面向可穿戴压力监测的转置增强自编码器网络 (TEANet)
信号处理
2026-01-08 v3
摘要
精神压力因其对身心健康的不良影响，已成为重大公共健康 concerns，迫切需要开发用于可穿戴设备的持续压力监测工具。血容量脉冲 (BVP) 传感器广泛可于众多智能手表中，为压力监测提供了便利且成本效益高的解决方案。本研究提出了一种深度学习方法，称为转置增强自编码器网络 (TEANet)，用于基于 BVP 信号进行压力检测，适用于资源受限设备。本文所提出的 TEANet 模型采用自开发的 RUET SPML 数据集以及公开的可穿戴压力与情感检测 (WESAD) 数据集进行训练与验证。分别在 RUET SPML 和 WESAD 数据集上实现了最高达 92.94% 和 96.94% 的准确率，F1 分数分别为 95.16% 和 95.95%，kappa 分别为 0.8181 和 0.9350。该提出的 TEANet 能以高准确率通过 BVP 信号检测精神压力，成为持续压力监测的有前景工具。此外，将该模型部署于树莓派 3B+ 上，显著提升了其在资源受限设备上实现可靠实时压力监测的潜力。
引用
@article{arxiv.2503.12657,
title = {TEANet: A Transpose-Enhanced Autoencoder Network for Wearable Stress Monitoring},
author = {Md Santo Ali and Sapnil Sarker Bipro and Mohammod Abdul Motin and Sumaiya Kabir and Manish Sharma and M. E. H. Chowdhury},
journal= {arXiv preprint arXiv:2503.12657},
year = {2026}
}
备注
10 pages, 8 figures