基于小波（包）變換的表面肌電信號(hào)情感識(shí)別方法研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)通信技術(shù)和多媒體技術(shù)的飛速發(fā)展，新型的人機(jī)交互(Human MachineInteraction，HCI)技術(shù)已成為當(dāng)前計(jì)算機(jī)科學(xué)領(lǐng)域一個(gè)十分活躍的研究課題。情感計(jì)算的研究對(duì)于增強(qiáng)計(jì)算機(jī)的智能化和人性化開(kāi)發(fā)新型人機(jī)環(huán)境，以及推動(dòng)心理學(xué)等學(xué)科的發(fā)展，有著重要的現(xiàn)實(shí)意義，并最終產(chǎn)生很人經(jīng)濟(jì)效益和社會(huì)效益。情感識(shí)別是情感計(jì)算的一個(gè)關(guān)鍵問(wèn)題，是建立和諧人機(jī)環(huán)境的基礎(chǔ)之一。 情感識(shí)別的方法，目前多采用面部表情，身體姿態(tài)和語(yǔ)音

2、信號(hào)分析法，以及心理學(xué)上常用的問(wèn)卷調(diào)查法，其結(jié)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(yīng)用生理信號(hào)測(cè)量法，所得數(shù)據(jù)更客觀。所以本文采用生理信號(hào)中的表面肌電信號(hào)(surface electromyography signal EMG)來(lái)識(shí)別joy、anger、sadness、pleasure四種情感狀態(tài)。本文是在Picard教授帶領(lǐng)的MIT媒體實(shí)驗(yàn)小組證明應(yīng)用生理信號(hào)對(duì)情感識(shí)

3、別的方法是可行的和德國(guó)Augsburg大學(xué)的研究成果上并采用德國(guó)Augsburg大學(xué)Johannes Wagner等人對(duì)1個(gè)被試者在音樂(lè)的誘發(fā)下產(chǎn)生的joy、anger、sadness、pleasure四種情感時(shí)25大的表面肌電信號(hào)數(shù)據(jù)的基礎(chǔ)上，主要做了以下兩個(gè)方面的工作： (1)針對(duì)表面肌電信號(hào)的非平穩(wěn)性，采用小波變換方法對(duì)表面肌電信號(hào)進(jìn)行分析，然后提取小波系數(shù)最大值和最小值構(gòu)造特征矢量分別輸入用L-M算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)分

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

5、可行性和有效性，得出以下結(jié)論： (1)總體分類識(shí)別效果BP神經(jīng)網(wǎng)絡(luò)分類器優(yōu)于最近鄰法分類器，其中單個(gè)情感joy的識(shí)別效果最近鄰法分類器比BP神經(jīng)網(wǎng)絡(luò)分類器要好，也說(shuō)明情感狀態(tài)joy的表面肌電信號(hào)聚類效果較好。也證實(shí)了用單一的生理信號(hào)也能達(dá)劍較好的識(shí)別效果。如果對(duì)BP網(wǎng)絡(luò)的設(shè)計(jì)和學(xué)習(xí)算法的進(jìn)一步改進(jìn)，以及小波變換特征提取的改進(jìn)都是可以提高情感識(shí)別率的。今后的工作就是BP網(wǎng)絡(luò)的設(shè)汁和學(xué)習(xí)算法的改進(jìn)，以及小波變換特征提取方法的改進(jìn)。

6、 (2)用空間的相對(duì)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(shí)別結(jié)果。并說(shuō)明了高喚醒度的表面肌電信號(hào)比較有序，低喚醒度的表面肌電信號(hào)比較無(wú)序混沌，能量隨機(jī)的分散在各個(gè)子頻帶中。也證明了提取表面肌電信號(hào)的小波包系數(shù)熵來(lái)分析表面肌電信號(hào)，并進(jìn)行情感狀態(tài)識(shí)別是可行且有效的。但是用小波包系數(shù)熵同時(shí)來(lái)識(shí)別joy、anger、sadness、pleasure四種情感狀態(tài)效果不太理想，應(yīng)該進(jìn)一步去研究發(fā)現(xiàn)更有效的特征