發(fā)布時間：2021-06-16 08:49

　　如今隨著人們工作與生活中的壓力變大,焦慮癥與抑郁癥的患者逐漸增加,心理健康評估成為重要的社會互動研究課題。通常臨床醫(yī)生通過有效的心理測試和問卷量表來評估參與者的心理狀態(tài)。但是這些方法常受到參與者的主觀想法和記憶效應的影響。所以越來越多的研究者開始利用多種社交感知信號來分析心理健康狀況,社交感知信號包括行為信號,語音信號,生理信號以及環(huán)境信號。本文中提出了多傳感可穿戴感知系統(tǒng),并設(shè)計了針對大學生群體的焦慮抑郁心理實驗。參與者在實驗中佩戴可穿戴設(shè)備,采集不同情緒下的語音信號與行為信號。論文提出了一種基于注意力機制的多特征融合分類算法,用于不同情感下的語音特征與行為特征的融合分類與分析�；谧⒁饬C制的特征融合模塊能夠通過訓練獲得不同特征間的最佳融合權(quán)重。為了驗證所提出方法的有效性和魯棒性,文中在多種焦慮和抑郁的指數(shù)上進行了分類測試。所獲得的結(jié)果表明,多傳感器數(shù)據(jù)的融合能夠有效提升心理狀態(tài)分類的精度。與直接連接融合方法相比,論文提出的基于注意力機制的融合方法可以顯著的提高模型的分類性能。論文的研究內(nèi)容與工作主要包括以下三點:1)設(shè)計多傳感器的可穿戴設(shè)備并建立多傳感可穿戴感知系統(tǒng)。此外,設(shè)計了... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

針對行為數(shù)據(jù)與不同情緒語音數(shù)據(jù)的平均1

權(quán)值可以看作為該特征對整個分類模型的貢獻值。在三個指數(shù)的預測過程中，都展現(xiàn)了憤怒，恐懼悲傷等負性情緒下的語音特征對于焦慮/抑郁狀態(tài)分類的貢獻更大。而中立和悲傷情緒下的語音特征則對該分類的貢獻相對較校另外還可以看出在預測不同的心理狀態(tài)標簽時（即焦慮/抑郁的程度），權(quán)值的分布差異很小，這說明對于某種情緒語音特征在預測焦慮或者抑郁程度時時的貢獻是相近的。這與自傳體記憶實驗的結(jié)論是基本一致的，實驗中測試者對自身記憶中的負性情緒感受更強烈，記憶更清晰。而抑郁與焦慮也和負性情緒的相關(guān)性更高。圖4-5注意力模塊2的平均權(quán)值圖4-5中對多特征融合模型中的注意力模塊2的權(quán)重輸出進行了可視化展示，注意力模塊2的作用是加權(quán)融合行為數(shù)據(jù)特征與語音數(shù)特征�？梢院苊黠@的看出語音特征被賦予的權(quán)重要遠遠大于行為特征，說明語音特征對心理狀態(tài)分類的貢獻更大，該結(jié)果與前面語音，行為數(shù)據(jù)單獨的分類效果是相符合的。整體來說，對于我們設(shè)計的實驗，語音數(shù)據(jù)對于焦慮/抑郁心理健康狀態(tài)分類的貢獻更大，語音數(shù)據(jù)與測試者的焦慮/抑郁的關(guān)聯(lián)性更強。

【參考文獻】：
期刊論文
[1]基于深度信念網(wǎng)絡的語音情感識別的研究[J]. 黃晨晨,鞏微,伏文龍,馮東煜.  計算機研究與發(fā)展. 2014(S1)
[2]基于MFCCG-PCA的語音情感識別[J]. 陳煒亮,孫曉.  北京大學學報(自然科學版). 2015(02)
[3]語音傾向性分析中的特征抽取研究[J]. 魏平杰,樊興華.  計算機應用研究. 2014(12)



本文編號：3232766