--- title: AD-SensorDataFactory 合成数据生成器设计方案 (v0) type: method last_updated: 2026-04-25 status: working_hypothesis sources: - raw/source_docs/plan_2026-03-13.md - code/scripts/legacy/baseline48_generate_synthetic_ad.py - raw/sensor_data/synthetic_4.8/ - raw/sensor_data/synthetic_v0/ see_also: - wiki/methods/synthetic_data_review.md - wiki/methods/synthetic_data_methods_landscape.md - wiki/synthesis/what_we_dont_know.md --- > ⚠️ **Status: Working hypothesis — under review (registered 2026-04-25).** > The user has flagged the synthetic-data design as not necessarily correct. > Treat any claim on this page as provisional. Before relying on it, read > [`synthetic_data_review.md`](synthetic_data_review.md) — the open-questions > ledger that lists what these rules assume, why those assumptions might be > wrong, and what we'd need to verify them. The CSVs under > `raw/sensor_data/synthetic_4.8/` and `raw/sensor_data/synthetic_v0/` are > preserved as artifacts of this v0 design but should not be treated as > validated training data. --- # AD-SensorDataFactory 合成数据生成器设计方案 **Parametric Synthetic Sensor Data Generator for AD Wearable Glove System** --- # 一、设计背景 ## 1.1 为什么需要一个专门的DataFactory 当前项目合成数据面临三个核心问题： 1. 格式不一致：现有 `synthetic.py` 生成的是预处理后的特征值（gait_speed, sdnn, ttr），但硬件手套产出的是原始传感器信号（`gsr_filtered`, `ppg_ir`, `imu_ax/ay/az_mps2`），两者格式完全不同 2. 缺乏模块化：所有生成逻辑混在一个文件中，难以独立测试、扩展和版本管理 3. 与真实数据脱节：参数来自文献统计量，未与实际硬件采集的信号范围校准 ## 1.2 VBVR DataFactory 的启示 VBVR (A Very Big Video Reasoning Suite, arXiv:2602.20159) 虽然面向视频推理，但其 DataFactory 架构是合成数据工程的典范。该项目包含 150+ 独立 data generator，每个是自包含的GitHub 仓库，通过统一接口 `Generator(seed, params) → standardized output` 实现参数化、确定性、无限量的数据生成。 ### VBVR 核心设计原则与本项目映射 | VBVR 设计原则 | VBVR 实现 | 本项目映射 | |--------------|----------|-----------| | **模块化生成器** | 150+ 独立 generator，每个一个仓库，自包含运行 | 每种活动/BPSD 事件 = 一个独立 generator 模块 | | **参数化无限生成** | `Generator(seed, params) → data`，无固定数据集大小 | `ActivityGenerator(seed, stage, profile) → CSV rows`，无限生成 | | **确定性可复现** | 相同 seed 产生完全相同的输出 | `np.random.default_rng(seed)` 控制所有随机过程 | | **认知分类学** | 5 大认知类别（感知/抽象/空间/变换/知识） | AD 临床维度（运动/自主神经/情绪行为/BPSD事件） | | **标准化输出接口** | 统一 `first_frame.png + prompt.txt + ground_truth.mp4 + metadata.json` | 统一 CSV 行（与硬件格式一致）+ `metadata.json` | | **模板驱动开发** | `template-data-generator` 基础模板，所有 generator 继承 | `BaseActivityGenerator` 基类，所有活动 generator 继承 | | **质量元数据** | `question_metadata.json` 记录生成参数和分类标签 | `generation_metadata.json` 记录 seed、stage、profile、事件注入列表 | ### VBVR 的关键洞察 VBVR 将合成数据生成分解为**独立的、参数化的、可组合的生成器**。每个 generator： 1. 接受**语义参数**（物理定律系数、空间关系），不是低层噪声 2. 内部实现**确定性模拟引擎**，程序化生成数据 3. 产出**标准化格式**的输出，下游系统直接消费 4. 可独立开发、测试、版本管理 这些原则直接适用于传感器数据合成。 --- # 二、真实传感器数据基线 ## 2.1 数据来源 文件：`data/all_sensors_log_withLabel20260326_093901.csv` - **采集对象**：正常人（健康志愿者） - **采集时长**：约 4 分钟（240.6 秒） - **采样率**：~50Hz（间隔 ~20ms） - **总数据量**：26,776 行 - **活动序列**：坐→走→跑→坐→走→手抖→坐 - **CSV 列**：`t_ms, gsr_filtered, ppg_ir, hr_bpm_avg, imu_ax_mps2, imu_ay_mps2, imu_az_mps2, imu_steps, env_temp_c, env_humidity_rh, env_pressure_pa, env_altitude_m, label` ## 2.2 各活动的统计参数（Normal 阶段 Ground Truth） 以下参数直接从真实采集数据中提取，作为合成数据的正常人基线： | 特征 | idle (N=9961) | walking (N=9967) | running (N=2925) | trembling (N=3923) | |------|:---:|:---:|:---:|:---:| | **SVM 均值** | 9.70 | 10.47 | 12.95 | 10.16 | | **SVM 标准差** | 0.37 | 1.45 | 5.53 | 2.91 | | **GSR 均值** | 1688 | 1705 | 1598 | 1678 | | **GSR 标准差** | 79 | 58 | 44 | 39 | | **PPG_IR 均值** | 91145 | 90812 | 91195 | 91084 | | **PPG_IR 标准差** | 1130 | 991 | 562 | 464 | | **HR 均值 (bpm)** | 69 | 64 | 67 | 76 | | **HR 标准差** | 10 | 5 | 12 | 5 | | **Temp 均值 (°C)** | 25.62 | 25.79 | 25.70 | 25.60 | | **Temp 标准差** | 0.81 | 0.75 | 0.39 | 0.23 | | **Humidity 均值 (%)** | 31.69 | 30.85 | 30.97 | 32.31 | | **Humidity 标准差** | 0.71 | 0.63 | 0.49 | 0.56 | ### 关键发现（指导合成策略） 1. **SVM 是活动区分的主特征**：idle(9.70) → walking(10.47) → running(12.95)，差异显著 2. **trembling 的特征在变异性而非均值**：SVM 均值 10.16（接近 idle 的 9.70），但标准差 2.91（是 idle 0.37 的 8 倍）→ 合成 trembling 时关键是增大方差，不是增大均值 3. **GSR 在高强度运动时下降**：running(1598) < idle(1688)，可能是血流再分配效应 → 合成时不能简单假设"运动↑→GSR↑" 4. **HR 在 trembling 态最高(76)**：可能反映焦虑/紧张状态 → 合成 BPSD 相关震颤时应同步提升 HR 5. **环境传感器变化缓慢**：温度 25.6-25.8°C、湿度 30.9-32.3%，活动间差异微小 → 合成时环境通道用缓慢漂移模型即可 6. **PPG_IR 的活动差异不大**：各活动间均值差异 <0.5% → PPG_IR 本身不是活动区分特征，HR 的提取才是关键 --- # 三、架构设计 ## 3.1 目录结构 ``` AD-SensorDataFactory/ │ ├── generators/ # 独立生成器模块 │ ├── base_generator.py # 基类 BaseActivityGenerator │ ├── idle_generator.py # 静坐态 │ ├── walking_generator.py # 行走态 │ ├── tremor_generator.py # 震颤态（AD 特异性） │ ├── sundowning_generator.py # 日落综合征事件 │ ├── agitation_generator.py # 激越事件 │ ├── wandering_generator.py # 徘徊事件 │ ├── apathy_generator.py # 淡漠态 │ └── sleep_disorder_generator.py # 睡眠障碍事件 │ ├── composers/ # 组合器 │ ├── daily_composer.py # 一天的活动序列编排 + 昼夜节律 │ └── longitudinal_composer.py # 多日/多月的疾病进展轨迹 │ ├── profiles/ # 参数配置 │ ├── normal_baseline.py # 正常人基线（来自真实采集） │ ├── stage_profiles.py # 各 AD 阶段的调制参数 │ ├── bpsd_templates.py # BPSD 事件模板 │ └── patient_templates.py # 个性化患者模板 │ ├── coupling/ # 跨模态耦合 │ ├── physiological_rules.py # 生理耦合规则引擎 │ └── covariance_model.py # 数据驱动的协方差模型 │ ├── validators/ # 质量验证 │ └── quality_checks.py # 统计一致性 + 跨模态相关性检查 │ └── factory.py # 主入口 ``` ## 3.2 BaseActivityGenerator（模板类） 参照 VBVR 的 `template-data-generator`，定义所有 generator 的统一接口： ```python from abc import ABC, abstractmethod import numpy as np import pandas as pd class BaseActivityGenerator(ABC): """ 传感器活动数据生成器基类。 设计原则（借鉴 VBVR）： 1. 参数化：接受语义参数（AD阶段、基线值），不是低层噪声 2. 确定性：相同 seed 产生相同输出 3. 标准化输出：CSV 列与硬件采集格式完全一致 """ # 标准输出列（与硬件 CSV 一致） COLUMNS = [ 't_ms', 'gsr_filtered', 'ppg_ir', 'hr_bpm_avg', 'imu_ax_mps2', 'imu_ay_mps2', 'imu_az_mps2', 'imu_steps', 'env_temp_c', 'env_humidity_rh', 'env_pressure_pa', 'env_altitude_m', 'label' ] def __init__(self, seed: int, stage: str, patient_profile: dict): """ Args: seed: 随机种子（确定性可复现） stage: AD 阶段 ('normal', 'scd', 'mci', 'mild_ad', 'moderate_ad', 'severe_ad') patient_profile: 个性化参数 { 'baseline_hr': float, # 静息心率基线 'baseline_gsr': float, # GSR 基线 'baseline_ppg_ir': float, # PPG IR 基线 'baseline_temp': float, # 环境温度基线 'baseline_humidity': float, # 环境湿度基线 'age': int, 'gender': str, } """ self.rng = np.random.default_rng(seed) self.seed = seed self.stage = stage self.profile = patient_profile self.stage_modifier = self._get_stage_modifier() def generate(self, duration_seconds: float, start_t_ms: int = 0, sampling_rate: int = 50) -> pd.DataFrame: """ 生成一段活动的多模态传感器数据。 