供实用可靠的数据信息，能够辅助救援指挥人员进行快速科学的决策指挥。
2 实效性。救援指挥的宗旨是时间就是生命。所以，本系统时间响应的设计一定要具备及时性，能够及时获得救援现场的信息及救援人员的部署情况、状态及所需支援的情况，并及时针对具体情况进行部署调整。3 可靠性。系统运行必须满足救援指挥现场对稳定可靠和抗干扰能力的硬性要求，避免出现不正常运行或中断而造成的系统崩溃情况; 另一方面，系统的可靠性还要求系统的运行结果和分析报告科学合理，便于应用。4 直观性。因心率数据及GIS平台的专业性较强，要系统对接收数据进行直观性的显示，让专业性的数据变得简单易懂，便于救援指挥员能够快速地读懂数据，并及时做出指挥。5 易操作性。为方便救援指挥人员快速操作，系统界面的设计要达到简捷、友好的要求，通过结合多种交互方式，降低学习成本。Julie Donyle等学者设计的CoMPASS移动 GIS 系统，可以实现多方式的交互支持，且拥有易操作性的特点，值得学习与借鉴。利用这一优势，专业用户和普通用户都可以轻易地上手，并且高效地操作GIS系统J Doyle et al.，2008。6 可扩展性。系统设计要表现出开放的特点，各个部分的功能可以支持不断的更新和完善，或者说各模块耦合度较低，这需要预留多个接口，方便以后不断扩展那些特殊的、目前尚未实现或不完善的功能，为提升系统更新能力做好充足准备。如添加除心率以外的其他身体状态参数对救援人员的状态进行监控等。7 完整性。系统能够在实际的应用中，满足多元的功能需求。系统的实现不仅需要突出 GIS的特点，还要有机地结合各个模块，相互协调、相互促进，尽量避免在系统设计时，原理与方法的简单堆砌。
3.4.2设计目标基于耗竭监测的救援人员综合援助系统是在移动生理指标监测技术和GIS技术的支持下，结合专业知识，针对救援工作的实际需要而进行研究的，通过移动生理指标监测和GIS 技术的运用，以救援指挥员的实际需求为对象，通过较为直观的方式显示救援人员的部署及耗竭状态，为救援指挥员的指挥决策提供必要的辅助数据，以提高紧急救援效率，最大化地利用救援人力，同时也能够很好地保护救援人员。系统可以实现高效地提供救援指挥所需的信息。系统通过实时收集救援小组的信息及反馈，向救援指挥中心实时提供一线救援人员的部署及生理状态信息、灾害信息、GIS服务，辅助救援指挥人员进行快速正确的指挥决策。当救援人员开始实施搜救以后，系统可以动态跟踪人员信息，监控任务执行进度、实时监测救援人员状态信息，同时可以实时地进行信息发布，为救援人员提供安全保障，以保证救援指挥的实时高效及救援力量的有效利用和救援实力的保存。3.4.3系统总体结构设计依据物联网的分层结构，系统主要由4层组成，即感知识别层、网络构建层、管理服务层、综合应用层刘云浩,2010，其系统总体结构图如图3.5所示。
图3.5系统架构图
1. 感知识别层感知识别层位于物联网四层模型的最底端，是所有上层结构的基础。感知识别层包含大量的信息生成设备，包括采用自动生成方式的RFID、传感器、定位系统，以及采用人工生成方式的各种智能设备。这些设备对于数据的采集和短距离数据传输有着重要作用，并且构成物联网的触手。而本系统中主要以心率传感器、GPS定位设备、便携式智能手持设备作为最底层，为上层提供数据共享。2. 网络构建层
在物联网四层模型中，网络构建层在感知识别层和管理服务层间起到强大的纽带作用。可以帮助高效、稳定、及时、安全地传输上下层的数据。网络构建层的建立基于现有网络的资源，将感知层获取的信息通过各种接入设备连接到传输设备，进行无障碍、高安全、高可靠的传输。它与目前主流的移动通信网、国际互联网、各种专网等网络一样，主要负责实现数据传输的功能。
