پیاده سازی مکانیزمی جهت تشخیص میزان سطح استرس در افراد با استفاده از پردازش سیگنال مایوگرام در شبکه های سطح بدن

استرس یکی از مشکالت جوامع کنونی است که در همه ی اقشار جامعه به شدت در حال پیشرفت می باشد و میتواند ریشه ی بسیاری از مشکلات روحی روانی و جسمانی باشد. استرس زمانی در فرد رخ می دهد که فشاری بیشتر از آنچه که به آن عادت داشته است بر او وارد شود. از آنجایی که استرس عاملی است که می تواند عملکرد افراد را به شدت تحت تاثیر قرار دهد، لذا تشخیص و بررسی استرس در افراد حرفه ای به مقوله ای با اهمیت تبدیل شده است، لذا تشخیص به موقع آن میتواند از آسیب ها ی جدی به افراد جلوگیر ی به عمل آورد. از جمله روش های تشخیص استرس استفاده از سیگنال های حیاتی میباشد. در این پژوهش از سیگنال حیاتی عصب و عضله یا همان الکترومایوگرافی به منظور تشخیص استرس استفاده شده است. برا ی این منظور سیگنال عضله ی ذوزنقه ای تعداد 5 نفر از افراد را در دو موقعیت قبل از استرس و در زمان استرس و با استفاده از پارامترهای ریاضی، با توجه به مقادیر و معیارها و بررسی آنها در افراد مختلف مورد بررسی قرار گرفت. روش پیشنهادی میزان همبستگی سیگنال را 0.0970 نشان می دهد.

providing the mechanism for detecting the level of stress in individuals based on signal processing electromyogram

stress is one of the problems of today's societies that is rapidly developing in all aspects of life and can be the root of many psychological and physical problems. stress occurs when a person exerts more pressure than he or she is accustomed to. since stress is a factor that can severely affect the performance of individuals. therefore, the diagnosis and evaluation of stress in professionals has become an important category. early detection can prevent serious harm to people. one of the ways to diagnose stress is to use vital signals. in this study, vital nerve and muscle signal or electromyography was used to diagnose stress. for this purpose, the biceps muscle signal of 5 people in two positions before stress and during stress are analyzed by using mathematical parameters according to the values of the criteria and their evaluation in different people. the proposed method shows the signal correlation rate of 0.0970.