發(fā)布時(shí)間：2022-12-18 14:23

　　情緒識(shí)別和情感計(jì)算是人機(jī)情感交互的關(guān)鍵環(huán)節(jié),也是研究熱點(diǎn)。目前的情緒識(shí)別主要是基于語音語調(diào)、面部表情、身體姿態(tài)、文本信息、生理信號(hào)等。其中,基于生理信號(hào)的情緒識(shí)別研究尤為突出,主要包含生理信號(hào)的采集、特征提取和特征識(shí)別三個(gè)方面的研究,論文主要圍繞情緒誘發(fā)范式的實(shí)驗(yàn)設(shè)計(jì)、心電和脈搏信號(hào)采集與預(yù)處理、情感生理信號(hào)特征提取以及不同情緒模式的生理信號(hào)情感識(shí)別等方面進(jìn)行了相關(guān)研究,主要研究內(nèi)容如下:1)情緒誘發(fā)實(shí)驗(yàn)范式設(shè)計(jì)。針對(duì)高興、悲傷、驚奇、自豪、憤怒、恐懼、感動(dòng)、厭惡8種情緒,通過嚴(yán)格問卷方式獲得激發(fā)情感強(qiáng)度較高的視頻片段作為情緒誘發(fā)素材,采用Superlab軟件設(shè)計(jì)情緒誘發(fā)實(shí)驗(yàn)范式,誘發(fā)被試產(chǎn)生對(duì)應(yīng)的正負(fù)性情緒。2)心電和脈搏信號(hào)采集與預(yù)處理。利用MP150生理信號(hào)測(cè)量儀,采集8種情緒狀態(tài)下的心電和脈搏信號(hào),采用帶阻切比雪夫Ⅱ型濾波器濾除50 Hz工頻干擾,零相移數(shù)字濾波去除信號(hào)的基線漂移;設(shè)計(jì)巴特沃斯帶通濾波器和小波閾值去噪方法,消除測(cè)量中的偽跡和噪聲,獲得純凈的情感生理信號(hào)。3)情感生理信號(hào)的特征提取。分別采用峰值檢測(cè)分析法和小波變換方法,提取了不同情緒狀態(tài)的心電和脈搏信號(hào)線性特征,... 

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 論文研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 情緒識(shí)別研究現(xiàn)狀
        1.2.2 基于生理信號(hào)的情緒識(shí)別研究現(xiàn)狀
    1.3 目前存在的問題
    1.4 主要研究內(nèi)容與論文結(jié)構(gòu)
        1.4.1 主要研究內(nèi)容
        1.4.2 論文結(jié)構(gòu)
第二章 情感生理信號(hào)的采集與預(yù)處理
    2.1 情緒的定義和模型分類
    2.2 情感生理信號(hào)的選取及其特性
        2.2.1 心電信號(hào)及特性
        2.2.2 脈搏信號(hào)及特性
    2.3 生理信號(hào)的情緒誘發(fā)實(shí)驗(yàn)范式設(shè)計(jì)
        2.3.1 情緒誘發(fā)方式與素材的選取
        2.3.2 情緒誘發(fā)實(shí)驗(yàn)范式設(shè)計(jì)
    2.4 實(shí)驗(yàn)方法與數(shù)據(jù)采集
        2.4.1 實(shí)驗(yàn)設(shè)備簡(jiǎn)介
        2.4.2 實(shí)驗(yàn)步驟與方法
        2.4.3 實(shí)驗(yàn)數(shù)據(jù)采集
    2.5 心電和脈搏信號(hào)預(yù)處理
        2.5.1 去除基線漂移與工頻干擾
        2.5.2 去除偽跡與噪聲
        2.5.3 結(jié)果分析
    2.6 本章小結(jié)
第三章 情感生理信號(hào)特征提取
    3.1 特征提取概述
    3.2 線性特征提取
        3.2.1 時(shí)域特征提取
        3.2.2 時(shí)域特征提取結(jié)果分析
        3.2.3 時(shí)頻特征提取
        3.2.4 時(shí)頻特征提取結(jié)果分析
    3.3 非線性特征提取
        3.3.1 相空間重構(gòu)
        3.3.2 關(guān)聯(lián)維數(shù)
        3.3.3 最大lyapunov指數(shù)
        3.3.4 樣本熵與近似熵
        3.3.5 非線性特征提取結(jié)果分析
    3.4 本章小結(jié)
第四章 多特征融合的情感分類研究
    4.1 貝葉斯方法
        4.1.1 貝葉斯理論概述
        4.1.2 貝葉斯網(wǎng)絡(luò)
        4.1.3 基于樸素貝葉斯分類器的特征分類
        4.1.4 貝葉斯分類的仿真結(jié)果分析
    4.2 棧式自編碼算法
        4.2.1 自編碼神經(jīng)網(wǎng)絡(luò)
        4.2.2 稀疏自編碼器學(xué)習(xí)算法
        4.2.3 Softmax回歸
        4.2.4 棧式自編碼算法的仿真結(jié)果與分析
    4.3 本章小結(jié)
第五章 基于脈搏和心電信號(hào)的不同情緒模式識(shí)別分析
    5.1 正負(fù)性情緒融合識(shí)別
    5.2 單一情緒模式識(shí)別
    5.3 六種基本情緒識(shí)別
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝
個(gè)人簡(jiǎn)況及聯(lián)系方式


