基于量子粒子群算法的心電信號(hào)情感狀態(tài)識(shí)別研究.pdf

1、隨著計(jì)算機(jī)在人類社會(huì)的深入應(yīng)用,和諧人機(jī)交互環(huán)境已經(jīng)受到人們的高度重視。要做到人機(jī)交互真正的和諧與自然,計(jì)算機(jī)必須能夠識(shí)別和表達(dá)人類的情感。情感計(jì)算的研究,使計(jì)算機(jī)擁有情感能力成為了可能。
　　 由于生理信號(hào)的客觀性和真實(shí)性,從生理信號(hào)中進(jìn)行情感識(shí)別已經(jīng)成為了人機(jī)交互情感識(shí)別領(lǐng)域的一個(gè)重要研究?jī)?nèi)容。生理信號(hào)情感識(shí)別研究,主要是通過(guò)對(duì)采集到的情感生理信號(hào)進(jìn)行分析,抽取出能夠代表特定情感的特征,建立情感識(shí)別模型,用以情感識(shí)別。心電信

2、號(hào)作為一個(gè)重要的生理信號(hào),已經(jīng)被證明能夠包含可靠的情感生理反應(yīng)。同時(shí),心電信號(hào)是醫(yī)學(xué)上的重要研究對(duì)象,其信號(hào)處理技術(shù)已經(jīng)比較成熟。因此,本文以心電信號(hào)作為研究對(duì)象,通過(guò)采集情感心電信號(hào)、信號(hào)預(yù)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(hào)情感識(shí)別模型。具體工作如下:
　　 (1)情感誘發(fā)實(shí)驗(yàn)方案和情感心電信號(hào)采集方案的制定。通過(guò)對(duì)已有文獻(xiàn)中情感誘發(fā)實(shí)驗(yàn)的研究,發(fā)現(xiàn)電影片段比圖片和音樂(lè)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(gè)電影片段之間加上了一定時(shí)間的風(fēng)景圖片和輕音樂(lè)。被試觀看每個(gè)情感誘發(fā)電影片段后需要填寫(xiě)問(wèn)卷,包括自己的情感狀態(tài)和情感強(qiáng)度。當(dāng)被試觀看情感喚起素材時(shí),使用BIOPAC公司的blP150生理信號(hào)記錄儀采集被試的情感心電信號(hào),并使用攝像頭同步記錄被試的面部表情和身體姿勢(shì)。
　　 (2)建立情感心電信號(hào)樣本庫(kù)。通過(guò)情感誘發(fā)實(shí)驗(yàn),本文采集到多名身體健康

4、、無(wú)心臟病史的大學(xué)一年級(jí)學(xué)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(hào)。通過(guò)數(shù)據(jù)有效性分析,從情感誘發(fā)有效的心電信號(hào)中截取出80秒數(shù)據(jù)作為樣本,建立情感心電信號(hào)的樣本庫(kù)。
　　 (3)情感特征提取。通過(guò)小波變換對(duì)采集到的情感心電信號(hào)進(jìn)行分解和重構(gòu),去除基線漂移等噪聲,提高信號(hào)的信噪比。準(zhǔn)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(gòu)成111維的初始特征集。
　　 (4)對(duì)初始特征集相關(guān)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(guān)性分析理論,提取出初始特征集中的相關(guān)特征,只保留其中的一個(gè)特征,實(shí)現(xiàn)對(duì)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(jìn)制量子粒子群算法。針對(duì)心電信號(hào)情感特征選擇這一特殊問(wèn)題,文中在離散二進(jìn)制量子粒子群算法的基礎(chǔ)上

6、設(shè)計(jì)出一種改進(jìn)算法(IBQPSO),通過(guò)性能測(cè)試結(jié)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(jié)合,在降維后的特征集中進(jìn)行特征子集選擇。
　　 (6)心電信號(hào)情感識(shí)別模型的建立?；趦煞N特征選擇方法的結(jié)果,分別構(gòu)建出兩個(gè)不同的心電信號(hào)情感識(shí)別模型,并對(duì)模型進(jìn)行性能測(cè)試。
　　 實(shí)驗(yàn)結(jié)果表明:(1)利用相關(guān)性理論對(duì)心電信號(hào)初始特征集降維是可行的,

7、通過(guò)降維,去除了初始特征集中的部分相關(guān)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(jié)果,文中構(gòu)建出的兩個(gè)不同的心電信號(hào)情感識(shí)別模型都具有良好情感識(shí)別能力和一定的泛化能力。(3)在識(shí)別Disgust(厭惡)情感、Grief(悲傷)兩種情感時(shí),基于IBQPSO算法與Fisher分類器選出的特征子集構(gòu)建出的情感識(shí)別模型具有更好的性能;在識(shí)別Fear(恐懼)、Joy(高興)、Anger(憤怒)、Surprise(驚奇)四種情感時(shí),基