基于小波（包）變換的表面肌電信號情感識別方法研究.pdf

1、隨著計算機網(wǎng)絡通信技術和多媒體技術的飛速發(fā)展，新型的人機交互(Human MachineInteraction，HCI)技術已成為當前計算機科學領域一個十分活躍的研究課題。情感計算的研究對于增強計算機的智能化和人性化開發(fā)新型人機環(huán)境，以及推動心理學等學科的發(fā)展，有著重要的現(xiàn)實意義，并最終產(chǎn)生很人經(jīng)濟效益和社會效益。情感識別是情感計算的一個關鍵問題，是建立和諧人機環(huán)境的基礎之一。 情感識別的方法，目前多采用面部表情，身體姿態(tài)和語音

2、信號分析法，以及心理學上常用的問卷調(diào)查法，其結果通常受被試和主試的主觀因素影響，而生理變化只受人的自主神經(jīng)系統(tǒng)和內(nèi)分泌系統(tǒng)支配，不受人的主觀控制，因而應用生理信號測量法，所得數(shù)據(jù)更客觀。所以本文采用生理信號中的表面肌電信號(surface electromyography signal EMG)來識別joy、anger、sadness、pleasure四種情感狀態(tài)。本文是在Picard教授帶領的MIT媒體實驗小組證明應用生理信號對情感識

3、別的方法是可行的和德國Augsburg大學的研究成果上并采用德國Augsburg大學Johannes Wagner等人對1個被試者在音樂的誘發(fā)下產(chǎn)生的joy、anger、sadness、pleasure四種情感時25大的表面肌電信號數(shù)據(jù)的基礎上，主要做了以下兩個方面的工作： (1)針對表面肌電信號的非平穩(wěn)性，采用小波變換方法對表面肌電信號進行分析，然后提取小波系數(shù)最大值和最小值構造特征矢量分別輸入用L-M算法改進的BP神經(jīng)網(wǎng)絡分

4、類器和最近鄰法分類器對joy、anger、sadness、pleasure四種情感狀態(tài)進行分類識別。 (2)對25天的表面肌電信號數(shù)據(jù)采用小波包變換方法進行預處理，然后提取小波包變換系數(shù)的熵值。通過大量仿真實驗確定分類判別點的小波包系數(shù)熵值，并對joy和asdness，anger和pleasure，joy和pleasure，anger和sadness的4組情感和情感喚醒度進行了分類識別。 通過大量仿真實驗證實了上述工作的

5、可行性和有效性，得出以下結論： (1)總體分類識別效果BP神經(jīng)網(wǎng)絡分類器優(yōu)于最近鄰法分類器，其中單個情感joy的識別效果最近鄰法分類器比BP神經(jīng)網(wǎng)絡分類器要好，也說明情感狀態(tài)joy的表面肌電信號聚類效果較好。也證實了用單一的生理信號也能達劍較好的識別效果。如果對BP網(wǎng)絡的設計和學習算法的進一步改進，以及小波變換特征提取的改進都是可以提高情感識別率的。今后的工作就是BP網(wǎng)絡的設汁和學習算法的改進，以及小波變換特征提取方法的改進。

6、 (2)用空間的相對能量的小波包系數(shù)熵作為特征是一種較好的特征提取方法，能得到比較理想的識別結果。并說明了高喚醒度的表面肌電信號比較有序，低喚醒度的表面肌電信號比較無序混沌，能量隨機的分散在各個子頻帶中。也證明了提取表面肌電信號的小波包系數(shù)熵來分析表面肌電信號，并進行情感狀態(tài)識別是可行且有效的。但是用小波包系數(shù)熵同時來識別joy、anger、sadness、pleasure四種情感狀態(tài)效果不太理想，應該進一步去研究發(fā)現(xiàn)更有效的特征