【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別研究[J]. 李思泉,張軒雄.  軟件導(dǎo)刊. 2018(01)
[2]基于SAE和LSTM RNN的多模態(tài)生理信號(hào)融合和情感識(shí)別研究[J]. 李幼軍,黃佳進(jìn),王海淵,鐘寧.  通信學(xué)報(bào). 2017(12)
[3]基于不確定性線性判別分析的維吾爾語語音情感識(shí)別（英文）[J]. 塔什甫拉提·尼扎木丁,趙力,張明陽,徐新洲,艾斯卡爾·艾木都拉.  Journal of Southeast University（English Edition）. 2017(04)
[4]基于深度學(xué)習(xí)算法的正負(fù)性情緒識(shí)別研究[J]. 喻一梵,喬曉艷.  測(cè)試技術(shù)學(xué)報(bào). 2017(05)
[5]基于混沌特性的情感語音特征提取[J]. 孫穎,姚慧,張雪英,張奇萍.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2015(08)
[6]基于小波變換與神經(jīng)網(wǎng)絡(luò)的表面肌電信號(hào)的情感識(shí)別[J]. 程波,劉光遠(yuǎn).  計(jì)算機(jī)應(yīng)用. 2008(02)
[7]基于語音信號(hào)的情感處理研究進(jìn)展[J]. 韓紀(jì)慶,邵艷秋.  電聲技術(shù). 2006(05)
[8]關(guān)聯(lián)維數(shù)計(jì)算的分析研究[J]. 于青.  天津理工學(xué)院學(xué)報(bào). 2004(04)

博士論文
[1]基本情感生理信號(hào)的非線性特征提取研究[D]. 程靜.西南大學(xué) 2015
[2]非線性動(dòng)力學(xué)方法在時(shí)間序列分析中的應(yīng)用[D]. 王鼐.復(fù)旦大學(xué) 2005

碩士論文
[1]語音情感識(shí)別方法研究[D]. 師宏慧.山西大學(xué) 2016
[2]用心電信號(hào)分析音樂對(duì)負(fù)性情感的調(diào)節(jié)[D]. 何娟.西南大學(xué) 2016
[3]貝葉斯網(wǎng)絡(luò)分類器學(xué)習(xí)及其在信用評(píng)分中的應(yīng)用[D]. 李志強(qiáng).華僑大學(xué) 2016
[4]基于神經(jīng)網(wǎng)絡(luò)的表面肌電信號(hào)分類方法研究[D]. 孫保峰.吉林大學(xué) 2013
[5]運(yùn)用蟻群優(yōu)化算法篩選情感生理信號(hào)特征[D]. 魯舜.西南大學(xué) 2009
[6]貝葉斯分類器研究及其在Web文檔分類中的應(yīng)用[D]. 侯小靜.鄭州大學(xué) 2005



本文編號(hào)：3722212