3. 管理服务层管理服务层位于感知识别和网络构建层之上，综合应用层之下，是物联网智慧的源泉，主要解决数据如何存储、如何检索、如何使用、如何不被滥用等问题。主要是用于地图服务器的空间数据库和属性数据库及面向救援指挥业务的本地数据库，主要向上层提供数据库支持。4. 综合应用层
综合应用层主要负责处理和分析感知到和传输来的信息，并做出正确的控制和决策，以达到智能化的管理、应用和服务王援等，2011，起到系统操作接口的作用，负责将来自于下层的各种数据和服务，具体分配到各自对应的实际应用中，主要针对应用程序层和终端设备层。其中，应用程序层除了包括数据处理的任务，还涉及在智能交通、智能医疗、智能家居、智能物流、智能电力等领域间实现跨行业、跨应用、跨系统的信息协同、共享与互通功能。设备终端层主要对来自于网络层的数据进行相应的信息处理，并利用相关设备实现人机交互周强，2013。在系统中主要是对救援人员心率数据、GPS数据、及对救援人员所上报汇总的数据进行处理，并在地图平台上进行可视化的显示、预警，方便救援指挥员对信息及时了解并做出决策。3.4.4系统网络架构设计基于耗竭监测的救援人员综合援助系统主要由服务器、指挥终端、显示系统及救援前端智能设备组成，各部分相互连接，互相提供高效的服务，构成一个有机整体，其网络架构如图3.6所示。
图3.6系统网络架构图
救援前端智能设备由救援人员随身携带，自身集成GPS定位设备等传感器，同时采用短距离通信协议与救援人员随身所携带的生理监测传感器相连，构成体域网BAN，并通过无线移动网络与服务器相连，将救援人员的位置信息、身体生理信息通过无线移动网络实时地传输给服务器，救援人员亦可以通过前端智能设备接收指挥中心所发布的信息，并向指挥中心提供救援现场的实时信息反馈等。服务器主要用于接收、存储救援小组及人员的地理位置、生理信息等数据，并提供GIS服务、信息检索、数据处理等服务。指挥终端可以通过以太网、无线网等多种网络连接方式与服务器相连，并将服务器所提供的服务进行可视化显示，实时收集救援人员汇报的现场信息，为指挥中心的决策指挥提供足够的救援现场信息，同时也可向救援人员发布灾害及调度信息，以实现救援指挥中心指挥的高效化、实时化。显示系统主要用于救援指挥终端信息的显示，其与救援指挥终端相连，能够让信息以更为直观的方式，方便救援指挥中心进行决策指挥。3.4.5救援指挥所需要素为了快速有效地进行救援指挥，救援指挥员需要了解众多的要素，其中包括救援小组组成及部署，救援小组的耗竭情况，救援人员的分布，救援人员的耗竭情况，救援实施情况等，通过这些救援要素的提供，救援指挥员可以更好地了解救援现场，及时调整部署，使得指挥高度实时、高效。救援小组组成： 救援小组的合理组成是救援小组合理部署并实施有效救援的首要条件，根据不同的救援情况来合理地搭配救援小组成员，可以让救援小组的工作效率达到最优，所以，实时了解救援小组的组成并根据情况及时地进行调整，能够让救援小组的工作有效开展。救援小组部署： 救援小组的合理部署，是有效救援的必要条件，合理的救援部署能够让救援力量更多地部署在最需要它的地方，从而实现救援人力利用的最大化。救援小组的耗竭情况： 通过救援小组的总体耗竭情况可以及时了解救援小组的体力总体消耗，从而对救援小组的总体负荷进行掌握，通过救援小组的总体耗竭情况，能够及时地调整部署，将更多的力量集中到救援任务重的救援位置上。组内救援人员的分布： 对救援小组内的各个救援人员的分布进行定位有利于更深一步地了解救援现场，通过组内救援人员的分布对救援小组组成的合理情况进行评估，实时了解遇到危险情况的救援人员，并及时进行救助。救援人员的耗竭情况： 在了解救援小组总体耗竭情况的基础上，通过对救援小组内各个救援人员耗竭情况的分析，可以及时地对耗竭过度的救援人员进行预警，防止因救援人员的过度耗竭而导致救援队伍的损失，通过对单个救援人员的心率及心率变异性的分析能够有效避免救援人员因过度耗竭而导致的休克、心脏猝死等紧急情况的发生。