2.3.分析
将EDA和HR数据从设备传输到计算机后,将来自两个设备的数据以1秒的分辨率对齐,然后进行预处理。在第3.2节之前的章节中,考虑了从记录开始到设备移交的所有数据。它包括在上课期间、课间休息和换课期间记录的数据。在第3.2节中,我们放大课堂期间记录的数据。预处理协议的细节和理由在第3.3节中进行了解释和讨论。
EDA信号由两个不同成分叠加而成:皮肤电导水平(SCL)和皮肤电导响应(SCR;也称为相位响应)[28]。SCR是EDA中从初始水平开始的短暂上升,可以由不同的、令人兴奋的事件引发。它们代表了EDA最显著的特征,由作为交感神经系统一部分的发汗神经放电引起[29]。在没有明显刺激的情况下发生的长期缓慢漂移被称为SCL或紧张成分。通常分别评估相位EDA组件和主音EDA组件。最近,研究人员提出了各种方法来将EDA信号分解为其两个分量。一种常用的技术利用去卷积运算[30]从原始EDA信号中提取相位活动,并已被证明是一种稳健的方法,能够揭示实验室级设备记录的EDA中的应力响应[31]。这种方法在免费提供和广泛使用的工具箱Ledalab[30]中很容易获得。它从EDA信号中提取一系列心理生理相关的SCR变量,包括峰值出现的上升时间、幅度和频率。我们在这里使用这个工具箱将我们清理过的EDA信号分解为相位分量和主音分量。
根据之前对基于EDA的应力检测的研究[32],我们在特定的时间窗口内从EDA信号中提取了以下特征。
原始EDA信号:平均值和中值。
相位分量:平均值和中值。
Tonic分量:均值和中位数。
峰值振幅:平均值和中值;Ledalab检测到峰值,定义为潜在EDA“驱动程序”斜率改变其符号的点。
峰值数量:所有峰值的数量,振幅大于0.05μS的峰值数量,振幅高于1μS的峰数量
为了平滑量化误差引起的HR信号中的阶梯轨迹,我们应用移动平均滤波器对窗口大小为4秒的信号进行预处理,如另一项使用相同HR传感器的研究所建议的[33]。对于EdaMove捕获的加速度计信号,我们计算了加速度计三个轴的均方根,以导出设备加速度的单个时间序列,以下称为加速度计数据。与EDA数据类似,我们从特定时间窗口中的HR信号和加速度计数据中提取了平均值和中值。
转到:
3.结果
3.1可用性
3.1.1.参与者对设备的处理
尽管测量是在不受控制的记录环境下进行的,没有直接监督,但所有设备都被正确归还,没有任何损坏。实验者的存在对于传感器固定和确保测量进度的问题是重要和有效的。EDA信号存储在本地,参与者无法查看或干扰。然而,一些参与者通过暂停记录并通过手机上的应用程序可视化数据,成功读取了人力资源测量的历史记录。在这些罕见的情况下,这会导致HR信号的瞬时丢失,通常发生在一天开始的时候。我们还观察到,其中一名参与者有意进行高强度的体育活动,希望看到人力资源的变化,从而大大增加了人力资源。
3.1.2.第一印象:数据缺失和总体数据质量
对于EDA数据,我们在文件操作过程中遇到了一个技术问题,导致一个参与者的数据丢失。对原始EDA数据的早期视觉检查显示,EDA中的尖峰伪影模式在我们的研究中并不突出,这在以前使用干电极的动态记录中经常报道,这表明Ag/AgCl水凝胶电极在对运动的鲁棒性方面具有优势。
对于86名参与者中的6名,我们在导出人力资源数据和文件操作过程中遇到了技术问题,导致这些参与者的所有人力资源数据丢失。HR记录中的间歇性数据丢失可能是由于与手机或电极的连接失败——皮肤接触丢失。据报道,在之前的一项研究[34]中,使用胸部传感器原位记录HR的缺失数据高达8%。在我们的案例中,我们在剩下的80名参与者中丢失了3.30%的人力资源数据。每位参与者的平均HR损失较低(平均值=2.96%,中位数=0.87%,SD=6.79%)图2显示了分析中所有参与者的所有原始EDA和HR样本的振幅。参与者记录的HR平均为89.49(SD=16.82)bpm。大多数HR样本介于欧洲青少年的静息状态HR(男孩和女孩分别为77.4和81.1 bpm[35])和适度运动时的HR(男孩或女孩分别为97和101 bpm,通过站立静息状态HR和最低运动HR之间的平均值计算[36])之间。参与者的EDA(平均值=15.98,SD=7.21μS)远高于使用可穿戴EDA设备在手腕上用干电极记录的结果[7,37],这可以用手掌汗腺密度更高来解释[25]。EDA面板图2在左侧显示了一个明显的峰值,反映了大量低于0.5μS的EDA信号。这可能是由于电极和手掌皮肤之间失去了附着而引起的。如下一节所述,应删除这部分数据。
保存图片、插图等的外部文件。
对象名称为sensors-20-05380-g002.jpg
图2:
EDA和心率(HR)信号分别在0.5μS和0.5 bpm的仓宽中的分布。
3.2.真实生活Eda的信号处理
3.2.1.传感器松动导致的信号丢失
电极附着在皮肤上的稳定性是动态记录中的一个主要问题。电极与皮肤的粘附性可能会因为一天中可能发生变化的油脂和汗液而下降[38]。电极和皮肤之间的间歇性物理断开导致EDA信号突然下降和上升[39,40]。Kleckner及其同事认为,低于0.05μS的突然下降(这是普遍接受的SCR最小振幅标准[25])可能是由从手腕佩戴的干电极EDA传感器进行记录时电极分离导致的信号损失引起的,应在分析中放弃[41]。Doberenz及其同事提出,当使用凝胶电极从手指记录EDA时,阈值为0.5μS[42]。基于对我们数据的视觉检查,我们选择将原始EDA信号的最小阈值设置为1μS。 |