本文選題：情感識別 + 脈搏信號�。� 參考：《吉林大學》2017年碩士論文

【摘要】：當今社會發(fā)展飛快,科技日新月異,給人們帶來便利的同時也增添了現(xiàn)代人的生活壓力�，F(xiàn)在情緒問題已經(jīng)成為危害人類健康的超級殺手。因此本文對情感進行研究,試圖通過人機交互,應(yīng)用計算機對人體脈搏信號進行處理,智能化的從人體生理信號中獲取此人此時情感。這樣獲取的情感狀態(tài)是最真實的,可以避免人們表象情感表露的可偽裝性。研究表明可以利用便攜式醫(yī)療設(shè)備實時采集人體脈搏信號,通過程序分析及時獲取人此時的情感狀態(tài),提醒當事人注意情感變化,必要時通知醫(yī)生及監(jiān)護人進行幫助保護。脈搏信號屬于比較傳統(tǒng)的生物電信號,自中國古代起就用于分析人體氣血、內(nèi)臟等生理狀態(tài)。相比于其他生理信號,脈搏信號采集容易,而且采集過程中受到的干擾較少。大量研究表明,通過脈搏信號進行情感識別效果較好,具有其可行性,因此我們可以從脈搏信號中找出與情感相關(guān)的特征。進而通過這些特征建立起情感與脈搏信號之間的的映射關(guān)系,這樣就可以通過脈搏信號識別出不同的情感類型。研究脈搏信號的情感識別對當今人類的心理,以及未來人工智能的發(fā)展都具有重要意義。本次實驗通過從美國麻省理工情感識別數(shù)據(jù)庫中提取了在憤怒、興奮、悲傷、平靜四種情感狀態(tài)下的脈搏信號用以進行課題研究。研究主要分為以下幾部分:1)脈搏信號的預(yù)處理:為準確獲取脈搏波的特征,首先對脈搏波進行去噪處理。采用了小波變換的方式,通過小波的分解與重構(gòu)去除了基線漂移等噪聲,同時保留脈搏信號有效信息。2)脈搏信號的特征提取:不同特征的選取影響著最后分類識別準確率,因此特征選取很重要。單一特征存在局限性,很難保證最后的分類準確性,因此本次研究采用組合特征,包括脈搏波時域的統(tǒng)計特征與小波特征。通過差分閾值法進行特征點檢測,準確地提取到脈搏波主峰值點、降中峽(重搏波切跡)等特征點,獲取其時域統(tǒng)計特征;通過‘db7’小波對其進行五層小波分解獲取各層高低頻的小波系數(shù)及能量。3)情感識別特征分類處理:構(gòu)建更具優(yōu)勢的結(jié)合層次支持向量機模型的情感識別算法,解決了支持向量機(SVM)模型分類所需的支持向量機數(shù)目多、訓練集樣本多、占用內(nèi)存多、運算時間長等問題。該算法結(jié)合了二維情感模型搭建層次結(jié)構(gòu),按照情感本身的維度特點對提取出的攜帶情感信息的脈搏信號特征進行分類,以達到對不同情感進行識別的目的。區(qū)分n種類型時,一對一的支持向量機分類需要n(n-1)/2個分類器,一對多的支持向量機分類需要n個分類器,且訓練樣本較多。運用層次SVM分類只需要構(gòu)造n-1個SVM分類器,且訓練樣本減少。實驗結(jié)果表明,對于四分類問題層次支持向量機模型只需3個支持向量機,小于一對多SVM分類需要的4個支持向量機,小于一對一SVM分類需要的6個支持向量機數(shù)目,同時減少了訓練過程中的樣本數(shù)。本文模型可以在保證分類的準確性的同時,減少支持向量機個數(shù),降低訓練樣本數(shù),因此提升了訓練分類速度,能夠更好地完成情感識別應(yīng)用的需要。
[Abstract]:This paper makes a study on emotion recognition by means of wavelet transform in order to obtain the characteristic of pulse wave . The results show that only 3 support vector machines are needed for classification of four classification problems . The results show that only 3 support vector machines are needed for classification of four classification problems . The number of support vector machines is less than that of one - to - one SVM classification . The model can reduce the number of support vector machines and reduce the number of training samples .

