可穿戴皮肤电反应（GSR）测量技术：原理、方法与工程实现

一、引言

皮肤电反应是情绪与生理唤醒研究中最经典的生理信号之一。当个体经历心理或生理应激时，交感神经系统激活汗腺活动，导致皮肤电导率发生可测量的变化。近年来，随着可穿戴传感技术的成熟，GSR测量已从实验室环境扩展到自然场景下的连续监测，广泛应用于情感计算、人因工程、临床心理学及运动科学等领域。

本文从工程技术与信号处理的角度，系统介绍GSR的生理基础、测量原理、关键电路设计、信号预处理方法及典型系统架构，旨在为研究人员提供一份客观的技术参考。

二、生理基础与信号模型

2.1 皮肤电活动的生理机制

皮肤电活动由外泌汗腺驱动，这类汗腺在手掌、足底、前额等区域密度最高，主要受交感神经胆碱能纤维支配。与体温调节性出汗不同，情绪性出汗几乎不受热环境影响，而是由心理刺激（惊吓、焦虑、兴奋）或认知负荷触发。

2.2 信号的双成分模型

工程化GSR分析通常将信号分解为两个相互正交的成分：

- 强直性皮肤电导水平：缓慢变化的基线成分（时间常数通常在数十秒至数分钟），反映个体的基础唤醒水平或自主神经张力。
- 相位性皮肤电反应：快速瞬态响应（上升时间1-3秒，恢复时间2-10秒），由单一离散刺激引发，通常称为"皮肤电导反应"。

将信号分解为这两个成分是量化情绪唤醒度和刺激特异性响应的关键步骤。

三、测量原理与电路设计

3.1 基本测量方法

GSR通过监测施加在皮肤表面的两个电极之间的电导变化来实现。测量电路通常采用交流激励法或直流恒压法。

当前主流可穿戴系统普遍采用直流恒压法，其原理为：在两个电极之间施加一个恒定的低电压（典型值0.5V-1.0V），根据欧姆定律，通过测量流经皮肤的电流来计算电导：

G = I / V_applied

其中G为皮肤电导，单位为微西门子（µS）；I为实测电流。

3.2 关键电路模块

一套完整的GSR模拟前端通常包含以下模块：

| 模块                 | 功能描述                                                     |
| -------------------- | ------------------------------------------------------------ |
| 恒压源               | 提供稳定的低电压激励，通常带有限流保护（<10µA）以防止组织刺激 |
| 电流-电压转换器       | 将流经皮肤的微弱电流（nA-µA级）转换为可测量的电压信号        |
| 可编程增益放大器     | 根据不同被试者的基线电导水平自动调节增益，扩展动态范围       |
| 抗混叠滤波器         | 低通滤波（典型截止频率10-20Hz），抑制工频噪声和高频干扰      |
| 模数转换器           | 16-24位分辨率，采样率通常设置为10-100Hz（GSR信号能量集中在0-15.9Hz） |

3.3 电极与接口设计

干式不锈钢电极或Ag/AgCl湿式电极均可用于GSR采集。在可穿戴应用中，干式电极因其无需导电凝胶、可重复使用且佩戴更便捷而更受青睐。电极通常放置于非惯用手的食指和中指指腹（静态实验室场景）或手腕/前臂（可穿戴场景）。

关键的接口设计要求包括：
- 输入保护：RF/EMI滤波网络，防止射频干扰耦合到信号通路
- 偏置电流路径：为高阻抗输入级提供直流偏置回路
- 静电放电保护：TVS二极管阵列，防止电极插拔过程中的静电损伤

四、信号预处理与分析方法

4.1 去噪与伪迹处理

原始GSR信号易受以下干扰影响：
- 运动伪迹：电极与皮肤间的相对位移引起基线跳变
- 工频噪声：50/60Hz电磁干扰
- 呼吸与脉搏波调制：低频生理噪声

常规预处理流程包括：
1. 带通滤波（0.05Hz-15Hz）去除极低频漂移和高频噪声
2. 陷波滤波（50/60Hz）抑制工频干扰
3. 基于阈值的运动伪迹检测与插值修复

4.2 相位性成分提取

将GSR信号分解为强直性和相位性成分的主流算法包括：
- 平滑与减法：使用低通滤波器（如中值滤波或移动平均）估计基线，原始信号减去基线得到相位性成分
- 凸优化分解：如cvxEDA算法，基于模型驱动的框架将信号分解为三个分量（强直性、相位性、噪声）
- 小波变换：利用多尺度分解分离不同时间尺度的成分

