基于改进的EMD脉搏信号特征的情感识别方法

发布时间：2017-09-23 06:08

  本文关键词：基于改进的EMD脉搏信号特征的情感识别方法

  更多相关文章： 脉搏信号 情感识别 EMD EEMD 特征提取

【摘要】：脉搏信号的情感识别属于生理信号情感识别,是一项应用前景广阔的计算机模式识别技术,在人机交互领域起着越来越重要的作用。脉搏信号作为生理信号的一种,蕴含了丰富的生理病理信息,其病理信息从很早开始就被广泛应用于医疗的各个领域,而其生理特征是在人工智能等计算机技术深入发展下,逐渐被人们所重视。脉搏信号相比其他生理信号,采集更加方便,包含的情感特征更加丰富。因此研究脉搏信号的特征与情感状态之间的关系非常重要。本文设计了一款用于实现实时情感识别的脉搏信号采集系统,并开发了与之对应的实时显示脉搏波形、跨平台的上位机软件,实现了对脉搏信号的采集、存储、情感识别等功能,为移动设备开发实现实时的人机情感交互提供了一种可能。同时,通过经验模态分解(Empirical Mode Decomposition,EMD)对采集到的脉搏信号进行预处理,结合脉搏信号的波形特点,研究和提取了脉搏信号的重要特征,实现了对高兴、愤怒、平静、悲伤四种情感状态的分类识别。本文主要包括以下几个方面的工作。首先.根据脉搏信号的特征,采用反射式光电传感器将脉搏信号提取出来,然后经过硬件放大电路,将脉搏信号合理放大,并通过使用单片机对放大后的信号进行采集,最终通过USB将采集到的原始数据上传,上位机软件再将原始脉搏数据以曲线图形显示出来,完成了脉搏信号的数据采集存储和显示功能。其次,分析经验模态分解的性质,讨论了它的优点与不足,并将其引入到对脉搏信号情感识别的研究中,针对该算法在脉搏信号中存在的问题,提出了两种不同的改进算法即基于遗传算法的支持向量机端点延拓算法和自适应的集合经验模态分解(Ensemble Empirical ModeDecomposition,EEMD),并分析了两种算法的优缺点。最终选取自适应的集合经验模态分解算法作为对脉搏信号的基本核心算法。然后,通过自适应集合经验模态分解算法,分析了脉搏的波形特点,提出了一种定位脉搏主波波峰和重搏波波峰的方法,并针对该方法的不足,提出了一些改进。实验证明该方法对搏波波峰定位准确,为进一步提取脉搏信号的特征提取提供了基础。最后,提取了不同情感状态下的脉搏信号主波波峰和重搏波波峰的统计特征以及脉搏信号的主波波峰的近似熵,实现了不同情感状态的分类识别,并最终将这些程序移植到上位机软件里面,实现了基于改进的EMD脉搏信号的情感识别方法研究和系统设计。
【关键词】：脉搏信号 情感识别 EMD EEMD 特征提取
【学位授予单位】：重庆理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.7;R443
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 课题的研究背景及意义9-10
• 1.2 国内外研究现状10-13
• 1.2.1 国内外生物信号情感识别的研究现状10-11
• 1.2.2 脉搏信号检测的研究现状11-13
• 1.2.3 脉搏情感识别的研究现状13
• 1.3 具体工作及内容安排13-15
• 2 脉搏信号采集系统15-22
• 2.1 硬件系统整体设计15
• 2.2 硬件电路设计15-18
• 2.2.1 光电传感器15-16
• 2.2.2 放大电路及RC滤波16-17
• 2.2.3 单片机模块17-18
• 2.3 软件系统18-21
• 2.3.1 Qt简介18
• 2.3.2 软件介绍18-20
• 2.3.3 软件设计流程20-21
• 2.4 本章小结21-22
• 3 EMD算法及改进22-36
• 3.1 EMD算法及其主要问题22-23
• 3.1.1 EMD的主要性质22-23
• 3.1.2 EMD存在的问题23
• 3.2 基于遗传算法和支持向量机的EMD改进算法23-29
• 3.2.1 引言23-24
• 3.2.2 支持向量机预测及遗传算法的引入24
• 3.2.3 改进算法的思路及步骤24-25
• 3.2.4 改进算法的仿真分析25-27
• 3.2.5 改进算法的脉搏信号分析27-29
• 3.3 EEMD算法29-34
• 3.3.1 EEMD的基本原理29
• 3.3.2 基于EEMD的脉搏信号的分析29-32
• 3.3.3 自适应脉搏信号的EEMD的方法32-34
• 3.4 本章小结34-36
• 4 关于提取脉搏信号的特征的研究36-41
• 4.1 主波波峰和重搏波波峰的定位方法的提出36-37
• 4.2 定位方法的改进37-38
• 4.3 主波波峰和重搏波波峰的统计特征38-39
• 4.4 主波波峰的近似熵特征39-40
• 4.5 本章小结40-41
• 5 脉搏信号情感识别的分类实现41-49
• 5.1 脉搏信号的采集41
• 5.2 实验数据的特征提取41-46
• 5.2.1 主波波峰和重搏波的统计特征提取41-44
• 5.2.2 主波波峰的近似熵44-46
• 5.3 基于支持向量机的情感分类识别46-48
• 5.3.1 支持向量机的分类46
• 5.3.2 情感状态的训练识别46-47
• 5.3.3 情感状态的验证识别47-48
• 5.4 本章小结48-49
• 6 总结与展望49-51
• 6.1 总结49
• 6.2 展望49-51
• 致谢51-52
• 参考文献52-55
• 个人简历、在学期间发表的学术论文及取得的研究成果55

【参考文献】

中国期刊全文数据库 前2条

1 焦正才;樊文侠;;基于Qt/Embedded的MP3音乐播放器的设计与实现[J];电子设计工程;2012年07期

2 葛臣;刘光远;龙正吉;;情感识别中脉搏信号的特征提取与分析[J];西南师范大学学报(自然科学版);2010年03期

，

本文编号：903625