【摘要】：隨著社會的進步和經(jīng)濟的發(fā)展,越來越多的人關注情緒在生活工作中的影響�，F(xiàn)代人處于快節(jié)奏的生活中,常面臨繁重的精神壓力,長期處于不良情緒容易導致失眠以及增加焦慮癥、抑郁癥等心理疾病發(fā)病率,威脅人們健康甚至生命。準確高效地識別情緒,在臨床醫(yī)學、社會科學和工程實踐中具有重要的理論意義和應用價值。設計研發(fā)具有情緒識別功能的機器或者可穿戴設備,實時監(jiān)測心理疾病患者的生理信號,感知患者情緒變化,并及時給出相應反饋,已成為心理疾病治療方法的研究熱點。除此之外,情緒識別在在線教育、刑事偵查、交通安全以及休閑娛樂等領域都具有廣泛的應用前景。針對當前基于生理信號的情緒識別研究中對特征提取不夠廣泛,本文在前人特征提取方法的基礎上,提出新的用于脈搏和呼吸特征提取方法。對于脈搏信號,通過特征點的識別,構建脈搏形態(tài)學時間序列,并結合集成經(jīng)驗模態(tài)分解得到的本征模態(tài)函數(shù),從時域、頻域兩方面提取脈搏特征。對于呼吸信號,采用多尺度熵算法提取呼吸信號的非線性特征,結合時域、頻域分析,從多方面提取刻畫不同情緒狀態(tài)下呼吸信號的相關特征。本文主要研究內(nèi)容如下:(1)設計并實施合理的情緒誘發(fā)實驗,通過多導生理儀采集60名在校大學生六種情緒狀態(tài)下的脈搏、呼吸信號。經(jīng)過信號重采樣后,分別采用小波濾波去除脈搏信號的噪聲干擾和二階ⅡR峰值濾波器提升呼吸信號主頻率。(2)通過自適應差分閾值法檢測出脈搏信號的峰值點,采用SSF函數(shù)增強脈搏上升支,并結合差分閾值算法檢測脈搏起始點,基于特征點構造脈搏形態(tài)學時間序列。利用集成經(jīng)驗模態(tài)分解獲得不同頻帶上的本征模態(tài)函數(shù),從中去除頻率較低、幅值較小的分量,保留與脈搏信號相似性較高的分量。通過計算上述時間序列的時域、頻域特征,共得到84種刻畫不同情緒狀態(tài)的脈搏特征。(3)采用多尺度熵計算不同情緒狀態(tài)下呼吸信號的復雜度,探究了重采樣頻率與尺度因子之間的關系,并通過實驗比較確定了不同的多尺度熵算法應采用不同的閾值因子。結合呼吸信號的時域、頻域特征,共得到57種刻畫不同情緒狀態(tài)的呼吸特征。(4)利用ReliefF算法篩選出脈搏、呼吸特征用于情緒分類起正面作用的特征集合�；谂c情緒正面相關的最優(yōu)特征子集,采用十折交叉檢驗與網(wǎng)格尋優(yōu)確定隨機森林算法參數(shù),建立一對一以及一對多情緒識別模型。其中,一對一情緒識別模型的最高識別率為84%,基于脈搏、呼吸組合特征的一對多情緒識別模型識別率為72%。(5)對每一類模型進行特征分析,以基尼系數(shù)增益為指標選擇用于情緒識別建模最重要的五個特征,結果表明脈搏波形因子和頻域特征、呼吸最大值與均值比值以及多尺度熵用于情緒分類效果較好。同時,當脈搏、呼吸信號共同用于情緒識別時,呼吸特征的貢獻率要大于脈搏特征。
【圖文】：

填寫基本信息登記表，并被告知本次實驗目的，簽署表２．１被試者基本信息登記表逡逑血壓（ｍｍＨｇ）邐心率／ｍｉｎ體邐邐年身高邐實驗前邐實驗后邋實實審逡逑齡（ｃｍ）邐驗驗（ｋｇ）邋ＳＢＰ邋ＤＢＰ邋ＳＢＰ邋ＤＢＰ逡逑前后：設備由兩臺電腦和生理信號采集儀組成。其中，筆用于播放情緒激發(fā)視頻并記錄實驗過程；臺式電腦與部分，，用于采集、記錄、顯示情感生理信號。實驗采集系統(tǒng)ＲＭ６２４０Ｂ同步采集被試的脈搏和呼吸信號，

圖２．２原始及小波濾波后的脈搏信號逡逑（２）呼吸信號的降噪處理逡逑
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN911.7

【參考文獻】

相關期刊論文 前5條

1 聶聃;王曉椺;段若男;呂寶糧;;基于腦電的情緒識別研究綜述[J];中國生物醫(yī)學工程學報;2012年04期

2 鄭璞;劉聰慧;俞國良;;情緒誘發(fā)方法述評[J];心理科學進展;2012年01期

3 蔣軍;陳雪飛;陳安濤;;情緒誘發(fā)方法及其新進展[J];西南師范大學學報(自然科學版);2011年01期

4 郝敏;劉光遠;;用分層循環(huán)遺傳算法去識別生理信號情感狀態(tài)[J];計算機工程與應用;2010年01期

5 張穎,羅森林;情感建模與情感識別[J];計算機工程與應用;2003年33期

相關碩士學位論文 前8條

1 杜昭慧;情感識別脈搏信號特征分類研究[D];吉林大學;2017年

2 何成;基于多生理信號的情緒識別方法研究[D];浙江大學;2016年

3 劉峰;基于皮膚電信號的情感識別與調(diào)節(jié)研究[D];西南大學;2015年

4 楊敏;非線性特征用于心電信號的情感識別[D];西南大學;2013年

5 劉俸汝;基于皮膚電情感識別的情感調(diào)節(jié)策略研究[D];西南大學;2013年

6 曹軍;基于量子粒子群算法的心電信號情感狀態(tài)識別研究[D];西南大學;2012年

7 馬長偉;蟻群優(yōu)化算法用于生理信號情感狀態(tài)識別中的研究[D];西南大學;2010年

8 魯舜;運用蟻群優(yōu)化算法篩選情感生理信號特征[D];西南大學;2009年

本文編號：2594659