基于混合生理信号处理的情绪分类技术研究

发布时间：2021-01-05 02:45

　　情绪分类识别是对人类情感进行研究,相关技术可以使得智能机器更好的辅助人们工作。尤其随着可穿戴设备的发展,可以实时动态采集生理信号,基于可穿戴式的动态生理信号情绪分类成为可能。但目前基于生理信号的情绪分类研究集中于在实验室条件下基于脑电信号和基于外周生理信号的情绪分类研究,未能将脑电信号与外周生理信号做混合生理信号融合研究,也未做更适应实际场景的基于动态生理信号混合的情绪分类研究,同时对于生理信号的特征提取也未考虑情绪的生理机制。本文基于这些问题进行研究,从情绪脑电的生理机制入手进行特征提取算法研究,并构建混合生理信号的四分类情绪分类模型与基于可穿戴设备的动态生理信号的四分类情绪分类模型。在基于脑电信号情绪分类研究中,本文从情绪脑电的生理机制入手提取时空特征,并对四种情绪进行分析发现,时空特征有最好的识别效果,同时可以减少其他状态情绪误判为高唤醒度高效价（high arousal high valence,HAHV）和高唤醒度低效价（high arousal low valence,HALV）的概率,也可以提升在其他特征下分类结果不好的低唤醒度低效价（low arousal low va... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
    1.3 本文的主要研究内容
第2章 生理信号情绪分类理论基础
    2.1 引言
    2.2 情绪简介
        2.2.1 情绪维度简介
        2.2.2 情绪诱发
        2.2.3 情感标注
    2.3 生理信号简介
        2.3.1 脑电信号简介
        2.3.2 心电信号简介
        2.3.3 呼吸信号简介
        2.3.4 皮肤电信号简介
    2.4 常用的生理情感数据库
    2.5 本章小结
第3章 基于脑电信号情绪分类研究
    3.1 引言
    3.2 脑电信号常用情绪分类模型
        3.2.1 脑电信号特征提取
        3.2.2 特征标准化
        3.2.3 特征分类算法介绍
        3.2.4 分类结果与分析
    3.3 脑电信号空间域特征分类模型构建
        3.3.1 空间域特征提取
        3.3.2 空间域特征分类结果与分析
    3.4 脑电信号时空域特征分类模型构建
        3.4.1 脑电信号时空域特征提取
        3.4.2 时空域特征分类结果与分析
        3.4.3 时空域特征在其他公共数据库验证
    3.5 情绪混合生理信号采集实验及脑电信号实验数据分析
        3.5.1 情绪混合生理信号采集实验
        3.5.2 实验采集脑电信号预处理
        3.5.3 基于独立分量相似性眼电噪声识别算法分析
        3.5.4 实验数据分类结果与分析
    3.6 本章小结
第4章 基于混合生理信号情绪分类研究
    4.1 引言
    4.2 外周生理信号情绪分类模型构建
        4.2.1 ECG信号预处理及特征提取
        4.2.2 皮肤电信号预处理及特征提取
        4.2.3 呼吸信号预处理及特征提取
        4.2.4 公共数据库数据分类结果与分析
        4.2.5 外周生理信号实验数据分类结果与分析
    4.3 混合生理信号融合情绪分类研究
        4.3.1 传统特征层融合
        4.3.2 基于投票机制多层感知器的特征层融合
        4.3.3 多生理信号深度信念网络的特征层融合
        4.3.4 决策层融合
    4.4 自建数据库实验数据结果分析
        4.4.1 传统特征层融合实验结果与分析
        4.4.2 基于投票机制多层感知器的特征层融合实验结果分析
        4.4.3 多生理信号深度信念网络的特征层融合实验结果分析
        4.4.4 决策层融合实验结果分析
        4.4.5 生理信号的不同组合对决策层融合结果的影响
    4.5 基于可穿戴式动态生理信号情绪分类研究
    4.6 本章小结
结论
参考文献
致谢



本文编号：2957863