Args: duration_seconds: 持续时长（秒） start_t_ms: 起始时间戳（毫秒） sampling_rate: 采样率（Hz），默认50 Returns: pd.DataFrame，列与硬件 CSV 完全一致 """ n_samples = int(duration_seconds * sampling_rate) interval_ms = 1000 / sampling_rate # 各模态独立生成 imu_data = self._generate_imu(n_samples) ppg_data = self._generate_ppg(n_samples) eda_data = self._generate_eda(n_samples) env_data = self._generate_env(n_samples) # 时间戳 timestamps = [int(start_t_ms + i * interval_ms) for i in range(n_samples)] # 组装 DataFrame df = pd.DataFrame({ 't_ms': timestamps, 'gsr_filtered': eda_data['gsr_filtered'], 'ppg_ir': ppg_data['ppg_ir'], 'hr_bpm_avg': ppg_data['hr_bpm_avg'], 'imu_ax_mps2': imu_data['ax'], 'imu_ay_mps2': imu_data['ay'], 'imu_az_mps2': imu_data['az'], 'imu_steps': imu_data['steps'], 'env_temp_c': env_data['temp'], 'env_humidity_rh': env_data['humidity'], 'env_pressure_pa': env_data['pressure'], 'env_altitude_m': env_data['altitude'], 'label': self.label }) return df @property @abstractmethod def label(self) -> str: """活动标签（与硬件采集的 label 列一致）""" @abstractmethod def _generate_imu(self, n_samples: int) -> dict: """生成 IMU 数据：ax, ay, az, steps""" @abstractmethod def _generate_ppg(self, n_samples: int) -> dict: """生成 PPG 数据：ppg_ir, hr_bpm_avg""" @abstractmethod def _generate_eda(self, n_samples: int) -> dict: """生成 EDA 数据：gsr_filtered""" def _generate_env(self, n_samples: int) -> dict: """生成环境数据（所有活动共享 — 缓慢漂移模型）""" base_temp = self.profile.get('baseline_temp', 25.7) base_hum = self.profile.get('baseline_humidity', 31.5) # 缓慢随机漂移（布朗运动） temp_drift = np.cumsum(self.rng.normal(0, 0.001, n_samples)) hum_drift = np.cumsum(self.rng.normal(0, 0.002, n_samples)) return { 'temp': base_temp + temp_drift, 'humidity': base_hum + hum_drift, 'pressure': np.full(n_samples, 101943.0) + self.rng.normal(0, 0.5, n_samples), 'altitude': np.full(n_samples, -53.5) + self.rng.normal(0, 0.05, n_samples), } def _get_stage_modifier(self) -> dict: """获取 AD 阶段调制因子""" modifiers = { 'normal': {'activity': 1.0, 'stride_var': 1.0, 'hr': 1.0, 'gsr': 1.0, 'tremor_prob': 1.0}, 'scd': {'activity': 0.92, 'stride_var': 1.4, 'hr': 1.0, 'gsr': 0.95, 'tremor_prob': 1.5}, 'mci': {'activity': 0.80, 'stride_var': 2.0, 'hr': 1.05, 'gsr': 0.90, 'tremor_prob': 3.0}, 'mild_ad': {'activity': 0.67, 'stride_var': 2.8, 'hr': 1.10, 'gsr': 0.85, 'tremor_prob': 5.0}, 'moderate_ad': {'activity': 0.50, 'stride_var': 4.0, 'hr': 1.15, 'gsr': 0.80, 'tremor_prob': 8.0}, 'severe_ad': {'activity': 0.25, 'stride_var': 6.0, 'hr': 1.20, 'gsr': 0.75, 'tremor_prob': 12.0}, } return modifiers.get(self.stage, modifiers['normal']) def get_metadata(self) -> dict: """生成元数据（类比 VBVR 的 question_metadata.json）""" return { 'generator': self.__class__.__name__, 'seed': self.seed, 'stage': self.stage, 'patient_profile': self.profile, 'stage_modifier': self.stage_modifier, 'label': self.label, } ``` ## 3.3 具体 Generator 实现示例 ### IdleGenerator（静坐态） ```python class IdleGenerator(BaseActivityGenerator): """ 静坐态生成器。 