跳到主要内容

Flowtime 坐垫

硬件说明​

Flowtime 坐垫内置了压电和压阻信号传感器，其中压电信号可提取脉搏波、呼吸等生理特征，压阻信号可用于显示是否坐下。

在准备开发前，你可能需要了解的设备参数如下，如需了解更多详细参数请参考 Flowtime 坐垫硬件说明。

Flowtime 坐垫 1 Flowtime 坐垫 2

  • 设备参数
    • 压电信号采集
      • 采样率：125 Hz
      • 采样精度：12 位
    • 压阻信号采集
      • 采样率：25Hz

使用数据采集软件​

  • 如果你只需对原始信号进行离线分析，可以使用我们已经开发好的心流实验 App来采集数据，并通过情感云管理后台（链接）下载原始数据文件。
  • 如果你具备一定的软件开发能力，你还可以利用我们提供的开发资源来开发自己的应用，从而实时获取原始信号并进行分析。

连接设备​

  • 如果你使用心流实验 App 来采集数据，那么你可以根据心流实验 App 使用说明的操作来连接设备并采集数据。
  • 如果你使用开发资源来采集数据，可参考下面的操作：
    • 第一次绑定设备，长按按键直至指示灯亮起，设备开机并进入广播状态，此时可以在数据采集软件中搜索并连接设备。开机后设备会一直广播直到关机。
    • 之后每次使用无需长按按键，直接坐上垫子指示灯即会亮起，设备开机并进入广播状态。
    • 设备连接主机后指示灯将切换到长亮状态，此时可以通过指令控制设备进行数据采集等操作。
提示

开机时，如果长按设备按键，仍旧没有灯亮，说明设备已经没电。此时先给设备充电，10 分钟后再尝试开机。充电教程请参考 Flowtime 坐垫充电说明。

因为指示灯比较耗电，所以状态指示灯会在 2 分钟后熄灭（充电过程中不会熄灭）。此时并不代表设备休眠或者关机。单击按键，指示灯会重新亮起。

坐下与坐姿​

由于压电信号传感器对压力的细微变化十分灵敏，为保证采集到信号质量良好的数据，请参考以下说明使用 Flowtime 坐垫。

第一次使用​

  • 提起坐垫上垫，拍打并抖动几下，使内部荞麦壳恢复流动性。
  • 将上垫放于下垫上方。
  • 多次按压并晃动上垫，使荞麦壳把上垫的几个角填实。
  • 按照每次坐下进行使用。

每次坐下​

  • 轻轻拍打上垫，使表面平整。
  • 坐在上垫前部，双腿盘于下垫。
  • 轻轻晃动身体，让坐垫更贴合臀部和腿部。
  • 调整坐姿，使身体重心位于坐垫靠前的位置，并在体验过程中保持身体的稳定。
  • 过程中由于轻微动作可能导致短暂的信号质量不佳，保持稳定坐姿后可恢复正常。
  • 如果过程中频繁出现信号质量不佳，可能是传感器接触不良，此时参考第一次使用重新坐下。

获取原始信号​

  • 使用 Flowtime 坐垫可采集压电压阻（pepr）数据，压电信号可用于提取脉搏波和呼吸特征，压阻信号可用于判断是否坐下。
  • 如果你使用我们提供的心流实验 App 并按照心流实验 App 使用说明来采集数据，那么你可以通过情感云管理后台下载原始数据文件，从中读取并解析得到原始信号。我们将在下文提供详细的操作步骤。
  • 如果你使用我们提供的设备管理 SDK 来开发应用，并按照上面的步骤采集数据，那么你可以参考使用设备管理 SDK 获取原始信号来进行操作。

原始数据文件下载​

  • 登录情感云管理后台。
  • 在使用记录中选择生物数据分析服务，找到目标记录。
  • 点击操作一列中的下载原始数据，可以得到压缩的原始数据文件，后缀名 .pepr。

原始数据文件

原始数据文件解压​

  • 情感云管理后台直接下载得到的原始数据文件是 gzip 压缩的，在读取之前需要先解压缩。
  • 如果你的电脑中安装了 .zip 解压缩软件，你可以将下载的压缩原始数据文件后缀名更改为 .zip，并用解压缩软件直接解压，得到可以打开的文本文件。
  • 如果你正在使用 Python，你也可以通过代码的方式来解压缩。
import gzip
import json

with open(path, 'rb') as fr:  # path为压缩文件的路径
    content = fr.read()
    bin_data = gzip.decompress(content)
json_data = json.loads(bin_data)
with open(path + '_unz', 'w') as f:  # path+'_unz'为解压缩后的文件保存路径
    json.dump(json_data, f)

原始数据文件读取​

  • 解压缩后的文件可直接读取为 json，读取data字段中raw字段保存的数组，即为十进制无符号 int 型原始数据。例如：[0,0,119,7,236,...,136,214,58]。
  • 具体的原始数据文件格式可参考原始数据文件协议。
  • 如果你正在使用 Python，你也可以直接利用下面的代码从解压后的文件中读取十进制无符号 int 型原始数据。
import json

with open(path, 'r') as f:  # path为解压缩后的文件的路径
    content = json.load(f)
raw_data = content.get('data').get('raw')  # raw_data 即为十进制无符号 int 型原始数据

原始信号解析​

  • 从原始数据文件中读取得到的十进制无符号 int 型原始数据是当次会话中所有数据包拼接而成的，因此需要先按照不同数据类型的数据包长度拆分成独立的数据包。
  • 拆分后得到的独立数据包根据压电压阻数据协议解析可得到每个数据包的原始信号。
  • 将每个数据包解析得到的原始信号拼接，可得到当次会话完整的原始信号。
  • 如果你正在使用 Python，你也可以直接利用下面的代码获得解析后的原始信号。

压电压阻数据解析​

# 拆分成独立数据包
pkg_list = [raw_data[i:i+15] for i in range(0, len(raw_data), 15)]  # raw_data 为十进制无符号 int 型原始数据
# 初始化
pe_data = []  # 解析后压电原始信号
pr_data = []  # 解析后压阻原始信号
# 解析
for pkg in pkg_list:
    for j in range(5):
        pe_point = pkg[j*2+2]*2**8 + pkg[j*2+3]
        pe_data.append(pe_point)
    pr_point = pkg[12]*2**8 + pkg[13]
    pr_data.append(pr_point)

典型的压电压阻原始信号如下图，由于压电传感器对压力变化十分灵敏，通过压电信号可以反映人体的脉搏波、呼吸等特征，而压阻信号可以反映人体与传感器之间的压力，可用于显示人体与传感器之间是否接触良好。

压电压阻原始信号

参考内容​