救援实施情况： 救援实施情况是救援小组对救援指挥中心的一个实时的反馈，通过反馈，救援中心可以实时地了解救援现场的状况，对救援的现场情况做出更深一步的判断，有利于救援部署的调整。3.4.6数据库设计数据库是信息系统的核心和基础，良好的数据库设计是保证系统良好运行的关键所在，其能够在数据冗余和处理速度之间找到合适的平衡点，保证数据完整、满足系统要求的同时，尽量减少数据冗余，提高系统的运行性能及安全特性，从而有效提高数据存储、检索的效能，降低数据库的维护成本。根据系统功能设计的需要，下面对该数据库的概念模型、逻辑模型举例说明汪洋,2005。1. 数据库的概念模型设计概念模型设计是对现实世界中具体数据的首次抽象，实现从现实世界对象到信息世界对象的转化，其常用ER图进行描述。本系统数据库的实体主要有救援人员、救援小组、救援装备、数据通信、救援单位、GPS数据、心率数据、指挥员、用户权限、灾害数据，其实体图如图3.7所示，其实体关系ER图如图3.8所示。
图3.7数据库实体属性图
图3.8实体关系ER图
2. 数据库的逻辑结构设计逻辑结构设计是将概念模型转化为数据库系统所支持的数据模型，并进行优化设计。其通过将ER图中的实体、实体属性和实体间的联系转换为关系模式来完成。根据概念模型中的ER图得到数据模型。1 救援人员： 编号、姓名、身份标识号、性别、年龄、生日、民族、文化程度、政治面貌、职务、籍贯、血型、婚否、角色、电话、所属单位、所属小组、是否为小组长、基础心率、最大心率、体能状态、病史。其中，编号为主键，所属小组、所属单位、角色为外键。2 救援小组： 小组编号、小组长、小组人员数量、平均心率、小组耗竭状态、小组救援范围、救援任务。其中小组编号为主键、小组长为外键。3 救援单位： 单位编号、单位名称、负责人、驻地、备注。其中单位编号为主键。4 装备数据： 装备编号、装备名称、标识码、装备类型、装备状态、是否配属、所配属小组、操作人员。其中装备编号为主键，所属小组、操作人员为外键。5 GPS数据： GPS信息编号、所属救援人员、经度、纬度、定位时间、接收时间。其中GPS信息编号为主键，所属救援人员为外键。6 心率数据： 心率数据编号、所属救援人员、平均值、心率变异性高频、心率变异性中频、心率变异性低频、开始时间、结束时间、接收时间。其中心率数据编号为主键，所属救援人员为外键。7 数据通信： 通信编号、通信类型、接收发送救援人员、接收发送管理员、发送或接收、时间、内容。其中通信编号为主键，通信类型、接收发送救援人员、接收发送指挥员为外键。8 通信类型： 通信类型编号、通信类型名称、紧急级别。其中通信类型编号为主键。9 角色类型： 角色编号、角色名称、角色职能、备注。其中角色编号为主键。10 指挥员： 指挥员编号、账号、密码、姓名、年龄、性别、职务、职责、权限。其中指挥员编号为主键，权限为外键。11 用户权限： 权限编号、权限名称、权限级别、所能做的操作。其中权限编号为主键。
12 灾害数据： 灾害编号、灾害类型、灾害级别、中心位置。其中灾害编号为主键。3.4.7系统功能设计
1. 救援人员管理及分组功能通过救援人员管理及分组功能可以直接操作数据库，对救援人员的信息进行管理、查询，可以直观、简捷地对救援人员及装备进行合理的分组、配属，其效果如图3.9和图3.10所示。
图3.9救援人员管理
图3.10救援人员分组
2. 地图功能1 地图浏览。地图浏览是GIS系统最基本的功能，使用户可以方便地查看地图所有范围内的显示元素，主要有放大地图、缩小地图、拖动地图、平移地图、全图浏览、鹰眼、前一视图、后一视图等功能。本系统要实现放大、缩小、平移和全图浏览4个功能，通过拖动地图，激活放大、缩小按钮后可以在地图上拉框进行地图的放大和缩小，通过地图上的地图操作控件，可以对地图进行任意的浏览操作，如图3.11所示。
