進(jìn)化算法在選取ECG信號情感特征中的研究.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，尤其以研究面部識別、語音識別為主，但這些特征有時根本無法反映出人類真實(shí)情感狀態(tài)，也就無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作為研究對象來分析情感識別。通過分析生理信號，就可以識別出內(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M

2、IT媒體實(shí)驗(yàn)室情感計算研究小組的Picard教授及其合作者率先從生理信號中提取特征來進(jìn)行情感狀態(tài)識別方面的研究，相繼的其它國家與學(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)有的基于生理信號的情感狀態(tài)識別卻存在著眾多難題，譬如：識別效果欠佳，無法得到統(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情感識別領(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)所研究的問題，遵循達(dá)爾文“物競大擇，適者生存”原則，使隨機(jī)生成的初始問題解通過復(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)科的第三個研究熱點(diǎn)。 由于ECG信號蘊(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信號的情感狀態(tài)特征優(yōu)化問題，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信號的情感識別難題，主要研究內(nèi)容如下： 1)心電信號的數(shù)據(jù)采集：實(shí)驗(yàn)通過MP150采集了391個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，所需的被試均來自西南大學(xué)在校大學(xué)生； 2)原始心電信號的預(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、和基線漂移及抖動等干擾因素； 3)情感特征的提取：利用小波變換良好的時—頻局部化和對信號奇異點(diǎn)檢測能力，對采集的ECG信號進(jìn)行離散小波變換，去除帶外噪聲和基線漂移的同時重構(gòu)ECG信號的高頻部分，并通過對心電信號自身的特點(diǎn)進(jìn)行分析，提取出84種統(tǒng)計特征，最后選擇出比較有效的108組ECG生理信號，形成數(shù)據(jù)庫； 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)化算法的評價準(zhǔn)