该文档属于类型a，是一篇关于实时社交焦虑评估系统的原创性研究论文。以下是详细的学术报告：

作者及机构
本研究由Wanhui Wen（西南大学电子与信息工程学院）、Guangyuan Liu（西南大学）、Zhi-Hong Mao（匹兹堡大学电气与计算机工程及生物工程系）、Wenjin Huang、Xu Zhang、Hui Hu（西南大学）、Jiemin Yang（西南大学心理学部）、Wenyan Jia（匹兹堡大学神经外科系）合作完成，发表于IEEE Transactions on Affective Computing期刊2020年1-3月刊。

学术背景

研究领域与动机
社交焦虑（social anxiety）是一种因真实或想象中的社会评价压力引发的负面情绪，可导致心血管功能损伤和社交能力下降。现有研究多关注焦虑对心率变异性（HRV, heart rate variability）的短期影响，但缺乏对心跳动态复杂性（如多分形特性）的深入分析。本研究基于自主神经系统（ANS, autonomic nervous system）对心脏的调控机制，提出通过心率特征（如局部赫斯特指数范围RLHE, range of local Hurst exponents）量化焦虑状态，并构建实时监测系统。

科学问题
传统心率变异性指标（如低频/高频功率）无法全面反映交感-副交感神经竞争导致的动态复杂性变化。RLHE此前用于病理状态（如心力衰竭）的长期分析，但未应用于短期情绪状态（如焦虑）的检测。本研究旨在：(1) 验证RLHE在焦虑状态下的敏感性；(2) 开发基于多特征融合的实时焦虑分类模型；(3) 在真实场景（如论文答辩）中验证模型泛化能力。

研究流程与方法

1. 实验设计

对象与样本量
- 公开演讲实验：59名大学生（17-20岁），分两组（第一组37人，第二组22人），通过改良版Trier社交压力测试（TSST）诱发焦虑。
- 论文答辩实验：9名研究生，采集真实答辩场景下的心电图（ECG）数据。

焦虑诱发协议
- 高焦虑组：受试者在21名观众前演讲，观众记录其焦虑症状（如出汗、颤抖）。
- 低焦虑组：相同任务但无观众参与，作为基线对照。

数据采集
- 使用MP150多通道生理记录仪（400Hz采样率）和Shimmer3 ECG设备（512Hz）采集ECG信号。
- 同步记录皮肤电导（EDA）和脉搏（仅公开演讲实验）。

2. 特征提取与算法

心跳特征
共提取12项特征，包括：
1. RR间期标准差（SDNN）
2. 高频功率（0.15-0.4Hz）
3. 局部赫斯特指数范围（RLHE）——本研究核心创新特征，通过小波变换（高斯小波，尺度8.05-18.76）计算多分形特性。

实时处理流程
- R峰检测：自适应滑动窗口算法（窗口长度1.2-1.5倍最新RR间期），手动校正误差。
- 数据分段：104次心跳的滑动窗口，步长1次心跳，模拟实时监测。

3. 数据分析

统计检验
- 双样本t检验验证高/低焦虑状态下RLHE的差异性（p<0.001）。
- 支持向量机（SVM）分类器结合特征选择（后向消除法），最优特征组合为SDNN、高频功率、RR间期均值差和RLHE。

模型验证
- 五折交叉验证：准确率84.88%（高焦虑）、97.29%（低焦虑）。
- 真实场景测试：论文答辩中高焦虑状态检测准确率81.82%。

主要结果

1. RLHE的显著性
   高焦虑状态下RLHE显著降低（p=0.00001，效应量Cohen’s d=1.9544），表明焦虑导致心跳动态复杂性下降。
   
2. 分类性能
   SVM模型在交叉验证中F1分数达0.9050；RLHE的剔除使分类错误增加9.2%，凸显其重要性。
   
3. 实时系统验证
   基于Shimmer3设备的原型系统延迟秒，RR间期实时计算误差RMSE=2.3483×10⁻⁵。
   

结论与价值

科学意义
- 首次证实RLHE可作为急性社交焦虑的敏感指标，拓展了多分形理论在情感计算中的应用。
- 提出“自主神经反应累积效应”假说，为焦虑与心血管疾病的长期关联研究提供新思路。

应用价值
- 实时监测系统可用于临床焦虑干预或日常压力管理，如答辩、演讲等场景的即时反馈。

研究亮点

1. 方法创新
   

• 开发自适应R峰检测算法，解决弱QRS波群导致的定位误差。
  
• 优化RLHE计算尺度（8.05-18.76），首次适配短期情绪状态分析。
  

1. 跨场景验证
   通过实验室（TSST）和真实场景（答辩）双验证，增强模型泛化性。
   
2. 开源贡献
   相关ECG数据与算法代码可通过期刊数字图书馆获取。
   

其他价值
研究获中国国家自然科学基金（61103132）、美国NIH（R01CA165255）等资助，体现其跨学科合作价值。