class SeatbeltSensorArray:
    """
    安全带集成传感器阵列
    
    安装位置：安全带胸口段
    接触面积：约5cm × 8cm
    接触压力：安全带自然贴合胸口
    
    可检测：
    1. 心率（ECG/电容耦合）
    2. 呼吸率（胸廓膨胀）
    3. 体温
    4. 呼吸深度
    """
    
    SENSORS = {
        'ecg': {
            'type': '电容耦合ECG',
            'position': '安全带内侧',
            'sampling_rate': '250Hz',
            'accuracy': '±2bpm',
            'power': '<5mW'
        },
        'respiration': {
            'type': '张力传感器',
            'position': '安全带织带内',
            'sampling_rate': '50Hz',
            'accuracy': '±1brpm',
            'power': '<2mW'
        },
        'temperature': {
            'type': 'NTC热敏电阻',
            'position': '安全带内侧',
            'sampling_rate': '1Hz',
            'accuracy': '±0.3°C',
            'power': '<1mW'
        }
    }

class SteeringWheelSensorArray:
    """
    方向盘集成传感器阵列
    
    安装位置：方向盘3点和9点位置
    接触：驾驶员双手自然握持
    
    可检测：
    1. 皮肤电导(GSR) → 压力/情绪
    2. 脉搏(PPG) → 心率/HRV
    3. 手部温度 → 血液循环
    4. 握持力 → 紧张度
    
    挑战：
    - 驾驶员可能单手或脱手
    - 需要DMS摄像头补充脱手检测
    """
    
    SENSORS = {
        'gsr': {
            'type': '皮肤电导电极',
            'position': '方向盘9点/3点',
            'sampling_rate': '10Hz',
            'accuracy': '±0.5μS',
            'power': '<3mW'
        },
        'ppg': {
            'type': '光电脉搏传感器',
            'position': '方向盘9点/3点',
            'sampling_rate': '100Hz',
            'accuracy': '±2bpm',
            'power': '<10mW'
        },
        'grip_force': {
            'type': '薄膜压力传感器',
            'position': '方向盘圈身',
            'sampling_rate': '50Hz',
            'accuracy': '±5N',
            'power': '<2mW'
        },
        'temperature': {
            'type': '红外温度传感器',
            'position': '方向盘9点/3点',
            'sampling_rate': '1Hz',
            'accuracy': '±0.5°C',
            'power': '<5mW'
        }
    }

class SeatArmrestSensorArray:
    """
    座椅扶手集成传感器阵列
    
    安装位置：中央扶手/门板扶手
    接触：驾驶员前臂自然放置
    
    可检测：
    1. 血氧(SpO2)
    2. 脉搏(PPG)
    3. 体温
    """
    
    SENSORS = {
        'spo2': {
            'type': '红光+红外双波长PPG',
            'position': '扶手上表面',
            'sampling_rate': '100Hz',
            'accuracy': '±2%',
            'power': '<15mW'
        },
        'ppg': {
            'type': '绿光PPG',
            'position': '扶手上表面',
            'sampling_rate': '100Hz',
            'accuracy': '±3bpm',
            'power': '<10mW'
        }
    }

class XpengMultiModalDMS:
    """
    小鹏多模态DMS融合系统
    
    接触式（安全带+方向盘+扶手）+ 非接触式（摄像头）
    
    融合策略：
    1. 接触式提供生理指标（心率/HRV/GSR/SpO2）
    2. 非接触式提供行为指标（PERCLOS/视线/姿态）
    3. 互补：脱手时摄像头补充，闭眼时生理补充
    """
    
    def __init__(self):
        self.contact_sensors = {
            'seatbelt': SeatbeltSensorArray(),
            'steering_wheel': SteeringWheelSensorArray(),
            'armrest': SeatArmrestSensorArray()
        }
        self.camera_dms = CameraDMS()  # 传统摄像头DMS
        
    def assess_driver_state(self, all_data: dict) -> dict:
        """
        综合评估驾驶员状态
        
        Args:
            all_data: {
                'ecg': 心电数据,
                'respiration': 呼吸数据,
                'gsr': 皮肤电导,
                'ppg': 脉搏,
                'spo2': 血氧,
                'camera': 摄像头数据
            }
            
        Returns:
            综合状态评估
        """
        # 1. 生理疲劳评估
        hrv = self._compute_hrv(all_data['ecg'])
        heart_rate = self._compute_hr(all_data['ppg'])
        
        # 2. 行为疲劳评估
        perclos = self.camera_dms.compute_perclos()
        gaze_offset = self.camera_dms.get_gaze_offset()
        
        # 3. 压力评估
        stress_level = self._assess_stress(all_data['gsr'], hrv)
        
        # 4. 健康评估
        health_score = self._assess_health(
            heart_rate, hrv, all_data['spo2']
        )
        
        # 5. 融合判断
        fatigue_score = self._fuse_fatigue(
            perclos, hrv, heart_rate, respiration
        )
        
        distraction_score = self._fuse_distraction(
            gaze_offset, steering_wheel_grip, head_pose
        )
        
        return {
            'fatigue': fatigue_score,        # 0-100
            'distraction': distraction_score, # 0-100
            'stress': stress_level,           # 0-100
            'health': health_score,           # 0-100
            'heart_rate': heart_rate,
            'hrv_rmssd': hrv,
            'spo2': all_data['spo2'],
            'confidence': self._compute_confidence(all_data)
        }
    
    def _fuse_fatigue(self, perclos, hrv, hr, resp):
        """
        融合疲劳评分
        
        权重分配：
        - PERCLOS (摄像头): 35% → 行为疲劳
        - HRV (接触式): 30% → 自主神经疲劳
        - 心率变化: 15% → 生理负荷
        - 呼吸变化: 20% → 呼吸频率下降→疲劳
        """
        return (0.35 * perclos + 0.30 * (1 - hrv/50) + 
                0.15 * max(0, (hr - 60) / 60) +
                0.20 * max(0, (16 - resp) / 16)) * 100

def test_multi_modal_fusion():
    """测试多模态融合"""
    dms = XpengMultiModalDMS()
    
    # 模拟数据
    all_data = {
        'ecg': np.random.randn(2500) * 0.5,
        'respiration': np.sin(np.linspace(0, 6*np.pi, 500)),
        'gsr': 2.5 + np.random.randn(100) * 0.3,
        'ppg': np.sin(np.linspace(0, 50*np.pi, 1000)),
        'spo2': 97.5,
        'camera': {'perclos': 15.0, 'gaze_offset': 0.3}
    }
    
    result = dms.assess_driver_state(all_data)
    
    assert 0 <= result['fatigue'] <= 100
    assert 0 <= result['distraction'] <= 100
    print(f"✓ 疲劳: {result['fatigue']:.1f}, "
          f"分心: {result['distraction']:.1f}")

if __name__ == "__main__":
    test_multi_modal_fusion()
    print("✓ 多模态DMS测试通过")