要让计算机能与人进行情感交流,获取与识别情感信号时基础也非常重要,本文侧重于研究这两项。情感信号的获取主要是采用外界刺激,然后采集人情感变化的信号。情感识别包括肢体情感识别、面部情感识别、语音识别、生理信号识别等。情感识别的一个重要研究领域是生理信号,生理信号不容易受主观意识的控制,从而能较真实客观的反应出人的情感状态和变化。采用生理信号进行情感识别然后建立情感识别模型,通过该模型能使计算机具有人的识别、生成情感特征的能力,能实现人机交流。经前人的研究发现,采用生理信号中的肌电(EMG)信号、心电(ECG)信号、脉搏(PVP)信号、呼吸信号(RSP)和皮肤电(GSR)信号进行情感识别是可行的。而某些不同的情感伴有不同的肌肉收缩,从而肌电信号可以进行情感识别。文中对高兴(joy)、悲伤(grief)、惊奇(surprise)、愤怒(angry)、恐惧(fear)和厌恶(disgust)进行情感识别。本文进行情感识别过程包括：(1)利用电影片段激发被试的情感后,采用美国公司提供的数据采集多导生理记录仪BIOPAC MP150和两台PC机进行肌电信号高兴、悲伤、惊奇、愤怒、恐惧和厌恶六种情感的数据采集,并且根据被试填写的问卷和对数据的分析,去除畸形和无效的数据并建立原始数据库。(2)情感肌电信号特征集的获取：首先选定根据被试问卷填写和主试的记录选取有效激发的情感肌电信号,进行下采样和数据的归一化处理,然后针对肌电信号的特点,用小波变换的方法对肌电信号进行消躁处理,最后提取出126种信息特征(包括时域统计特征,小波重构系数统计特征)形成情感肌电信号的原始特征集。(3)由于原始特征维数过多,对情感计算识别模型建立带来了“维数灾难”,并且其中含有大量的冗余和相关特征,这些特征对情感识别模型的建立没有贡献,为了得到有效的特征建立情感识别模型,需要进行特征选择。特征选择是一个NP难问题,如果采用穷举法,那么时间复杂度会很大,计算速度较慢,所以必须找到一个计算速度较快、容易被广泛应用的算法进行该组合优化问题。文中采用的特征选择算法是两阶段算法：第一阶段,采用相关性分析方法去除原始特征集中的高相关度特征,实现原始特征集得降维；第二阶段,采用智能优化算法中的禁忌搜索算法,禁忌搜索算法具有很好的爬山能力和较好的平衡集中和分散搜索能力,被广泛应用于组合优化、模糊调度、背包和数据挖掘等问题中,并将这些问题很好的解决。但是基本的禁忌搜索算法存在对初始解和领域结构有很大的依赖性,所以本文提出一改进的禁忌搜索算法,利用改进的禁忌搜索算法选出最能代表肌电信号情感反应的特征子集,用Fisher分类器对高兴、惊奇、厌恶、悲伤、愤怒和恐惧六种情感进行分类。实验结果表明：(1)采用改进的禁忌搜索算法克服了基本禁忌搜索算法对初始解和领域结构的依赖性,并将其与Fisher分类器结合得到的特征子集维数降低,而且识别率升高,说明改进的禁忌搜索算法运用于肌电信号的特征子集选择是可行的。(2)将改进的禁忌搜索算法运用于相关性分析去除高度相关的特征后的特征子集,得到的特征子集对分类的识别率没有降低的情感下,特征子集的维数明显降低,而且将改进的禁忌搜索算法运行多次后得到的解更加稳定,每次选出的特征相似度很大,说明采用两阶段特征选择算法可以选出有利于情感识别模型建立的有效特征子集。