图3.11地图浏览功能
2 地图量算。用于对地图进行测量，主要有距离测量和面积测量，简称测距和测面。测距用于测量地图上两点或多连接点间的直线地理距离，测面用于测量在地图上绘制的几何图形所覆盖的地理区域的面积，如图3.12所示。
图3.12地图上的距离测量
3 地图查询。GIS常用查询主要有属性查询、图形查询、点选查询及图属联合查询等。本系统要实现属性查询、图形查询和点选查询功能。属性查询根据用户输入的关键字，设定要查询的图层等其他条件，生成相关的查询函数后完成相应查询，返回查询结果并在地图上显示图形标识。图形查询是在地图上绘制几何图形查询图形区域内相关图层的信息，然后返回相应查询结果并在地图上显示图形标识。点选查询是在地图上单击查询单击位置一定区域内的地理信息。4 定位导航。定位导航帮助提供救援人员当前所在位置信息，用于查找所在位置到事故点的路径或确定事故点坐标，以及在到达事故现场过程中实时导航。5 路径分析。路径分析是救援指挥中必不可少的功能，用于在既定条件下查找两地间的最短路径。在救援中用到的路径分析有三种类型： ①直接查找两地间最短路径。②用最短路径查找连续多个点构成的线路，中间可添加路障点，即不能通过的路。③在地图上确定一个点，用缓冲区分析确定另外一个点。3. 救援指挥辅助功能1 救援小组及人员分布定位。救援小组及人员分布定位是系统的核心功能之一，系统实时将救援小组及人员的分布情况进行定位，以便指挥人员实时掌握救援小组及人员的部署情况，如图3.13所示。
图3.13救援小组及人员分布定位
2 救援人员部署显示汇聚。通过地图的缩放，可以快速地查阅全部救援部署，当地图缩放到一定程度，地图平台对救援小组及人员的图标进行汇聚显示，并显示汇聚的数量，让快速查阅成为一种便捷方式，如图3.14所示。
图3.14救援人员部署汇聚显示
3 救援人员心率数据实时采集。救援人员随身所携带的智能终端设备通过蓝牙通信协议与心率传感器相连，实时采集救援人员的心率数据，并定时通过移动通信网络将数据上传至服务器。4 救援小组及人员生理及心理状态显示与报警。系统将实时采集的心率数据进行计算，并分析出救援小组的平均体能状态及救援人员的生理和心理状态，进行实时显示，以便指挥人员能实时地掌握各救援小组及人员的情况，并对状态不好的小组和人员及时报警，给救援指挥员的指挥以参考，如图3.15所示。
图3.15救援人员状态显示
5 救援情况汇报。救援人员通过随身所携带的终端将灾害、救援情况、人员及装备情况等实时地汇报到指挥中心，让指挥中心实时了解救援现场情况，是对救援指挥的一种支持方式，如图3.16所示。6 救援信息发布。救援指挥中心可以通过信息发布功能及时地将道路、导航及灾害数据向各个救援人员终端进行发送，以帮助救援人员实时掌握相关情况，指挥中心也可以通过信息发布向各救援小组下达部署调整的命令，实现救援部署的快速调整，如图3.17所示。
图3.16救援情况汇总
图3.17救援信息发布
3.4.8心率变异性分析算法的实现在HRV信号中蕴含着与心血管控制系统及体液调节相关的大量信息，这些信息具有重要的生理学研究及临床应用意义。通过对其提取和分析，可以帮助我们对心交感神经和迷走神经的紧张性、均衡性及其对心血管活动的影响进行定量评估M Malik et al.，1996a; 张立藩，2005。作为研究心血管内在调节机理的重要工具，在生理学中，HRV为植物神经功能的研究提供了丰富的信息。而在临床上，HRV分析可帮助对疾病进行早期诊断、治疗和预后评估。例如，心率与心血管疾病的病因、死亡率之间有着强烈的相关性R M Carney et al.，2001; RAblonskytDūdonien et al.