「ECG信号处理——（25）基于ECG心率变异性(HRV)与EDA皮肤电活动的生理状态分析」2025年9月19日

目录

一、引言

二、核心原理

2.1 心电 HRV 分析原理        

2.2 皮肤电 EDA 分析原理     

2.3 HRV-EDA 联合分析逻辑

三、数据处理流程

四、结果展示与分析

4.1 ECG-HRV 信号分析

4.2 EDA 皮肤电信号分析

4.3 HRV-EDA 联合分析

五、参考文献

---

一、引言

        针对生理状态监测与情绪识别需求，本文提出一种基于心电（ECG）心率变异性（HRV）与皮肤电活动（EDA）多模态融合的生理状态分析方法。该方法通过MATLAB实现信号预处理、特征提取与综合分析，结合Pan-Tompkins R波检测、功率谱估计等经典算法，量化分析HRV中的时域、频域和非线性特征以及EDA中的SCL和SCR特征。

        实验表明，该系统可有效对比不同实验阶段（如 Marker1 休息阶段、Marker4 任务阶段）的生理信号差异，为多模态生理信号分析提供可复用、可扩展的工程化方案，适用于心理学、生物医学工程、人机交互等领域的研究与应用。

• ECG-HRV：通过分析 ECG 信号中 R-R 间期的波动特征，反映自主神经系统（交感神经 / 迷走神经）平衡状态，不同生理 / 心理状态下（如放松、应激）HRV 指标（如 LF/HF 比值、RMSSD）会发生显著变化；

• EDA：通过分析皮肤表面的电导变化，反映汗腺分泌活动，分为基础水平（SCL）与瞬时反应（SCR），可量化人体情绪唤醒度与应激水平。

        本文基于 Task Force（1996）HRV 分析标准与 Boucsein（2012）EDA 研究成果，实现 ECG 与 EDA 多模态协同分析。

二、核心原理

2.1 心电 HRV 分析原理        

        心率变异性（HRV）是指连续心跳间RR间期（相邻两个R波的时间间隔）的微小波动，其本质是自主神经系统对心脏的动态调节。HRV的时域、频域和非线性分析是提取生理状态特征的核心手段。

        心电信号中的R波检测可得到RR间期序列（相邻心跳间的时间）。通过功率谱密度(PSD)分析，可分解为不同频段：

• 低频段（LF）：0.04-0.15Hz，主要受交感神经与迷走神经共同调节，反映交感神经兴奋性；

• 高频段（HF）：0.15-0.4Hz，仅受迷走神经调节，反映迷走神经活性。

        不同生理状态下，人体自主神经平衡会发生变化，通过LF/HF比值、SDNN、RMSSD等指标可以量化这些变化。

相关内容见我主页的如下链接，👇

「ECG信号处理——（12）心率变异性分析」2025年4月1日_hrv(心率变异性)所有健康人群的散点图,如何绘制,值是rr间期-CSDN博客

「ECG信号处理——（10）Pan-Tompkins算法（R峰检测）」2025年3月17日-CSDN博客

2.2 皮肤电 EDA 分析原理     

        在皮肤电活动（EDA）信号处理中， EDA表示为皮肤表面因汗腺分泌变化产生的电导波动，分为SCL（Skin Conductance Level，皮肤电导水平） 与SCR（Skin Conductance Response，皮肤电导反应） 两部分。 EDA信号的变化直接反映了交感神经系统的活动强度，是情绪状态和应激反应的重要指标。

    表1：皮肤电活动(EDA)的两个主要成分组成

成分名称	频率特性	生理意义	状态变化
SCL	缓慢变化(0.05Hz以下)	皮肤电导基础水平	反映长期唤醒状态
SCR	快速变化(0.05Hz以上)	皮肤电导反应	反映瞬时情绪唤醒

