开启全网商机
登录/注册
|
项目编号:****
|
|
|
项目名称:恐惧情绪生理监测集成系统开发
|
采购方式:公开询价邀请询价竞争性谈判竞争性磋商单一来源采购项目比选商品比选
|
|
评审办法: 有效最低价 综合评估法
|
项目类型: 技术服务
|
|
预算金额***
|
|
|
采购单位:***
|
|
|
联系人:***
|
电话:***
|
|
地址:***
|
邮箱:***
|
|
1
|
恐惧情绪生理监测集成系统开发 品牌:无 货号/型号:无 规格:项
查看偏离表
|
1
|
项
|
|
|
1. 生理信号采集及数据输出 1.1 开发Android平板应用 ★1.2 通过软件接口采集多路生理信号(PPG、EDA、呼吸、温度),并实时显示在平板上。 1.3 支持数据标记功能,数据可导出为CSV或dat格式,并本地保存。 2. 生理信号预处理与特征提取 *2.1 PPG信号预处理:滤波处理 → 基线校正 → R-R间期提取 → HRV计算(包括时域指标:SDNN、RMSSD、pNN50;频域指标:TP、LF、HF;非线性指标:SD1、SD2)。额外提取脉搏波幅度、上升时间和下降时间等特征。 *2.2 呼吸信号处理:采用带通滤波(0.1-0.5Hz)保留呼吸频率成分 → 平均滤波平滑信号,消除突发干扰 → 提取呼吸频率、深度、规律性及吸气/呼气比率特征。 *2.3 EDA信号预处理:应用指数加权移动平均法消除皮肤电导水平(SCL)的基线漂移 → 提取时域特征 → 识别皮肤电导响应(SCR)的峰值幅度和每分钟SCR次数。 *2.4 皮肤温度信号预处理:将温度信号转换为标准正态分布 → 计算温度变化率、标准差、最大值、最小值及峰谷差值,以量化情绪相关变化。 ★2.5 多模态特征融合:整合多生理信号特征,其中时域特征为心率(HR)、呼吸频率、皮肤电导水平(SCL)、温度变化率,频域特征为HRV功率谱密度、呼吸频率频谱特征。 3. 机器学习恐惧情绪识别模型构建 3.1 基于SVM、随机森林或深度学习模型训练识别算法。 *3.2 特征筛选:选择与恐惧情绪最相关特征,优化模型性能。 *3.3 使用交叉验证评估模型:确保识别准确率>90%。 4. 系统集成与应用 4.1 开发Android平板应用,实现设备通信与算法集成。 ★4.2 部署恐惧识别模型,支持实时推理并显示恐惧情绪结果。
|
1. 恐惧情绪生理监测集成系统1套,其中安卓智能平板最低配置包括处理器:八核 2.0GHz 以上(如骁龙730G),内存:≥8G,硬盘:≥128G,GPU:Adreno 618 或同级,操作系统:Android 12 或更高版本,接口:USB Type-C 3.0 支持OTG,蓝牙协议:Bluetooth 5.0 + BLE(低功耗),屏幕:≥10英寸 IPS屏,分辨率1920×1200,电池续航:≥8000mAh,连续运行≥4小时,开发框架: Android Studio 2022.3 + JDK 17。 2. 恐惧情绪生理监测集成系统全套技术材料1套,包括但不限于系统开发设计方案和技术报告、软件使用说明文档、软件源代码等。 3. 所有配置在3个月内完成交付。
|