，2012。此外，对于在心血管心率调节、血压控制等方面有重大作用的自主神经系统，HRV也可对其功能进行评估。HRV的降低代表着自主神经活性的异常，这与心脏心血管事件发生危险性、心源性猝死、总体死亡率等有着密切关系R M Carney et al.，2001; R AblonskytDūdonien et al.，2012。作为独立的、重要的、强烈的危险因素，HRV对预测急性心肌梗死（AMI）后死亡率的作用已经被多次证实。1996年，欧洲心血管病学会、北美心脏起搏和电生理学会专题委员会提供了一组健康人的正常的心率变异性参考值，为其临床应用提供了一定的借鉴意义Hr Varib，1996。此后，中国全国心率变异性分析中心研究协作组也于2000年9月提出了中国人心率变异性的正常值及其重复性黄永麟等，2000，这为心率变异性参数是否正常的判断提供了标准。HRV的分析主要分为两类，短时程分析常采用频域分析方法，长时程（心率数据连续采集超过24小时）常采用时域分析方法。通过选择合适的分析方法，我们可以得到HRV分析参数对其进行显示或查询，并通过与阈值的对比对非正常状态报警。
图3.18和图3.19分别为救援人员耗竭情况显示和救援人员HRV的频域分析。
图3.18救援人员耗竭情况显示
图3.19救援人员HRV的频域分析
1. 时域参数的分析
在测量HRV的各类方法中，时域分析是其中最为简单的方法。时域分析采用离散趋势分析法对RR间期的变化进行分析，通过计算一系列与其相关的数理统计指标对心率变异性的临床价值进行评价。其主要时域分析参数有SDNN、SDANN、RMSSD、SDNN index、PNN50。1 SDNN： 正常窦性RR间期的标准差。计算公式如式3.2所示：
SDNN=Ni=1RRi-RR2N3.2
其中N为全程记录中正常心搏的总数； RRi是第i个RR间期； RR是N个心搏的RR间期的平均值。2 SDANN： 全程记录中每5minRR间期平均值的标准差。将24h的记录分为288个5min的时段,先计算每5min的平均RR间期,然后计算这288个值的标准差。计算公式如式3.3所示。
SDANN=288i=1RRi-RR22883.3
其中288是将全程24h记录按每5min划分为288段； RRi是第i个5minRR间期的平均值； RR是288个RRi的平均值。3 RMSSD： 相邻RR间期差值的均方根值。计算公式如式3.4所示。
RMSSD=Ni=1RRi 1-RRi2N3.4
其中N为全程记录的心搏总数； RRi 1，RRi为相邻两个窦性心动周期的长度。4 SDNN index： 24h全程记录中每5minRR间期标准差共288个值的平均值。计算公式如式3.5所示。
SDNN index=288i=1SDNNi2883.5
其中SDNNi是第i个5min时段计算得到的RR间期的标准差。5 PNN50： 全程一记录中相邻RR间期差值大于50ms的个数占所有RR间期个数的百分比。计算公式如式3.6所示：
PNN50=NN50NN1003.6
NN50全程记录中相邻RR间期差值大于50ms的个数； NN为RR间期的总数。其各个参数的异常临界点如表3.3所示。
表3.3HRV时域分析常用指标临界值庹焱等,2001
时域指标测 定 方 法意义异常分界点相关频域指标
SDNN24h全部正常RR间期的标准差24h内HRV的总和50msTPSDANN24h内每5min的RR间期平均值的标准差去除了HR中快速变化成分，HRV中缓慢变化的成分40msULF
续表
时域指标测 定 方 法意义异常分界点相关频域指标
