在這個專案中，資料的時域分析是關鍵，資料特徵抽取邏輯可參考「移動窗口平均法」，其主要目的是減低生理數據中的雜訊。具體而言：
-
前端處理：
- 以 RR-interval(s) 或 Prediction(s) 為單位，每次使用 P Prediction(s) 進行處理。
- 計算前 P 次和前 Q 次紀錄下的 Prediction 之線性加權平均。
- 計算前 P 次中第 4 級（例如壓力非常大）的比例的百分比。
-
後端處理：
- 將前端計算的結果組合成一段用戶提詞，例如："My stress level is {}%, and I have {}% time in stressful condition. Reply me in zh-TW."。
- 這種組合過程相當於「移動窗口平均法」中將缺失值用相鄰數據的平均值填補的概念。
整體而言，運用移動窗口的概念，通過計算窗口平均值，將數據序列平滑化，支援流式傳遞，畫面渲染更即時，進而提供更完整的壓力分析。