基于生理信號的情緒識別是一個相對比較新和快速增長的研究領域,目前已經(jīng)有多種生理信號成功應用于情緒識別。心音作為一種重要的人體生理信號,直觀反映心臟的跳動情況,而心臟的運動情況與情緒息息相關,所以心音能一定程度上反映情緒變化。但是國際尚無根據(jù)心音進行情緒識別的先例,該課題創(chuàng)造性地將心音應用到情緒識別中,構(gòu)建了一個基于心音HRV和DSV的情緒識別系統(tǒng)。首先,介紹自主設計制作的實驗平臺,制定情緒心音采集實驗方案,初步建立起一個小型情緒心音庫。被試通過視/音頻刺激,分別體驗放松、平靜、高興、憤怒4種基本情緒,采用肩戴式心音采集器全程記錄被試的情緒心音信號,并且同步記錄被試心電進行對比。其次設計了一種基于模板選擇的心音預篩選與分段算法,自動篩除那些受到笑聲、哭聲、說話聲等強噪聲干擾的情緒心音,并對通過預篩選的情緒心音進行精確分段,方便后續(xù)計算心音HRV、DSV指標。該算法主要工作包括:（1）優(yōu)化基于混沌特征的復合心音發(fā)生模型的部分參數(shù),建立一個完備的心音模板庫;（2）進行心音預篩選,避免無意義的分段操作;（3）對通過預篩選的心音信號進行精確分段。該算法能有效維護情緒心音庫,只有分段準確率為100... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
專用術語注釋表
第一章 緒論
    1.1 該課題的研究背景及意義
    1.2 該課題相關研究現(xiàn)狀
        1.2.1 情緒的理論基礎
        1.2.2 基于生理信號的情緒識別研究現(xiàn)狀
    1.3 該課題主要內(nèi)容及創(chuàng)新點
        1.3.1 主要內(nèi)容
        1.3.2 創(chuàng)新點
第二章 肩戴式情緒心音采集實驗平臺
    2.1 實驗硬件平臺
    2.2 情緒刺激素材選擇
    2.3 被試招募
    2.4 實驗步驟
    2.5 情緒心音數(shù)據(jù)庫的建立與維護
    2.6 本章小結(jié)
第三章 心音信號用于情緒識別的生理基礎
    3.1 心音產(chǎn)生機理的分析
    3.2 情緒心音與自主神經(jīng)系統(tǒng)關系
    3.3 HRV理論
    3.4 心音HRV指標
    3.5 心音DSV指標
    3.6 本章小結(jié)
第四章 心音信號的預篩選與分段
    4.1 常用心音分段算法概述
    4.2 基于模板選擇的心音預篩選與分段算法
        4.2.1 算法設計
        4.2.2 建立心音模板庫
        4.2.3 心音預篩選
        4.2.4 心音分段
    4.3 分段算法實驗與比較
        4.3.1 實驗數(shù)據(jù)
        4.3.2 算法性能評估
        4.3.3 結(jié)果分析
    4.4 心音HRV和DSV的提取
    4.5 本章小結(jié)
第五章 心音HRV和DSV情緒識別系統(tǒng)
    5.1 系統(tǒng)總體設計
    5.2 心音HRV和DSV的特征分析
        5.2.1 線性分析
        5.2.2 非線性分析
        5.2.3 圖形分析
    5.3 心音情緒識別評價指標體系
        5.3.1 GA算法選擇特征
        5.3.2 心音情緒識別評價指標體系
    5.4 分類識別
    5.5 本章小結(jié)
第六章 實驗結(jié)果與分析
    6.1 心音與心電情緒識別特征對比
        6.1.1 各情緒評價指標在情緒評價體系中的表現(xiàn)
        6.1.2 各情緒評價指標典型特征的表征效果
    6.2 識別結(jié)果與分析
        6.2.1 效價識別結(jié)果
        6.2.2 喚醒度識別結(jié)果
        6.2.3 效價-喚醒度綜合識別結(jié)果
        6.2.4 結(jié)果分析
    6.3 本章小結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻
附錄1 攻讀碩士學位期間申請的專利
附錄2 攻讀碩士學位期間參加的科研項目
附錄3 各情緒評價指標特征的權重指數(shù)相關表格
致謝


【參考文獻】：
期刊論文
[1]基于遺傳優(yōu)化的多級SVM語音情感識別[J]. 談利芳,劉蓉,黃剛,張雄.  電子測量技術. 2017(10)
[2]基于DD-DWT和Log-Logistic參數(shù)回歸的癲癇腦電自動識別方法[J]. 李明陽,陳萬忠,張濤.  儀器儀表學報. 2017(06)
[3]基于改進的維奧拉積分方法提取心音信號包絡[J]. 郭興明,蔣鴻,鄭伊能.  儀器儀表學報. 2016(10)
[4]基于自適應遺傳算法的SVM參數(shù)優(yōu)化[J]. 孟滔,周新志,雷印杰.  計算機測量與控制. 2016(09)
[5]基于混沌特性的復合心音發(fā)生器的設計與研究[J]. 成謝鋒,陳胤,成亮,姜斌,汪晶.  數(shù)據(jù)采集與處理. 2016(05)
[6]冠心病與負情緒的相關性及臨床意義[J]. 陸衛(wèi)華,李田昌,陳宇,裘毅剛,李賢峰,黃毅雄.  中西醫(yī)結(jié)合心腦血管病雜志. 2016(17)
[7]基于情感心電信號的去趨勢波動分析研究[J]. 程靜,劉光遠.  西南大學學報(自然科學版). 2016(02)
[8]基于生理大數(shù)據(jù)的情緒識別研究進展[J]. 趙國朕,宋金晶,葛燕,劉永進,姚林,文濤.  計算機研究與發(fā)展. 2016(01)
[9]基于生理信號的情緒識別研究進展[J]. 張迪,萬柏坤,明東.  生物醫(yī)學工程學雜志. 2015(01)
[10]正負性情緒的自主神經(jīng)反應及應用[J]. 易欣,葛列眾,劉宏艷.  心理科學進展. 2015(01)

博士論文
[1]基于龐加萊散點圖和遞歸圖的心率變異性研究[D]. 霍鋮宇.南京大學 2014

碩士論文
[1]一種基于心臟生理參數(shù)的復合心音合成模型及應用研究[D]. 姜斌.南京郵電大學 2016



本文編號：3195828