生理信号识别皮肤电情绪测量穿戴设备ES1

一、产品介绍

“多模态手环与计算套件”是一款给科研人员使用的，用于被试生理和行为数据采集、分析与计算的套件。

1.该套件支持个体或群体生理和行为数据的同步采集，支持实验过程中对不同事件的标记。

2.实验结束后，数据将自动同步到云端，科研人员登录账户可转载存储数据，并进行后续分析。

二、产品构成

2.1多模态人因感知终端

支持脉搏、皮肤电阻、皮温、运动加速度、角速度等生理和行为数据，以及环境数据的采集，并将数据传输到“实验操作端”

2.2实验操作端

实时接收多模态人因感知终端的原始数据，同时可查看设备状态、信号质量及事件标记，采集结束将数据上传云平台

2.3云平台

科研人员登录“云平台”存储至本地原始数据与事件标记，或提交定制化数据分析需求，对原始数据进行定制化数据处理与特征提取分析

三、硬件规格

四、竞品对比

五、软件基础功能

5.1实验操作端

a.支持个体或群体被试进行实验

b.实时查看设备状态（手环电量、蓝牙连接）、信号质量、采集时长

c.实验采集，可针对个体和群体实验进行手动事件标记，与 ES1 设进行时间轴同步，简单快捷，辅助事后分析

d.同步提供自动事件标记 API 接口，接口类型分为：Python 、Matlab、Eprime 三种

e.将有效实验数据传输至云平台

5.2云平台

a.不同实验员拥有立账户，数据隔离

b.可针对个体或群体的数据记录进行事件标记的存储、修订和上传

c.支持个体和群体原始数据的批量存储

六、产品组合

6.1套件A

6.2套件B

6.3套件C

七、数据实时监控

八、可定制数据服务

九、产品优势

1.数据信噪比（SNR）高，与多个标准科研设备对比（Polar、Shimmer），一致性达0.95 以上

2.结合经验取样法或生态瞬时评估法，适合开展各类纵向数据、移动式数据收集和研究，数据采集成本低，评估客观、，研究结果具有更高生态效度

3.提供丰富的具有先验知识的特征指标的计算，支持原始数据和特征数据存储，可直接进行结果统计

4.使用简单，符合科研人员使用习惯，无须学习成本

5.体积小巧、方便携带，适用于缺网、缺电、高噪等非常规作业环境下使用

十、产品案例

10.1群体共享情绪识别研究

a.本研究采用超扫描技术，以中科院心理所建立的标准华语情绪电影库为实验素材，诱发4种特定的情绪状态。研究者招募了 144 名大学生被试，6 人一组进行群体观影实验，同时佩戴手环记录 6 人的生理、行为和环境数据。

b.研究人员从脉搏和皮肤电阻信号中提取了 80 多个具有心理学先验知识的时频域特征，并输入到支持向量机、随机森林、深度置信网络、长短时记忆网络等模型中进行四分类学习。

10.2电脑游戏时的用户情感体验研究

a.本研究以男性大学生为研究群体，要求他们在电脑上玩“五子棋”游戏时全程佩戴手环，记录他们的生理数据；用户在游戏过程中的主观感受（如无聊、有趣、兴奋）在游戏结束后进行反馈。

b.研究结果发现，用户在朋友一起游戏时的皮肤电导反应（SCR）明显与电脑对打时的皮肤电导反应，且自我报告在朋友对打时觉得更加有趣和兴奋。相关分析的结果也发现，皮肤电导反应与自我报告的有趣程度正相关，与挫折感负相关。

10.3驾驶过程中驾驶员心理压力识别研究

a.本实验采用了 MIT-BIH 数据集。该数据集通过可穿戴设备收集了多个驾驶员在实际驾驶过程中的皮肤电阻、心率等生理数据。

b.研究人员对皮肤电阻数据进行了预处理、特征提取等一系列规范化处理后，对结果进行了统计检验。研究结果发现，驾驶员在驾驶过程中的压力水平可分成三个等级，各个压力等级之间存在较大差异。

10.4皮肤电信号预测合作行为研究

a.本研究让两个被试在电脑上完成“囚徒困境”的实验范式，同步记录两个人的心率、皮肤电阻、眼动轨迹、肌电等生理和行为数据。实验条件分为能看到彼此和看不到彼此两个条件，通过该实验研究合作过程中的生理变化情况。

b.研究发现，在被试能看到彼此的条件下，心率和皮肤电导水平（SCL）开始变得同步，且这种正向的同步联系会变得更强。SCL能够预测两人的成功合作行为。

10.5基于HR和EDA信号预测学生学业成绩研究

a.本研究使用可穿戴设备，记录学生在真实语文和数学课堂中的皮肤电阻和心率数据，探讨这些生理数据与学生学业成绩的关系。

b.本研究共招募了 100 名七年级的学生，连续记录了他们在10 天语文和数学课堂中的生理数据。

c.研究结果发现，学生课堂过程中的皮肤电导水平（SCL）和皮肤电导反应（SCR）与其学业成绩存在明显的相关。

10.6基于PPG和EDA信号进行晕动症的筛查研究

a.前庭功能检查是飞行员招飞选拔中的一项重要检测科目。在该检测科目中，研究人员让学员佩戴腕式手环，采集前庭功能检测过程中的脉搏和皮肤电阻数据。

b.检测前采集 3min 静息态，坐上旋转转椅 90s，结束后再次采集3min 静息态数据。

c.研究结果发现，皮肤电阻数据的部分特征能有效反映晕动症的程度，并显著预测学员的飞行成绩。皮肤电阻数据与Graybiel 量表得分相关性很高。