基于量子粒子群算法的心電信號情感狀態(tài)識別研究.pdf

1、隨著計算機在人類社會的深入應用,和諧人機交互環(huán)境已經(jīng)受到人們的高度重視。要做到人機交互真正的和諧與自然,計算機必須能夠識別和表達人類的情感。情感計算的研究,使計算機擁有情感能力成為了可能。
　　 由于生理信號的客觀性和真實性,從生理信號中進行情感識別已經(jīng)成為了人機交互情感識別領域的一個重要研究內容。生理信號情感識別研究,主要是通過對采集到的情感生理信號進行分析,抽取出能夠代表特定情感的特征,建立情感識別模型,用以情感識別。心電信

2、號作為一個重要的生理信號,已經(jīng)被證明能夠包含可靠的情感生理反應。同時,心電信號是醫(yī)學上的重要研究對象,其信號處理技術已經(jīng)比較成熟。因此,本文以心電信號作為研究對象,通過采集情感心電信號、信號預處理、情感特征提取、特征選擇等一系列工作,最終建立心電信號情感識別模型。具體工作如下:
　　 (1)情感誘發(fā)實驗方案和情感心電信號采集方案的制定。通過對已有文獻中情感誘發(fā)實驗的研究,發(fā)現(xiàn)電影片段比圖片和音樂等素材更能成功激發(fā)人的情感。文中從

3、大量的電影中剪輯出能夠誘發(fā)特定情感的電影片段作為情感喚起素材。為避免情感的交叉影響,在每個電影片段之間加上了一定時間的風景圖片和輕音樂。被試觀看每個情感誘發(fā)電影片段后需要填寫問卷,包括自己的情感狀態(tài)和情感強度。當被試觀看情感喚起素材時,使用BIOPAC公司的blP150生理信號記錄儀采集被試的情感心電信號,并使用攝像頭同步記錄被試的面部表情和身體姿勢。
　　 (2)建立情感心電信號樣本庫。通過情感誘發(fā)實驗,本文采集到多名身體健康

4、、無心臟病史的大學一年級學生分別在Anger(憤怒)、Disgust(厭惡)、Fear(恐懼)、Grief(悲傷)、Joy(高興)、Surprise(驚奇)六種情感狀態(tài)下的心電信號。通過數(shù)據(jù)有效性分析,從情感誘發(fā)有效的心電信號中截取出80秒數(shù)據(jù)作為樣本,建立情感心電信號的樣本庫。
　　 (3)情感特征提取。通過小波變換對采集到的情感心電信號進行分解和重構,去除基線漂移等噪聲,提高信號的信噪比。準確定位P-QRS-T波后,分別從不

5、同情感狀態(tài)下的數(shù)據(jù)中提取情感特征,構成111維的初始特征集。
　　 (4)對初始特征集相關性降維。由于初始特征集中包含了很多冗余特征,偽了降低特征選擇的難度和提高特征選擇工作效率,文中基于相關性分析理論,提取出初始特征集中的相關特征,只保留其中的一個特征,實現(xiàn)對初始特征集的降維。
　　 (5)特征選擇。在特征選擇中,引入離散二進制量子粒子群算法。針對心電信號情感特征選擇這一特殊問題,文中在離散二進制量子粒子群算法的基礎上

6、設計出一種改進算法(IBQPSO),通過性能測試結果表明,IBQPSO算法比原算法具有更好的全局搜索性能。將IBQPSO算法分別與線性分類器Fisher和非線性分類器SVM結合,在降維后的特征集中進行特征子集選擇。
　　 (6)心電信號情感識別模型的建立?；趦煞N特征選擇方法的結果,分別構建出兩個不同的心電信號情感識別模型,并對模型進行性能測試。
　　 實驗結果表明:(1)利用相關性理論對心電信號初始特征集降維是可行的,

7、通過降維,去除了初始特征集中的部分相關特征,降低了特征選擇的難度。(2)基于兩種特征選擇方法的結果,文中構建出的兩個不同的心電信號情感識別模型都具有良好情感識別能力和一定的泛化能力。(3)在識別Disgust(厭惡)情感、Grief(悲傷)兩種情感時,基于IBQPSO算法與Fisher分類器選出的特征子集構建出的情感識別模型具有更好的性能;在識別Fear(恐懼)、Joy(高興)、Anger(憤怒)、Surprise(驚奇)四種情感時,基