    图1：皮肤电活动(EDA)中的SCL和SCR图

        通过 Butterworth 低通滤波（截止频率 0.05 Hz）可以提取 SCL，该部分反映信号的慢变化趋势，主要用于衡量个体的基础皮肤电导水平，体现长期的放松或应激状态；而通过高通滤波（0.05 Hz）得到的 SCR 则代表信号的快速波动成分，反映由外界刺激或情绪唤起导致的瞬时反应。

        在 EDA 的定量分析中，常用指标包括：

        （1）SCL Mean（SCL 均值）：分析时段内 SCL 信号的平均值（单位 μS），用于刻画个体的基础皮肤电导水平。
        （2）SCL Slope（SCL 斜率）：对 SCL 进行线性拟合 SCL(t) = kt+b，其斜率 k 反映趋势：若 k>0 表示应激逐渐增强，若 $k<0$ 表示逐渐放松。
        （3）SCR Count（SCR 计数）：在 SCR 信号中检测超过阈值（0.5×SCR 标准差）的峰值个数，且相邻峰值间隔需大于 1 秒。该指标表征瞬时唤醒度，计数越多说明唤醒度越高。
        （4）SCR Mean Amplitude（SCR 平均幅度）：所有检测到的 SCR 峰值的平均幅度（单位 μS），用于反映单次情绪反应强度，幅度越大说明反应越强烈。

2.3 HRV-EDA 联合分析逻辑

        HRV 与 EDA 从不同维度反映人体生理状态，二者存在协同关联：

• 当人体处于应激 / 任务状态时：HRV 中交感神经指标（LF、LF/HF）升高，迷走神经指标（RMSSD、HF）降低；EDA 中 SCL 均值升高、SCR 计数增加，反映交感神经兴奋引发的心脏与汗腺活动同步增强；

• 当人体处于放松 / 休息状态时：HRV 中迷走神经指标占优（RMSSD、HF 升高），EDA 中 SCL 均值降低、SCR 计数减少，体现自主神经平衡向迷走神经倾斜。

三、数据处理流程

整体流程如下：

1、数据采集：使用BIOPAC系统采集ECG和EDA信号，采样率2000Hz

2、标记识别：识别实验标记点(Marker1和Marker4)

3、数据分段：提取标记点后180秒的数据进行分析

4、信号预处理：

•  ECG：5-15Hz带通滤波，R波检测；

• EDA：0.05Hz低通滤波提取SCL，0.05Hz高通滤波提取SCR；

5、特征提取：

• HRV时域特征：SDNN、RMSSD、pNN50等；

• HRV频域特征：LF、HF、LF/HF比值等；

• HRV非线性特征：SD1、SD2、SD1/SD2比值等；

• EDA特征：SCL均值、SCR计数、SCR幅度等；

四、结果展示与分析

        实验数据来自 2 个 ACQ 文件（A.acq、B.acq），分析 Marker1（休息阶段）与 Marker4（任务阶段）的生理信号差异，核心结果如下：

4.1 ECG-HRV 信号分析

        相关ECG-HRV信号分析表格与绘图结果如下：

表2：时域指标对比

原始信号	SDNN（ms）	NN50	pNN50（%）	RMSSD（ms）
A_M1（休息）	37.24	52	28.11	42.65
A_M4（任务）	44.31	73	39.90	50.47
B_M1（休息）	44.90	50	25.39	40.80
B_M4（任务）	47.41	55	26.96	44.51

        结论：Marker4 阶段（任务）中，个体 A 和 B的 SDNN、NN50、pNN50、RMSSD均高于 Marker1（休息），说明任务阶段自主神经调节活性增强；

表3：频域指标对比

原始信号	SD1（ms）	SD2（ms）	SD1/SD2	LF(ms2)	HF(ms2)	TP(ms2)	LF/HF
A_M1（休息）	30.24	43.12	0.70	408.05	486.95	895.00	0.84
A_M4（任务）	35.78	51.45	0.70	882.51	621.61	1504.12	1.42
B_M1（休息）	28.92	56.53	0.51	462.27	529.92	992.19	0.87
B_M4（任务）	31.55	59.16	0.53	941.29	578.15	1519.43	1.63