参数来源：真实数据 idle 态统计 - SVM: 9.70 ± 0.37（极低变异 — 静止状态） - GSR: 1688 ± 79 - HR: 69 ± 10 bpm - PPG_IR: 91145 ± 1130 """ @property def label(self) -> str: return 'idle' def _generate_imu(self, n_samples): mod = self.stage_modifier # 静坐时 IMU 主要是重力分量 + 微小抖动 # 真实数据: ax~1.39, ay~1.05, az~-9.55 (重力方向) ax = 1.39 + self.rng.normal(0, 0.05 * mod['stride_var'], n_samples) ay = 1.05 + self.rng.normal(0, 0.05 * mod['stride_var'], n_samples) az = -9.55 + self.rng.normal(0, 0.03 * mod['stride_var'], n_samples) # AD 患者静坐时可能有不自主震颤叠加 if self.rng.random() < 0.1 * mod['tremor_prob']: tremor_mask = self._inject_micro_tremor(n_samples) ax += tremor_mask * self.rng.normal(0, 0.3, n_samples) ay += tremor_mask * self.rng.normal(0, 0.3, n_samples) return { 'ax': ax, 'ay': ay, 'az': az, 'steps': np.zeros(n_samples, dtype=int) } def _generate_ppg(self, n_samples): mod = self.stage_modifier baseline_hr = self.profile.get('baseline_hr', 69) * mod['hr'] baseline_ppg = self.profile.get('baseline_ppg_ir', 91145) # HR: 缓慢波动（呼吸性窦性心律不齐 + 随机漂移） hr = baseline_hr + self.rng.normal(0, 3, n_samples) hr = np.clip(hr, 45, 120) # PPG_IR: 基线 + 与 HR 轻微反相关 ppg_ir = baseline_ppg + self.rng.normal(0, 500, n_samples) return {'ppg_ir': ppg_ir.astype(int), 'hr_bpm_avg': hr.astype(int)} def _generate_eda(self, n_samples): mod = self.stage_modifier baseline_gsr = self.profile.get('baseline_gsr', 1688) * mod['gsr'] # GSR: tonic 缓慢漂移 + 偶尔的 phasic 响应（NS-SCR） tonic = baseline_gsr + np.cumsum(self.rng.normal(0, 0.1, n_samples)) # 非特异性 SCR: 每分钟 1-5 次随机 spike scr_rate = 3 / 60 / 50 # 3次/分钟, 50Hz采样 scr_events = self.rng.random(n_samples) < scr_rate scr_signal = np.zeros(n_samples) for i in np.where(scr_events)[0]: decay = np.exp(-np.arange(min(100, n_samples - i)) / 30) # 2秒衰减 scr_signal[i:i+len(decay)] += self.rng.uniform(5, 30) * decay return {'gsr_filtered': (tonic + scr_signal).astype(int)} def _inject_micro_tremor(self, n_samples): """注入微弱的不自主震颤（AD 患者特有）""" # 3-6Hz 的不规则震颤 t = np.arange(n_samples) / 50.0 freq = self.rng.uniform(3, 6) tremor = np.sin(2 * np.pi * freq * t + self.rng.uniform(0, 2*np.pi)) # 间歇性出现（不是持续的） envelope = np.zeros(n_samples) burst_starts = self.rng.choice(n_samples, size=max(1, n_samples//500), replace=False) for start in burst_starts: burst_len = self.rng.integers(25, 150) # 0.5-3秒 end = min(start + burst_len, n_samples) envelope[start:end] = 1.0 return tremor * envelope ``` ### WalkingGenerator（行走态） ```python class WalkingGenerator(BaseActivityGenerator): """ 行走态生成器。 参数来源：真实数据 walking 态统计 - SVM: 10.47 ± 1.45（周期性步态模式） - GSR: 1705 ± 58 - HR: 64 ± 5 bpm - 特征: 步态周期性（~2Hz正常步频） """ @property def label(self) -> str: return 'walking' def _generate_imu(self, n_samples): mod = self.stage_modifier t = np.arange(n_samples) / 50.0 # 时间轴（秒） # 步态基频: 正常 ~1.8-2.0 Hz, AD 患者逐步降低 cadence_hz = self.rng.uniform(1.8, 2.0) * mod['activity'] # 步态周期性信号 + 随机变异 # 步态变异性 (stride-to-stride CV) 是 AD 的核心指标 stride_noise = self.rng.normal(0, 0.1 * mod['stride_var'], n_samples) gait_signal = np.sin(2 * np.pi * cadence_hz * t + np.cumsum(stride_noise)) # 三轴加速度（手部佩戴 → 摆臂运动模式） ax = 1.39 + 0.8 * gait_signal + self.rng.normal(0, 0.3 * mod['stride_var'], n_samples) ay = 1.05 + 0.5 * np.sin(2 * np.pi * cadence_hz * t * 2) + self.rng.normal(0, 0.2, n_samples) az = -9.55 + 0.3 * gait_signal + self.rng.normal(0, 0.15, n_samples) # 步数累计（每个步态周期 +1） peaks = np.diff(np.sign(np.diff(gait_signal))) < -1 steps = np.cumsum(np.concatenate([[0, 0], peaks.astype(int)])) return {'ax': ax, 'ay': ay, 'az': az, 'steps': steps} def _generate_ppg(self, n_samples): mod = self.stage_modifier baseline_hr = self.profile.get('baseline_hr', 64) * mod['hr'] # 行走时 HR 轻微提升 + 步态耦合的微小波动 hr_walk = baseline_hr + self.rng.uniform(3, 8) hr = hr_walk + self.rng.normal(0, 2, n_samples) ppg_ir = self.profile.get('baseline_ppg_ir', 90812) + self.rng.normal(0, 400, n_samples) return {'ppg_ir': ppg_ir.astype(int), 'hr_bpm_avg': hr.astype(int)} def _generate_eda(self, n_samples): mod = self.stage_modifier baseline_gsr = self.profile.get('baseline_gsr', 1705) * mod['gsr'] # 行走时 GSR 轻微上升（轻度交感激活） tonic = baseline_gsr + np.cumsum(self.rng.normal(0, 0.05, n_samples)) return {'gsr_filtered': tonic.astype(int)} ``` ### TremorGenerator（震颤态 — AD 特异性） ```python class TremorGenerator(BaseActivityGenerator): """ 震颤态生成器。 参数来源：真实数据 trembling 态统计 - SVM 均值: 10.16 (接近 idle) - SVM 标准差: 2.91 (是 idle 的 8 倍 — 核心区分特征) - HR: 76 ± 5 bpm (高于其他活动) - GSR: 1678 ± 39 AD 震颤特点 (vs 帕金森): - 不规则、无节律 (PD 是规则的 4-6Hz) - 主要是姿势性/意向性震颤 - 频率 3-12Hz, 混合多频率成分 """ @property def label(self) -> str: return 'trembling' def _generate_imu(self, n_samples): mod = self.stage_modifier t = np.arange(n_samples) / 50.0 # AD 震颤: 多频率叠加 + 不规则包络 n_components = self.rng.integers(2, 5) # 2-4 个频率成分 tremor_signal = np.zeros(n_samples) for _ in range(n_components): freq = self.rng.uniform(3, 12) # 3-12 Hz amp = self.rng.uniform(0.3, 1.5) * mod['stride_var'] phase = self.rng.uniform(0, 2 * np.pi) # 频率和幅度都在缓慢变化（不规则性） freq_var = freq + np.cumsum(self.rng.normal(0, 0.01, n_samples)) amp_var = amp * (1 + 0.3 * np.sin(2 * np.pi * 0.1 * t)) tremor_signal += amp_var * np.sin(2 * np.pi * freq_var * t + phase) # 间歇性包络（震颤不是持续的，有强弱变化） envelope = np.ones(n_samples) n_gaps = self.rng.integers(1, 4) for _ in range(n_gaps): gap_start = self.rng.integers(0, max(1, n_samples - 100)) gap_len = self.rng.integers(25, 200) gap_end = min(gap_start + gap_len, n_samples) envelope[gap_start:gap_end] *= self.rng.uniform(0.1, 0.5) tremor_signal *= envelope # 基线 + 震颤叠加 ax = 1.39 + tremor_signal + self.rng.normal(0, 0.1, n_samples) ay = 1.05 + tremor_signal * 0.7 + self.rng.normal(0, 0.1, n_samples) az = -9.55 + tremor_signal * 0.3 + self.rng.normal(0, 0.05, n_samples) return {'ax': ax, 'ay': ay, 'az': az, 'steps': np.zeros(n_samples, dtype=int)} def _generate_ppg(self, n_samples): mod = self.stage_modifier # trembling 态 HR 偏高（76 bpm），反映焦虑/紧张 baseline_hr = self.profile.get('baseline_hr', 69) * mod['hr'] hr_tremor = baseline_hr + self.rng.uniform(5, 12) # 比静息高 5-12 bpm hr = hr_tremor + self.rng.normal(0, 2, n_samples) ppg_ir = self.profile.get('baseline_ppg_ir', 91084) + self.rng.normal(0, 200, n_samples) return {'ppg_ir': ppg_ir.astype(int), 'hr_bpm_avg': hr.astype(int)} def _generate_eda(self, n_samples): mod = self.stage_modifier baseline_gsr = self.profile.get('baseline_gsr', 1678) * mod['gsr'] # 震颤伴随的交感神经激活 → GSR 微升 tonic = baseline_gsr + self.rng.uniform(10, 50) gsr = tonic + np.cumsum(self.rng.normal(0, 0.08, n_samples)) # 偶尔的焦虑相关 SCR spike scr_rate = 5 / 60 / 50 # 5次/分钟 scr_events = self.rng.random(n_samples) < scr_rate for i in np.where(scr_events)[0]: decay_len = min(75, n_samples - i) decay = np.exp(-np.arange(decay_len) / 25) gsr[i:i+decay_len] += self.rng.uniform(10, 40) * decay return {'gsr_filtered': gsr.astype(int)} ``` ## 3.4 BPSD 事件 Generator（叠加式） BPSD 事件不是独立的活动，而是**叠加在基础活动上的修饰器**。 ```python class BPSDEventGenerator: """ BPSD 事件叠加生成器。 不直接生成数据，而是对已有的基础活动数据施加 BPSD 事件效应。 参考: Lazarou 2024 (PsyCo + BePhyEn 双模型), Spasojevic 2021 (事件模板) """ # 事件模板（文献参数 + 真实数据校准） TEMPLATES = { 'agitation': { 'duration_range': (20*60, 60*60), # 20-60分钟（秒） 'gsr_modifier': (1.5, 2.0), # GSR ×1.5-2.0 'hr_modifier': (1.15, 1.30), # HR ×1.15-1.30 'imu_svm_modifier': (1.5, 2.0), # 活动 ×1.5-2.0 'imu_var_modifier': (2.0, 4.0), # IMU 方差 ×2-4 'onset_shape': 'sigmoid', # 渐进性发作 }, 'sundowning': { 'duration_range': (60*60, 120*60), # 60-120分钟 'time_window': (16, 18), # 16:00-18:00 'gsr_modifier': (1.3, 1.8), 'hr_modifier': (1.10, 1.25), 'imu_var_modifier': (1.5, 3.0), 'onset_shape': 'gradual', # 极缓慢发展 }, 'anxiety': { 'duration_range': (15*60, 45*60), 'gsr_modifier': (1.4, 1.8), # GSR 先于 HR 变化 'hr_modifier': (1.10, 1.20), 'imu_var_modifier': (1.2, 1.8), 'onset_shape': 'sharp', # 较快发作 }, 'apathy': { 'duration_range': (60*60, 240*60), # 1-4小时 'gsr_modifier': (0.6, 0.8), # GSR 下降 'hr_modifier': (0.95, 1.0), 'imu_svm_modifier': (0.3, 0.6), # 活动显著减少 'imu_var_modifier': (0.5, 0.8), 'onset_shape': 'gradual', }, 'wandering': { 'duration_range': (15*60, 60*60), 'gsr_modifier': (1.1, 1.3), 'hr_modifier': (1.05, 1.15), 'imu_svm_modifier': (1.3, 1.8), 'imu_var_modifier': (2.0, 4.0), # 步态高度不规则 'onset_shape': 'sigmoid', }, 'sleep_disorder': { 'duration_range': (30*60, 180*60), 'time_window': (23, 5), # 夜间 23:00-05:00 'gsr_modifier': (1.0, 1.2), 'hr_modifier': (1.05, 1.15), 'imu_svm_modifier': (2.0, 4.0), # 夜间异常活动 'onset_shape': 'intermittent', # 间歇性 }, } def __init__(self, seed: int, event_type: str, intensity: float = 1.0): """ Args: seed: 随机种子 event_type: BPSD 事件类型（对应 TEMPLATES 的 key） intensity: 事件强度 0.0-2.0（1.0 为标准强度） """ self.rng = np.random.default_rng(seed) self.event_type = event_type self.template = self.TEMPLATES[event_type] self.intensity = intensity def apply(self, df: pd.DataFrame, event_start_idx: int) -> pd.DataFrame: """ 将 BPSD 事件叠加到已有数据上。 Args: df: 基础活动数据（来自 BaseActivityGenerator） event_start_idx: 事件开始的行索引 Returns: 修改后的 DataFrame（BPSD 效应已叠加） """ duration_samples = self.rng.integers( self.template['duration_range'][0] * 50, # 秒→样本数 self.template['duration_range'][1] * 50 ) end_idx = min(event_start_idx + duration_samples, len(df)) # 生成事件包络（bell curve / sigmoid / gradual） envelope = self._make_envelope(end_idx - event_start_idx) # 施加修饰 if 'gsr_modifier' in self.template: lo, hi = self.template['gsr_modifier'] modifier = self.rng.uniform(lo, hi) * self.intensity delta = (modifier - 1.0) * envelope df.loc[event_start_idx:end_idx-1, 'gsr_filtered'] *= (1 + delta) if 'hr_modifier' in self.template: lo, hi = self.template['hr_modifier'] modifier = self.rng.uniform(lo, hi) * self.intensity delta = (modifier - 1.0) * envelope df.loc[event_start_idx:end_idx-1, 'hr_bpm_avg'] *= (1 + delta) if 'imu_var_modifier' in self.template: lo, hi = self.template['imu_var_modifier'] modifier = self.rng.uniform(lo, hi) * self.intensity # 增大 IMU 方差（注入额外噪声） n = end_idx - event_start_idx extra_noise = self.rng.normal(0, 0.5 * modifier, n) * envelope df.loc[event_start_idx:end_idx-1, 'imu_ax_mps2'] += extra_noise return df def _make_envelope(self, n_samples: int) -> np.ndarray: """生成事件强度包络""" t = np.linspace(0, 1, n_samples) shape = self.template.get('onset_shape', 'sigmoid') if shape == 'sigmoid': # S 形：渐起 → 平台 → 渐落 return np.sin(np.pi * t) elif shape == 'gradual': # 极缓慢上升 → 缓慢下降 return np.sin(np.pi * t) ** 0.5 elif shape == 'sharp': # 快速上升 → 缓慢下降 return np.exp(-3 * (t - 0.2) ** 2 / 0.1) * (t > 0.05) elif shape == 'intermittent': # 间歇性爆发 bursts = np.zeros(n_samples) n_bursts = self.rng.integers(3, 8) for _ in range(n_bursts): center = self.rng.uniform(0.1, 0.9) width = self.rng.uniform(0.02, 0.1) bursts += np.exp(-((t - center) ** 2) / (2 * width ** 2)) return np.clip(bursts, 0, 1) else: return np.ones(n_samples) ``` ## 3.5 DailyComposer（一天活动编排器） ```python class DailyComposer: """ 将多个 generator 的输出组合成一整天的传感器数据。 编排逻辑: 1. 定义一天的活动时间表（活动类型 + 时长） 2. 依次调用对应的 generator 3. 在活动之间插入平滑过渡 4. 叠加 BPSD 事件 5. 应用昼夜节律调制 """ # 正常老人一天的典型活动模式 DAILY_SCHEDULE_NORMAL = [ # (起始时间, 活动, 持续分钟) ('07:00', 'idle', 30), # 起床静坐 ('07:30', 'walking', 15), # 晨间活动 ('07:45', 'idle', 135), # 早餐+休息 ('10:00', 'walking', 20), # 散步 ('10:20', 'idle', 100), # 静坐休息 ('12:00', 'idle', 60), # 午餐 ('13:00', 'idle', 90), # 午休 ('14:30', 'walking', 15), # 下午活动 ('14:45', 'idle', 135), # 休息 ('17:00', 'walking', 10), # 傍晚活动 ('17:10', 'idle', 110), # 晚餐+休息 ('19:00', 'idle', 120), # 晚间休息 ('21:00', 'idle', 60), # 睡前 ] def compose(self, seed: int, stage: str, patient_profile: dict, bpsd_events: list = None) -> pd.DataFrame: """ 生成一整天的合成传感器数据。 Args: seed: 主种子 stage: AD 阶段 patient_profile: 患者参数 bpsd_events: BPSD 事件列表 [{'type': 'agitation', 'time': '15:30', 'intensity': 1.2}, ...] Returns: 一天的完整 DataFrame """ rng = np.random.default_rng(seed) schedule = self._modify_schedule_for_stage(stage, rng) all_segments = [] current_t_ms = 0 for time_str, activity, duration_min in schedule: gen_seed = rng.integers(0, 2**31) generator = self._get_generator(activity, gen_seed, stage, patient_profile) segment = generator.generate( duration_seconds=duration_min * 60, start_t_ms=current_t_ms, sampling_rate=50 ) all_segments.append(segment) current_t_ms = segment['t_ms'].iloc[-1] + 20 # 20ms interval df = pd.concat(all_segments, ignore_index=True) # 叠加 BPSD 事件 if bpsd_events: for event in bpsd_events: evt_gen = BPSDEventGenerator( seed=rng.integers(0, 2**31), event_type=event['type'], intensity=event.get('intensity', 1.0) ) # 找到对应时间的索引 start_idx = self._time_to_index(event['time'], df) df = evt_gen.apply(df, start_idx) # 昼夜节律调制 df = self._apply_circadian(df) return df ``` --- # 四、跨模态耦合规则引擎 ## 4.1 生理耦合规则 Di Martino & Delmastro (2025) 指出跨模态一致性是当前深度生成模型的关键失败点。本方案使用领域知识手动编码生理耦合，确保合成数据中多传感器之间保持生理合理的相关性。 ```python class PhysiologicalCouplingEngine: """ 跨模态生理耦合规则引擎。 在各 generator 独立生成数据后，对全天数据施加耦合修正。 """ RULES = { 'motion_to_hr': { 'description': '运动强度 → 心率提升', 'delay_samples': 250, # 5秒延迟 (250 samples @ 50Hz) 'formula': 'HR += 0.3 * max(0, SVM - 9.7) * baseline_HR / 70', 'source': 'Physiological: exercise-induced tachycardia', }, 'motion_to_gsr': { 'description': '运动强度 → GSR 变化（非线性）', 'note': '轻度运动 GSR↑（交感激活），剧烈运动 GSR↓（血流再分配）', 'threshold_svm': 11.5, 'source': '真实数据: running GSR(1598) < idle GSR(1688)', }, 'emotion_to_gsr_hr': { 'description': 'BPSD 情绪事件 → GSR 先于 HR 变化', 'gsr_delay_samples': 25, # 0.5秒（交感快速通路） 'hr_delay_samples': 375, # 7.5秒（心血管响应） 'source': 'Setz et al. 2010; autonomic nervous system pathways', }, 'activity_to_env': { 'description': '活动 → 手套内温湿度变化', 'temp_increase_per_svm': 0.02, # °C per SVM unit 'humidity_increase_per_svm': 0.1, # % per SVM unit 'source': '推断: 运动→出汗→手套内微环境变化', }, 'circadian_rhythm': { 'description': '昼夜节律对所有通道的调制', 'periods': { '07-09': {'activity': 0.7, 'hr': 0.95, 'gsr': 0.9}, '09-12': {'activity': 1.0, 'hr': 1.0, 'gsr': 1.0}, '12-14': {'activity': 0.85, 'hr': 0.98, 'gsr': 0.95}, '14-16': {'activity': 0.95, 'hr': 1.0, 'gsr': 1.0}, '16-18': {'activity': 1.0, 'hr': 1.05, 'gsr': 1.15}, # sundowning window '18-20': {'activity': 0.85, 'hr': 1.0, 'gsr': 1.0}, '20-22': {'activity': 0.7, 'hr': 0.95, 'gsr': 0.9}, }, 'source': 'Lazarou 2024: circadian BPSD patterns', }, } ``` ## 4.2 协方差矩阵（数据驱动补充） 从真实采集数据估计多传感器间的协方差，用于给合成数据注入统计相关性： ```python def estimate_covariance_from_real_data(csv_path: str) -> np.ndarray: """从真实传感器数据估计跨模态协方差矩阵""" import pandas as pd import numpy as np df = pd.read_csv(csv_path) df['imu_svm'] = np.sqrt(df['imu_ax_mps2']**2 + df['imu_ay_mps2']**2 + df['imu_az_mps2']**2) features = ['gsr_filtered', 'ppg_ir', 'hr_bpm_avg', 'imu_svm', 'env_temp_c', 'env_humidity_rh'] cov = df[features].cov() return cov ``` --- # 五、质量验证框架 ## 5.1 统计一致性检验 合成数据应通过以下检验： | 检验项 | 方法 | 通过标准 | |--------|------|---------| | 均值一致性 | 合成 vs 真实（同活动）的 t-test | p > 0.05 | | 方差一致性 | Levene's test | p > 0.05 | | 分布一致性 | KS test (Kolmogorov-Smirnov) | p > 0.05 | | 跨模态相关性 | Pearson correlation matrix 比较 | 相关系数差 < 0.15 | | 时序自相关 | ACF (Auto-Correlation Function) 比较 | 前10阶 ACF 差 < 0.1 | | 下游任务效用 | TSTR (Train Synthetic, Test Real) | 准确率下降 < 10% | ## 5.2 VBVR 式元数据 每次生成附带完整元数据（类比 VBVR 的 `question_metadata.json`）： ```json { "generator_version": "1.0.0", "seed": 42, "stage": "mci", "patient_profile": { "age": 72, "gender": "female", "baseline_hr": 72, "baseline_gsr": 1650 }, "daily_schedule": [...], "bpsd_events_injected": [ {"type": "sundowning", "time": "16:30", "intensity": 1.2, "duration_min": 85} ], "stage_modifiers_applied": {...}, "coupling_rules_active": ["motion_to_hr", "circadian_rhythm"], "quality_checks_passed": true, "generation_timestamp": "2026-03-26T12:00:00" } ``` --- # 六、分阶段升级路径 | Phase | 数据量 | 合成方法 | 目的 | |-------|--------|---------|------| | **Phase 0（当前）** | 文献参数 + 正常人基线（26K行） | 参数化 Generator + BPSD 模板 + 规则耦合 | Agent 逻辑验证、管道测试 | | **Phase 1** | 30 例 AD 患者 | + SMOTE 增强 + 真实协方差矩阵 | 分类器初训、个性化基线 | | **Phase 2-3** | 100 例多阶段患者 | + TimeGAN / 条件扩散模型 | 高保真增强、隐私保护共享 | | **Phase 4** | 200+ 纵向随访 | + SynLS 扩散 + 疾病进展模型 | 临床试验仿真 | **关键原则**：规则引擎始终保留作为"相关性骨架"。即使升级到深度生成模型，规则引擎也用于后处理校验——如果生成的数据违反生理耦合规则（如运动↑但HR↓），则标记为低质量或重新生成。 --- *文档版本: v1.0 · 创建日期: 2026-03-26* *基于 VBVR DataFactory 架构 + 真实传感器基线数据 (all_sensors_log_withLabel20260326_093901.csv)*