4.3 常用特征参数

| 特征类别     | 典型参数                               | 生理意义                     |
| ------------ | -------------------------------------- | ---------------------------- |
| 时域         | 皮肤电导水平均值、方差                 | 整体唤醒水平                 |
| 事件相关     | 反应幅值、上升时间、半恢复时间         | 特定刺激的强度与持续时间     |
| 频域         | 低频功率（0-0.2Hz）、高频功率          | 交感神经张力                 |
| 非线性       | 样本熵、去趋势波动分析指数             | 信号复杂度与自主调节能力     |

五、可穿戴系统架构设计

5.1 系统级组成

一个完整的可穿戴GSR测量系统通常包含以下层次：

1. 传感器层：GSR模拟前端、辅助传感器（惯性测量单元、光学脉搏传感器等）
2. 数据处理层：微控制器（MCU）执行实时滤波、特征提取或原始数据打包
3. 通信层：蓝牙（经典或低功耗）实现数据实时传输，或存储至板载存储介质
4. 电源管理层：锂离子电池、充电管理电路及低功耗电源轨

5.2 多模态同步采集

单一GSR信号提供的情绪信息有限。现代研究系统通常将GSR与其他生理信号同步采集：
- 惯性测量单元：记录身体运动，用于运动伪迹的离线校正或活动上下文标注
- 光电容积描记：计算心率及心率变异性，与GSR联合评估自主神经系统状态
- 皮肤温度：辅助区分情绪性出汗与热性出汗

多模态数据的时间同步精度通常要求达到毫秒级，以确保跨信号的事件对齐准确性。

5.3 低功耗设计考量

连续可穿戴应用对功耗敏感。常见低功耗策略包括：
- 采用低功耗MCU（如Cortex-M系列）并优化时钟管理
- 使用低漏电流的模拟前端
- 根据信号活动水平动态调整采样率和无线发射功率
- 利用板载存储进行间断性记录，减少无线传输开销

六、典型应用场景的技术实现要点

6.1 情感计算与神经营销

技术挑战：需要区分由外部刺激引发的相位性反应与自发的基线波动。

解决方案：
- 采用事件锁定平均技术，叠加多次刺激试次的GSR响应
- 结合眼动追踪数据进行注视与反应的时间对齐
- 使用基线校正（刺激前2-5秒的平均值作为参考）

6.2 运动科学与人因工程

技术挑战：运动产生的伪迹可完全淹没真实的GSR信号。

解决方案：
- 将电极置于运动较少的位置（如前臂屈侧）
- 同步采集三轴加速度数据，采用自适应滤波或独立成分分析去除运动伪迹
- 在分析前剔除加速度能量超过阈值的时间窗口

6.3 临床健康监测

技术挑战：长期监测中电极与皮肤接触状态的缓慢变化。

解决方案：
- 定期注入阻抗测量信号，实时监测电极-皮肤接触阻抗
- 采用自动增益控制电路适应基线的日间漂移
- 部署异常检测算法，识别电极脱落或接触不良

七、技术挑战与未来方向

7.1 当前主要挑战

- 个体间变异性：基线皮肤电导水平在不同个体间可相差两个数量级
- 情境混淆：无法单纯从GSR区分正性情绪与负性情绪（高唤醒但不区分效价）
- 长时间漂移：数小时监测中的缓慢基线漂移难以与心理状态变化分离

7.2 技术发展趋势

- 柔性电子：可拉伸、透气的皮肤贴合电极，减少运动伪迹和佩戴不适
- 边缘计算：在可穿戴设备端实时完成信号分解与特征提取，降低无线传输负担
- 多模态融合：结合GSR、PPG、皮肤温度及IMU的深度神经网络模型，实现更准确的情绪分类
- 开放数据集与基准：推动算法复现与性能比较的标准化

八、结语

皮肤电反应测量技术经过数十年的发展，已从实验室专用仪器演进为轻量化、低功耗的可穿戴系统。其核心工程挑战在于：在真实场景的运动干扰和接触变化条件下，仍能稳定采集高信噪比的信号，并从中提取有生理行为学意义的特征。随着传感器硬件、信号处理算法及边缘计算能力的持续进步，GSR正成为情感人机交互与数字健康领域不可或缺的生理测量维度。