本文關鍵詞：基于改進的EMD脈搏信號特征的情感識別方法

  更多相關文章： 脈搏信號 情感識別 EMD EEMD 特征提取

【摘要】：脈搏信號的情感識別屬于生理信號情感識別,是一項應用前景廣闊的計算機模式識別技術,在人機交互領域起著越來越重要的作用。脈搏信號作為生理信號的一種,蘊含了豐富的生理病理信息,其病理信息從很早開始就被廣泛應用于醫(yī)療的各個領域,而其生理特征是在人工智能等計算機技術深入發(fā)展下,逐漸被人們所重視。脈搏信號相比其他生理信號,采集更加方便,包含的情感特征更加豐富。因此研究脈搏信號的特征與情感狀態(tài)之間的關系非常重要。本文設計了一款用于實現實時情感識別的脈搏信號采集系統(tǒng),并開發(fā)了與之對應的實時顯示脈搏波形、跨平臺的上位機軟件,實現了對脈搏信號的采集、存儲、情感識別等功能,為移動設備開發(fā)實現實時的人機情感交互提供了一種可能。同時,通過經驗模態(tài)分解(Empirical Mode Decomposition,EMD)對采集到的脈搏信號進行預處理,結合脈搏信號的波形特點,研究和提取了脈搏信號的重要特征,實現了對高興、憤怒、平靜、悲傷四種情感狀態(tài)的分類識別。本文主要包括以下幾個方面的工作。首先.根據脈搏信號的特征,采用反射式光電傳感器將脈搏信號提取出來,然后經過硬件放大電路,將脈搏信號合理放大,并通過使用單片機對放大后的信號進行采集,最終通過USB將采集到的原始數據上傳,上位機軟件再將原始脈搏數據以曲線圖形顯示出來,完成了脈搏信號的數據采集存儲和顯示功能。其次,分析經驗模態(tài)分解的性質,討論了它的優(yōu)點與不足,并將其引入到對脈搏信號情感識別的研究中,針對該算法在脈搏信號中存在的問題,提出了兩種不同的改進算法即基于遺傳算法的支持向量機端點延拓算法和自適應的集合經驗模態(tài)分解(Ensemble Empirical ModeDecomposition,EEMD),并分析了兩種算法的優(yōu)缺點。最終選取自適應的集合經驗模態(tài)分解算法作為對脈搏信號的基本核心算法。然后,通過自適應集合經驗模態(tài)分解算法,分析了脈搏的波形特點,提出了一種定位脈搏主波波峰和重搏波波峰的方法,并針對該方法的不足,提出了一些改進。實驗證明該方法對搏波波峰定位準確,為進一步提取脈搏信號的特征提取提供了基礎。最后,提取了不同情感狀態(tài)下的脈搏信號主波波峰和重搏波波峰的統(tǒng)計特征以及脈搏信號的主波波峰的近似熵,實現了不同情感狀態(tài)的分類識別,并最終將這些程序移植到上位機軟件里面,實現了基于改進的EMD脈搏信號的情感識別方法研究和系統(tǒng)設計。
【關鍵詞】：脈搏信號 情感識別 EMD EEMD 特征提取
【學位授予單位】：重慶理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN911.7;R443
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 課題的研究背景及意義9-10
• 1.2 國內外研究現狀10-13
• 1.2.1 國內外生物信號情感識別的研究現狀10-11
• 1.2.2 脈搏信號檢測的研究現狀11-13
• 1.2.3 脈搏情感識別的研究現狀13
• 1.3 具體工作及內容安排13-15
• 2 脈搏信號采集系統(tǒng)15-22
• 2.1 硬件系統(tǒng)整體設計15
• 2.2 硬件電路設計15-18
• 2.2.1 光電傳感器15-16
• 2.2.2 放大電路及RC濾波16-17
• 2.2.3 單片機模塊17-18
• 2.3 軟件系統(tǒng)18-21
• 2.3.1 Qt簡介18
• 2.3.2 軟件介紹18-20
• 2.3.3 軟件設計流程20-21
• 2.4 本章小結21-22
• 3 EMD算法及改進22-36
• 3.1 EMD算法及其主要問題22-23
• 3.1.1 EMD的主要性質22-23
• 3.1.2 EMD存在的問題23
• 3.2 基于遺傳算法和支持向量機的EMD改進算法23-29
• 3.2.1 引言23-24
• 3.2.2 支持向量機預測及遺傳算法的引入24
• 3.2.3 改進算法的思路及步驟24-25
• 3.2.4 改進算法的仿真分析25-27
• 3.2.5 改進算法的脈搏信號分析27-29
• 3.3 EEMD算法29-34
• 3.3.1 EEMD的基本原理29
• 3.3.2 基于EEMD的脈搏信號的分析29-32
• 3.3.3 自適應脈搏信號的EEMD的方法32-34
• 3.4 本章小結34-36
• 4 關于提取脈搏信號的特征的研究36-41
• 4.1 主波波峰和重搏波波峰的定位方法的提出36-37
• 4.2 定位方法的改進37-38
• 4.3 主波波峰和重搏波波峰的統(tǒng)計特征38-39
• 4.4 主波波峰的近似熵特征39-40
• 4.5 本章小結40-41
• 5 脈搏信號情感識別的分類實現41-49
• 5.1 脈搏信號的采集41
• 5.2 實驗數據的特征提取41-46
• 5.2.1 主波波峰和重搏波的統(tǒng)計特征提取41-44
• 5.2.2 主波波峰的近似熵44-46
• 5.3 基于支持向量機的情感分類識別46-48
• 5.3.1 支持向量機的分類46
• 5.3.2 情感狀態(tài)的訓練識別46-47
• 5.3.3 情感狀態(tài)的驗證識別47-48
• 5.4 本章小結48-49
• 6 總結與展望49-51
• 6.1 總結49
• 6.2 展望49-51
• 致謝51-52
• 參考文獻52-55
• 個人簡歷、在學期間發(fā)表的學術論文及取得的研究成果55

【參考文獻】

中國期刊全文數據庫 前2條

1 焦正才;樊文俠;;基于Qt/Embedded的MP3音樂播放器的設計與實現[J];電子設計工程;2012年07期

2 葛臣;劉光遠;龍正吉;;情感識別中脈搏信號的特征提取與分析[J];西南師范大學學報(自然科學版);2010年03期

，

本文編號：903625