基于心电和脉搏信号的情绪识别研究

发布时间：2022-12-18 14:23

　　情绪识别和情感计算是人机情感交互的关键环节,也是研究热点。目前的情绪识别主要是基于语音语调、面部表情、身体姿态、文本信息、生理信号等。其中,基于生理信号的情绪识别研究尤为突出,主要包含生理信号的采集、特征提取和特征识别三个方面的研究,论文主要围绕情绪诱发范式的实验设计、心电和脉搏信号采集与预处理、情感生理信号特征提取以及不同情绪模式的生理信号情感识别等方面进行了相关研究,主要研究内容如下:1)情绪诱发实验范式设计。针对高兴、悲伤、惊奇、自豪、愤怒、恐惧、感动、厌恶8种情绪,通过严格问卷方式获得激发情感强度较高的视频片段作为情绪诱发素材,采用Superlab软件设计情绪诱发实验范式,诱发被试产生对应的正负性情绪。2)心电和脉搏信号采集与预处理。利用MP150生理信号测量仪,采集8种情绪状态下的心电和脉搏信号,采用带阻切比雪夫Ⅱ型滤波器滤除50 Hz工频干扰,零相移数字滤波去除信号的基线漂移;设计巴特沃斯带通滤波器和小波阈值去噪方法,消除测量中的伪迹和噪声,获得纯净的情感生理信号。3)情感生理信号的特征提取。分别采用峰值检测分析法和小波变换方法,提取了不同情绪状态的心电和脉搏信号线性特征,... 

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 论文研究背景及意义
    1.2 国内外研究现状
        1.2.1 情绪识别研究现状
        1.2.2 基于生理信号的情绪识别研究现状
    1.3 目前存在的问题
    1.4 主要研究内容与论文结构
        1.4.1 主要研究内容
        1.4.2 论文结构
第二章 情感生理信号的采集与预处理
    2.1 情绪的定义和模型分类
    2.2 情感生理信号的选取及其特性
        2.2.1 心电信号及特性
        2.2.2 脉搏信号及特性
    2.3 生理信号的情绪诱发实验范式设计
        2.3.1 情绪诱发方式与素材的选取
        2.3.2 情绪诱发实验范式设计
    2.4 实验方法与数据采集
        2.4.1 实验设备简介
        2.4.2 实验步骤与方法
        2.4.3 实验数据采集
    2.5 心电和脉搏信号预处理
        2.5.1 去除基线漂移与工频干扰
        2.5.2 去除伪迹与噪声
        2.5.3 结果分析
    2.6 本章小结
第三章 情感生理信号特征提取
    3.1 特征提取概述
    3.2 线性特征提取
        3.2.1 时域特征提取
        3.2.2 时域特征提取结果分析
        3.2.3 时频特征提取
        3.2.4 时频特征提取结果分析
    3.3 非线性特征提取
        3.3.1 相空间重构
        3.3.2 关联维数
        3.3.3 最大lyapunov指数
        3.3.4 样本熵与近似熵
        3.3.5 非线性特征提取结果分析
    3.4 本章小结
第四章 多特征融合的情感分类研究
    4.1 贝叶斯方法
        4.1.1 贝叶斯理论概述
        4.1.2 贝叶斯网络
        4.1.3 基于朴素贝叶斯分类器的特征分类
        4.1.4 贝叶斯分类的仿真结果分析
    4.2 栈式自编码算法
        4.2.1 自编码神经网络
        4.2.2 稀疏自编码器学习算法
        4.2.3 Softmax回归
        4.2.4 栈式自编码算法的仿真结果与分析
    4.3 本章小结
第五章 基于脉搏和心电信号的不同情绪模式识别分析
    5.1 正负性情绪融合识别
    5.2 单一情绪模式识别
    5.3 六种基本情绪识别
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
个人简况及联系方式


【参考文献】：
期刊论文
[1]基于卷积神经网络的人脸表情识别研究[J]. 李思泉,张轩雄.  软件导刊. 2018(01)
[2]基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究[J]. 李幼军,黄佳进,王海渊,钟宁.  通信学报. 2017(12)
[3]基于不确定性线性判别分析的维吾尔语语音情感识别（英文）[J]. 塔什甫拉提·尼扎木丁,赵力,张明阳,徐新洲,艾斯卡尔·艾木都拉.  Journal of Southeast University（English Edition）. 2017(04)
[4]基于深度学习算法的正负性情绪识别研究[J]. 喻一梵,乔晓艳.  测试技术学报. 2017(05)
[5]基于混沌特性的情感语音特征提取[J]. 孙颖,姚慧,张雪英,张奇萍.  天津大学学报(自然科学与工程技术版). 2015(08)
[6]基于小波变换与神经网络的表面肌电信号的情感识别[J]. 程波,刘光远.  计算机应用. 2008(02)
[7]基于语音信号的情感处理研究进展[J]. 韩纪庆,邵艳秋.  电声技术. 2006(05)
[8]关联维数计算的分析研究[J]. 于青.  天津理工学院学报. 2004(04)

博士论文
[1]基本情感生理信号的非线性特征提取研究[D]. 程静.西南大学 2015
[2]非线性动力学方法在时间序列分析中的应用[D]. 王鼐.复旦大学 2005

硕士论文
[1]语音情感识别方法研究[D]. 师宏慧.山西大学 2016
[2]用心电信号分析音乐对负性情感的调节[D]. 何娟.西南大学 2016
[3]贝叶斯网络分类器学习及其在信用评分中的应用[D]. 李志强.华侨大学 2016
[4]基于神经网络的表面肌电信号分类方法研究[D]. 孙保峰.吉林大学 2013
[5]运用蚁群优化算法筛选情感生理信号特征[D]. 鲁舜.西南大学 2009
[6]贝叶斯分类器研究及其在Web文档分类中的应用[D]. 侯小静.郑州大学 2005



本文编号：3722212