進(jìn)化算法在選取ECG信號(hào)情感特征中的研究.pdf

1、由于情感在人類的感知、決策等眾多過(guò)程中扮演著重要角色，并且伴隨著在認(rèn)知領(lǐng)域的不斷探索，于是人們開始迫切地從事對(duì)情感狀態(tài)領(lǐng)域的研究。而在此類研究中，尤其以研究面部識(shí)別、語(yǔ)音識(shí)別為主，但這些特征有時(shí)根本無(wú)法反映出人類真實(shí)情感狀態(tài)，也就無(wú)法從生理角度上分析人類情感。而為了解決這種沖突矛盾，本研究采用生理信號(hào)作為研究對(duì)象來(lái)分析情感識(shí)別。通過(guò)分析生理信號(hào)，就可以識(shí)別出內(nèi)在的情感和情緒變化，最可靠的是能采集到比較理想的符合真實(shí)環(huán)境的生理數(shù)據(jù)。美國(guó)M

2、IT媒體實(shí)驗(yàn)室情感計(jì)算研究小組的Picard教授及其合作者率先從生理信號(hào)中提取特征來(lái)進(jìn)行情感狀態(tài)識(shí)別方面的研究，相繼的其它國(guó)家與學(xué)者也在這一方面給予了極大的重視，并開始了積極的研究。然而，現(xiàn)有的基于生理信號(hào)的情感狀態(tài)識(shí)別卻存在著眾多難題，譬如：識(shí)別效果欠佳，無(wú)法得到統(tǒng)一而有效的特征組合，魯棒性較差等等。因此文中引入基于進(jìn)化算法的思想希望在生理信號(hào)情感識(shí)別領(lǐng)域中突破以往的局限，進(jìn)而達(dá)到較好的效果和有效的特征組合。 進(jìn)化算法是一種新

3、興的搜索尋優(yōu)技術(shù)，它根據(jù)生物中遺傳與進(jìn)化的原理，仿效基因、染色體等物質(zhì)表達(dá)所研究的問(wèn)題，遵循達(dá)爾文“物競(jìng)大擇，適者生存”原則，使隨機(jī)生成的初始問(wèn)題解通過(guò)復(fù)制、交換、突變等遺傳操作不斷迭代進(jìn)化、逐步逼近最優(yōu)解，從實(shí)質(zhì)上講，進(jìn)化算法是生物科學(xué)與工程技術(shù)相結(jié)合的一門邊緣學(xué)科，目前，它已成為繼專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)之后有關(guān)人工智能學(xué)科的第三個(gè)研究熱點(diǎn)。 由于ECG信號(hào)蘊(yùn)含情感特征豐富，可以較明顯的反映出人類的情感狀態(tài)變化，因此，論文結(jié)合

4、進(jìn)化智能優(yōu)化算法應(yīng)用處理ECG信號(hào)的情感狀態(tài)特征優(yōu)化問(wèn)題，在一定程度上有效的解決了以往傳統(tǒng)方法處理ECG信號(hào)特征選擇的諸多局限性，在此基礎(chǔ)上，進(jìn)一步深入研究了ECG信號(hào)的情感識(shí)別難題，主要研究?jī)?nèi)容如下： 1)心電信號(hào)的數(shù)據(jù)采集：實(shí)驗(yàn)通過(guò)MP150采集了391個(gè)被試在高興與悲傷兩種情感狀態(tài)下所激發(fā)的ECG生理信號(hào)，所需的被試均來(lái)自西南大學(xué)在校大學(xué)生； 2)原始心電信號(hào)的預(yù)處理：利用小波降噪函數(shù)和濾波器去除電源干擾的高頻噪聲

5、和基線漂移及抖動(dòng)等干擾因素； 3)情感特征的提?。豪眯〔ㄗ儞Q良好的時(shí)—頻局部化和對(duì)信號(hào)奇異點(diǎn)檢測(cè)能力，對(duì)采集的ECG信號(hào)進(jìn)行離散小波變換，去除帶外噪聲和基線漂移的同時(shí)重構(gòu)ECG信號(hào)的高頻部分，并通過(guò)對(duì)心電信號(hào)自身的特點(diǎn)進(jìn)行分析，提取出84種統(tǒng)計(jì)特征，最后選擇出比較有效的108組ECG生理信號(hào)，形成數(shù)據(jù)庫(kù)； 4)情感特征子集選擇：將進(jìn)化算法中的進(jìn)化策略和遺傳算法與KNN分類器結(jié)合，以近鄰法分類的正確率作為進(jìn)化算法的評(píng)價(jià)準(zhǔn)