论文部分内容阅读
情感计算是实现高级人机交互的关键技术之一,情感识别则是情感计算研究的重点,也是当前情感计算研究的热点。情感识别研究的对象多种多样,包括面部表情、语音、姿态和生理信号等。在基于生理信号的情感识别中,心电信号是主要的研究对象之一。基于心电信号的情感识别研究中,其核心方法是对心电信号进行预处理,获取有效特征,进行情感状态的识别。因此,提取出有用的心电信号特征,分析特征的变化趋势,找出能体现情感状态变化的特征子集则是提高情感识别的基础。本文进行了基于心电信号的情感识别研究,主要包含以下两个方面的工作:1.由于现有能用于情感分析的心电信号数据很少,为了获取不同情感状态下的有效心电信号,我们进行了心电信号数据采集工作,为后续研究提供了研究数据。2.本文把小波(包)变换应用到心电信号的特征提取中,从而降低心电信号波形误检,提高了情感识别率。其主要方法是:首先采用最优小波去噪方法去除心电信号的噪声影响;其次应用小波变换对心电信号的P波、QRS复波、T波进行辅助检测:然后分别计算P波,QRS波,T波波段能量,并分析各波段能量在情感状态间的变化趋势;最后根据这种变化趋势提取特征,通过分类算法验证提取出的特征的有效性。使用该方法对一种生理信号(心电信号)进行处理,与德国Augsburg大学四种生理信号的试验结果对比,较少的特征获得了相近的平均识别率,而采用本文方法的高兴识别率提高了近10%。对自采心电数据采用该方法进行特征提取,使用Fisher进行分类,高兴和悲伤的识别率分别为80%和80%实验数据表明,从心电信号提取出来的特征能不同程度的反应情感状态的变化;小波变换的使用,有助于从心电P-QRS-T波中提取出能体现情感状态变化的特征,提高了基于心电信号的情感识别率,证明本文的特征提取方法是有效的。