【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R318;TN911.7

【相似文獻】

相關(guān)期刊論文 前6條

1 王炳和;董彥武;吳勝舉;楊槞;相敬林;張效民;王海燕;;人體脈搏信號的功率倒譜與倒濾波譜分析[J];科學通報;1993年22期

2 鄧云江;;基于小波包分解的脈搏信號定量分析[J];科技風;2014年11期

3 宋建勤,董彥武,吳勝舉;倒譜技術(shù)在人體脈搏信號分析中的應(yīng)用[J];陜西師范大學學報(自然科學版);1997年02期

4 王炳和,郭紅霞;從脈搏信號中準確提取呼吸和心率信息的新方法[J];陜西師范大學學報(自然科學版);2005年01期

5 盧超;;脈搏檢測實驗裝置的研制[J];實驗室研究與探索;2010年09期

6 高澤利;快速心率測定儀的設(shè)計及制作[J];中國醫(yī)學物理學雜志;2001年03期

相關(guān)會議論文 前7條

1 熊運霞;苗德華;鄧三鵬;;用于人體疲勞狀態(tài)檢測的脈搏信號監(jiān)測系統(tǒng)的設(shè)計[A];2009全國虛擬儀器大會論文集（二）[C];2009年

2 張愛華;蔡海燕;;VDT作業(yè)過程中脈搏信號的動態(tài)分析[A];中國生物醫(yī)學工程學會成立30周年紀念大會暨2010中國生物醫(yī)學工程學會學術(shù)大會報告論文[C];2010年

3 韓清鵬;;應(yīng)用小波變換的脈搏信號去噪處理與特征點提取[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術(shù)會議論文集[C];2009年

4 楊風健;;基于LabVIEW的脈搏信號檢測與分析系統(tǒng)[A];2010振動與噪聲測試峰會論文集[C];2010年

5 王炳和;張建偉;相敬林;;基于小波變換的人體脈搏信號時-頻分布與心臟功能檢測[A];第九屆全國信號處理學術(shù)年會（CCSP-99）論文集[C];1999年

6 于璐;沙憲政;;Labview和Matlab平臺下的脈搏信號分析[A];中國生物醫(yī)學工程學會成立30周年紀念大會暨2010中國生物醫(yī)學工程學會學術(shù)大會報告論文[C];2010年

7 楊玉芳;熊繼平;譚黎;;基于單片機的光電脈搏檢測系統(tǒng)[A];第九屆全國信息獲取與處理學術(shù)會議論文集Ⅰ[C];2011年

相關(guān)博士學位論文 前3條

1 王鵬;脈搏信號獲取與分析的研究[D];哈爾濱工業(yè)大學;2014年

2 劉磊;基于多普勒超聲信號的脈象分析與分類研究[D];哈爾濱工業(yè)大學;2013年

3 韓清鵬;脈搏信號的非線性分析及其不同情緒和環(huán)境的影響研究[D];浙江大學;2007年

相關(guān)碩士學位論文 前10條

1 孫霞;人體脈搏信號的采集與分析[D];哈爾濱理工大學;2009年

2 唐銘一;脈搏信號數(shù)據(jù)分析與管理的研究[D];北京服裝學院;2010年

3 楊超;基于改進的EMD脈搏信號特征的情感識別方法[D];重慶理工大學;2015年

4 黃旭為;穿戴式脈搏信號檢測系統(tǒng)的設(shè)計與算法研究[D];華南理工大學;2015年

5 張錫斌;心電為時基雙側(cè)脈搏信號采集系統(tǒng)實現(xiàn)與研究[D];東北大學;2013年

6 邵靜丹;鴿子機器人戶外飛行調(diào)控工具的開發(fā)與應(yīng)用[D];南京航空航天大學;2014年

7 程旭敏;可穿戴眼鏡中脈搏和運動信號的分析處理及應(yīng)用研究[D];東南大學;2015年

8 王瑩瑩;基于手機的脈搏信號無線監(jiān)護系統(tǒng)的研究[D];燕山大學;2016年

9 湯欣;三基色環(huán)境下多通道脈搏信號影響分析系統(tǒng)設(shè)計與實現(xiàn)[D];燕山大學;2016年

10 何慧敏;基于脈搏特征參數(shù)和面部溫度分布特性的女性氣血病理的決策分析[D];昆明理工大學;2016年

，

本文編號：1855487