        结论：在 Marker4（任务阶段），个体 A 和 B 的 SD1、SD2、LF、HF、TP 均高于 Marker1（休息阶段），提示任务过程中自主神经系统整体活性增强；所有样本的 Marker4 阶段 LF 与 LF/HF 均显著升高（LF/HF 从 <1 升至> 1），表明任务阶段交感神经占优，与 “任务引发应激反应” 的生理逻辑一致。

图1：A_M1（休息）ECG-HRV 信号分析结果

图2：A_M4（任务）ECG-HRV 信号分析结果

图3：B_M1（休息）ECG-HRV 信号分析结果

图4：B_M4（任务）ECG-HRV 信号分析结果

4.2 EDA 皮肤电信号分析

        相关EDA 皮肤电信号分析表格与绘图结果如下：

表4：SCL 核心指标对比

原始信号	SCL_mean（μS）	SCL_slope（μS/s）
A_M1（休息）	4.53	-0.018
A_M4（任务）	7.63	-0.010
B_M1（休息）	10.35	-0.041
B_M4（任务）	13.84	-0.042

        结论：Marker4 阶段 SCL 均值显著高于 Marker1（如 A从 4.5μS 升至 7.6μS），说明任务阶段基础皮肤电导水平升高，应激状态增强；SCL 斜率均为负，可能是由于分析时段内应激水平随时间轻微下降（任务适应）。

表5：SCR 核心指标对比

原始信号	SCR_std（μS）	SCR_mean_amp（μS）	SCR_count	SCR_slope（μS/s）
A_M1（休息）	0.072	0.44	3	-4.37595e-05
A_M4（任务）	0.36	0.55	32	-0.000212439
B_M1（休息）	0.052	0.089	19	-2.91392e-05
B_M4（任务）	0.14	0.20	28	-4.36561e-05

        结论：Marker4 阶段 SCR 计数与平均幅度均高于 Marker1，尤其是 A 的 SCR 计数从 3 次增至 32 次，证明任务阶段瞬时情绪唤醒度显著提升，与 HRV 反映的交感神经兴奋趋势一致。

图5：A_M1（休息）EDA 信号分析结果

图6：A_M4（任务）EDA 信号分析结果

图7：B_M1（休息）EDA 信号分析结果

图8：B_M4（任务）EDA 信号分析结果

4.3 HRV-EDA 联合分析

（1）HRV 与 EDA 两类指标在任务阶段均表现出 自主神经兴奋增强：

• HRV 的 LF/HF 升高提示交感占优；

• EDA 的 SCL 与 SCR 上升则从外周皮肤电导角度印证了交感活动增强。

（2）二者趋势高度一致，说明任务诱发的心理负荷确实引起了交感神经系统的激活，并同时表现为 心率调节增强 + 皮肤电导反应增强。

（3）综合来看，任务阶段相较于休息阶段，个体处于 更高水平的生理唤醒与应激状态，体现了 HRV 与 EDA 在心理–生理应激监测中的互补性。

        HRV与EDA指标从不同时间尺度和生理机制出发，得出了高度一致的结论，相互验证，极大地增强了研究结果的可靠性和说服力，充分证明了多模态生理信号分析在评估心理生理状态中的有效性和必要性。

五、参考文献

[1] Electrophysiology T F E S C N A S P. Heart rate variability: standards of measurement, physiological interpretation, and clinical use[J]. Circulation, 1996, 93(5): 1043-1065.

[2] Boucsein W. Electrodermal activity[M]. Springer science & business media, 2012.

[3] Pan J, Tompkins W J. A real-time QRS detection algorithm[J]. IEEE transactions on biomedical engineering, 2007 (3): 230-236.

Tips：下一讲，我们将进一步探讨，心电信号处理与应用的其他部分。

以上就是基于ECG心率变异性(HRV)与EDA皮肤电活动的生理状态分析的全部内容啦~

我们下期再见，拜拜(⭐v⭐) ~

（Ps：有代码实现需求，请见主页信息，谢谢支持！~）