基于心電信號分析愉悅視頻對負(fù)性情感的調(diào)節(jié).pdf

1、在日常生活中，我們經(jīng)常會產(chǎn)生內(nèi)疚、氣憤、焦慮、傷心、恐懼、不滿等不良情緒，心理學(xué)家將這些不良情緒統(tǒng)稱為負(fù)性情緒。在負(fù)性情緒中，恐懼是最易出現(xiàn)的。當(dāng)一個人情緒調(diào)節(jié)失調(diào)時，尤其對恐懼情緒調(diào)節(jié)失調(diào)時會誘發(fā)多種心理疾病，如過度恐慌、恐懼癥甚至于抑郁等等。故自上世紀(jì)八十年代 G.Stanley.Hall等人對恐懼情緒進(jìn)行研究之后，其已成為人類學(xué)、心理學(xué)、生物學(xué)、教育學(xué)等眾多領(lǐng)域關(guān)注的焦點。眾所周之，視頻是一種動態(tài)的、多通道的刺激材料，不僅能夠誘發(fā)

2、人們的某種情感，同時還能夠調(diào)節(jié)情感。然而，縱覽文獻(xiàn)發(fā)現(xiàn)，國內(nèi)外很少有人以生理信號為基礎(chǔ)來分析愉悅視頻對負(fù)性情感的調(diào)節(jié)。生理信號作為情感分析的重要媒質(zhì)，已被論證不僅具有客觀真實性、不易受主體的人為操縱等優(yōu)點，而且能夠事實的反映人的情感。故基于上述理由，本文提出了基于心電信號來分析愉悅視頻對恐懼情緒的調(diào)節(jié)作用。具體內(nèi)容和研究工作如下：
　?。?）首先選取有效的情感素材，素材包括高興、恐懼兩種情感視頻以及中性低喚醒度的圖片，而后對已選取

3、和編輯的有效情感素材，設(shè)計了科學(xué)、合理的評定方案，最后對已評定打分的情感素材在愉悅度、喚醒度兩個維度上做獨立樣本T假設(shè)檢驗分析。
　?。?）在分析愉悅視頻對負(fù)性情感的研究中，采用了先誘發(fā)而后調(diào)節(jié)的實驗方案，即先通過恐懼視頻誘發(fā)被試主體的情緒，然后利用愉悅的視頻對實驗組被試進(jìn)行正性調(diào)節(jié)，而對照組的被試則不做任何處理（在安靜環(huán)境下靜坐進(jìn)行自我恢復(fù)）。實驗過程中，利用 MP150同時采集了基線、喚起、調(diào)節(jié)下的心電數(shù)據(jù)，建立起情感數(shù)據(jù)庫。

4、
　?。?）在對生理信號進(jìn)行特征提取之前，利用離散小波變換對心電信號進(jìn)行去噪處理。對降噪后的心電信號利用DB7小波基函數(shù)進(jìn)行7層分解，獲取每一層的高頻系數(shù)和低頻系數(shù)，隨后求得前四層高、低頻系數(shù)的均值、方差、能量共計24個線性特征，而非線性特征我們則是提取了一階近似熵、二階近似熵、最大李雅譜諾夫指數(shù)、一階LZ復(fù)雜度，二階LZ復(fù)雜度、嵌入維、時延、遞歸率、6階加權(quán)Krawtchouk矩等14個特征。
　?。?）利用Relief特

5、征選擇算法，計算出平靜VS高興、平靜VS恐懼、高興VS恐懼情感狀態(tài)下各個特征的分類識別權(quán)重值，并對特征按照權(quán)重值的大小進(jìn)行排序，篩選出各個情感分類下的最優(yōu)特征組合。最后，把高興VS恐懼情感分類下的最優(yōu)特征組合與SVM分類器相結(jié)合，得到了平均識別率為84.7%的二分類情感判決模型，為負(fù)性情感調(diào)節(jié)分析建立了基礎(chǔ)。
　?。?）在宏觀上,對被試的自我評分進(jìn)行獨立樣本雙邊T假設(shè)檢驗，可以得出被試負(fù)性情緒在整個調(diào)節(jié)階段隨著時間流逝而逐漸減弱，

6、而愉悅視頻的調(diào)節(jié)要快于被試獨自靜坐自然恢復(fù)。在微觀上，對調(diào)節(jié)階段的心電信號，按照步進(jìn)1s依次提取時間窗n=15s內(nèi)的最優(yōu)特征組合，送入已建立的情感識別模型進(jìn)行概率判決，并繪制出實時的概率曲線圖，結(jié)果表明：在愉悅視頻的調(diào)解下，被試情感狀態(tài)被判定為恐懼的平均時間為175.5s；在自然恢復(fù)條件下，被試情感狀態(tài)被判定為恐懼的平均時間為296.5s。在特征上，分析了高興VS恐懼情感分類下最優(yōu)特征組合的每個特征在愉悅視頻調(diào)節(jié)和自然恢復(fù)中隨時間的變化