基于静息态下受试者心跳的个性化光电容积脉搏波归一化
信号处理
2022-02-24 v1
摘要
生理反应如今被广泛用于识别真实场景中的受试者情感状态。然而，这些数据本质上依赖于受试者个体，由于受试者间的变异性，使得用于数据分类的机器学习技术不易适用。本工作针对光电容积脉搏波（PhotoPlethysmoGraphy, PPG）考虑了降低受试者间异质性的问题，PPG已成功用于检测压力并评估所经历的认知负荷。为应对受试者间异质性，本文提出一种新颖的个性化PPG归一化方法。考虑到受试者在静息态条件下的心跳频率，引入了将PPG信号适当重新缩放的受试者归一化离散域。在所考虑的二分类任务（认知负荷与放松状态）中，将该归一化方法与其他归一化流程进行比较以评估其有效性。在文献中两个不同数据集上获得的结果证实，应用所提出的归一化策略能够提高分类性能。
引用
@article{arxiv.2202.11465,
title = {Personalized PPG Normalization based on Subject Heartbeat in Resting State Condition},
author = {Francesca Gasparini and Alessandra Grossi and Marta Giltri and Stefania Bandini},
journal= {arXiv preprint arXiv:2202.11465},
year = {2022}
}
备注
14 pages, 5 figures, 6 tables