SDNN index24h每个5min内的RR间期标准差的平均值描述5min内心率变异大小，HRV中较缓慢变化的成分20msVLF； LFrMSSD相邻RR间期差值均方的平方根计算相邻心动周期的变异，反映HRV的快速变化15msHFPNN50相邻RR间期相差50ms的个数占总心跳次数的百分比描述心动周期的逐搏变异，HRV中快速变化的成分0.75%HF
注： 本表中的RR间期均指正常心动周期的RR间期。
2. 频域参数的分析对HRV的频域分析采用自回归模型法AR法进行，其主要过程是： 首先对采集的原始心率数据进行软件滤波，提取RR间期，然后进行重采样，从而得到均匀的采样序列，得到序列后建立AR模型，并对模型进行定阶，再通过自回归模型的算法确定AR系数，最后求出HRV的频域参数。
其中，自回归AR模型方法应用较为广泛。自回归是指：模型的输出是当前输入及以往输出的加权和。该方法依据最小均方差原则通过系数对模型（一种全极点）进行估计。自回归模型常用Burg算法、LevinsonDubin算法和Marple算法来实现AR模型系数的计算王步青等,2012，本系统中采用Burg算法实现AR模型系数的计算。1 基于AR模型的功率谱估计。在AR模型2的分析方法中，假定所观测的数据xn是用均方差为零的均值白噪声序列wn激励一个全极点的线性系统时，由不变离散时间系统Hz得到，用差分方程表示的信号如式3.7所示。
xn=-pj=1ajxn-j wn,j=1,2,,p3.7
其中，p是模型的阶数，aj是系数，该模型记为ARp，它的系统转移函数式如式3.8所示。
Hz=XzWz=11 pk=1akz-k3.8
则xn的功率谱可表示式如式3.9所示。
pzw=21 pj=1aje-iwj23.9
2 AR模型阶数的确定。基于AR模型的参数模型法需要选择合适的模型阶数，阶次选择得太低，谱分辨率不够，阶次太高，谱估计曲线中又会出现实际不存在的虚假细节谱分裂现象。采用最终预测误差判据法 Final Prediction Error criterion，FPE杨福生等,1989，如式3.10所示。
FPEP=2PN P 1N-P-13.10
其中，N为分析数据的长度，2P为P阶模型有预测误差功率的估计。3 AR模型的系数确定。对AR模型的系数，选用基于前后相预测误差功率之和最小的Burg算法求解。4 功率谱估计的实现。确定了AR模型的阶数和系数后，使用式3.9可实现基于AR模型的RR序列的功率谱估计。进而求出TP、LF、HF、LFHF、HFnorm和LFnorm等参数指标。5 对比功率谱参数并报警。求出HRV的TP、LF、HF、LFHF、HFnorm和LFnorm等参数指标后，与正常的参考值数据进行对比，若超出正常的范围则进行报警。综上所述，本章主要对心率变异性的生理学含义、心率变异性的研究应用、心率及心率变异性的分析方法进行了详细的阐述，尤其通过对心率与能量消耗关系的深入了解，证明通过心率来进行能量消耗的测量是切实可行的，可以通过心率来测量劳动量的强弱，从而判断体力的耗竭情况； 心率变异性已经有很多的实际应用，尤其是在临床上的应用已经有了实质性的进展，通过心率变异性的分析，不但可以辅助测量体力的耗竭情况，也可以由此参数判断出生理及心理上的状态，防止因耗竭过度而造成人员猝死等突发性的事件发生。总之，心率计简单易携带，成本低，通过分析心率和心率变异性来监测生理和心理的耗竭是切实可行的。本章主要对系统设计的原则和目标、救援指挥所需要素进行了详细的阐述，并根据系统设计的原则和目标对系统总体结构和网络架构、数据库、系统功能进行了详细的设计。本章对心率分析和心率变异性分析的算法实现进行了详细的阐述，是系统中的核心部分，通过心率分析和心率变异性分析的算法可以直观地将救援人员的生理和心理耗竭情况呈现给救援指挥人员，给救援指挥人员的指挥决策提供重要的人员耗竭数据。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
