發(fā)布時(shí)間：2020-03-22 06:39

【摘要】：隨著社會(huì)的進(jìn)步和經(jīng)濟(jì)的發(fā)展,越來越多的人關(guān)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(zhǎng)期處于不良情緒容易導(dǎo)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(zhǔn)確高效地識(shí)別情緒,在臨床醫(yī)學(xué)、社會(huì)科學(xué)和工程實(shí)踐中具有重要的理論意義和應(yīng)用價(jià)值。設(shè)計(jì)研發(fā)具有情緒識(shí)別功能的機(jī)器或者可穿戴設(shè)備,實(shí)時(shí)監(jiān)測(cè)心理疾病患者的生理信號(hào),感知患者情緒變化,并及時(shí)給出相應(yīng)反饋,已成為心理疾病治療方法的研究熱點(diǎn)。除此之外,情緒識(shí)別在在線教育、刑事偵查、交通安全以及休閑娛樂等領(lǐng)域都具有廣泛的應(yīng)用前景。針對(duì)當(dāng)前基于生理信號(hào)的情緒識(shí)別研究中對(duì)特征提取不夠廣泛,本文在前人特征提取方法的基礎(chǔ)上,提出新的用于脈搏和呼吸特征提取方法。對(duì)于脈搏信號(hào),通過特征點(diǎn)的識(shí)別,構(gòu)建脈搏形態(tài)學(xué)時(shí)間序列,并結(jié)合集成經(jīng)驗(yàn)?zāi)B(tài)分解得到的本征模態(tài)函數(shù),從時(shí)域、頻域兩方面提取脈搏特征。對(duì)于呼吸信號(hào),采用多尺度熵算法提取呼吸信號(hào)的非線性特征,結(jié)合時(shí)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(hào)的相關(guān)特征。本文主要研究?jī)?nèi)容如下:(1)設(shè)計(jì)并實(shí)施合理的情緒誘發(fā)實(shí)驗(yàn),通過多導(dǎo)生理儀采集60名在校大學(xué)生六種情緒狀態(tài)下的脈搏、呼吸信號(hào)。經(jīng)過信號(hào)重采樣后,分別采用小波濾波去除脈搏信號(hào)的噪聲干擾和二階ⅡR峰值濾波器提升呼吸信號(hào)主頻率。(2)通過自適應(yīng)差分閾值法檢測(cè)出脈搏信號(hào)的峰值點(diǎn),采用SSF函數(shù)增強(qiáng)脈搏上升支,并結(jié)合差分閾值算法檢測(cè)脈搏起始點(diǎn),基于特征點(diǎn)構(gòu)造脈搏形態(tài)學(xué)時(shí)間序列。利用集成經(jīng)驗(yàn)?zāi)B(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(hào)相似性較高的分量。通過計(jì)算上述時(shí)間序列的時(shí)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(jì)算不同情緒狀態(tài)下呼吸信號(hào)的復(fù)雜度,探究了重采樣頻率與尺度因子之間的關(guān)系,并通過實(shí)驗(yàn)比較確定了不同的多尺度熵算法應(yīng)采用不同的閾值因子。結(jié)合呼吸信號(hào)的時(shí)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。基于與情緒正面相關(guān)的最優(yōu)特征子集,采用十折交叉檢驗(yàn)與網(wǎng)格尋優(yōu)確定隨機(jī)森林算法參數(shù),建立一對(duì)一以及一對(duì)多情緒識(shí)別模型。其中,一對(duì)一情緒識(shí)別模型的最高識(shí)別率為84%,基于脈搏、呼吸組合特征的一對(duì)多情緒識(shí)別模型識(shí)別率為72%。(5)對(duì)每一類模型進(jìn)行特征分析,以基尼系數(shù)增益為指標(biāo)選擇用于情緒識(shí)別建模最重要的五個(gè)特征,結(jié)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(shí),當(dāng)脈搏、呼吸信號(hào)共同用于情緒識(shí)別時(shí),呼吸特征的貢獻(xiàn)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(shí)驗(yàn)?zāi)康�，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(shí)驗(yàn)前邐實(shí)驗(yàn)后邋實(shí)實(shí)審逡逑齡（ｃｍ）邐驗(yàn)驗(yàn)（ｋｇ）邋ＳＢＰ邋ＤＢＰ邋ＳＢＰ邋ＤＢＰ逡逑前后：設(shè)備由兩臺(tái)電腦和生理信號(hào)采集儀組成。其中，筆用于播放情緒激發(fā)視頻并記錄實(shí)驗(yàn)過程；臺(tái)式電腦與部分，，用于采集、記錄、顯示情感生理信號(hào)。實(shí)驗(yàn)采集系統(tǒng)ＲＭ６２４０Ｂ同步采集被試的脈搏和呼吸信號(hào)，

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

【參考文獻(xiàn)】

相關(guān)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(shí)別研究綜述[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2012年04期

2 鄭璞;劉聰慧;俞國(guó)良;;情緒誘發(fā)方法述評(píng)[J];心理科學(xué)進(jìn)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(jìn)展[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

4 郝敏;劉光遠(yuǎn);;用分層循環(huán)遺傳算法去識(shí)別生理信號(hào)情感狀態(tài)[J];計(jì)算機(jī)工程與應(yīng)用;2010年01期

5 張穎,羅森林;情感建模與情感識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2003年33期

相關(guān)碩士學(xué)位論文 前8條

1 杜昭慧;情感識(shí)別脈搏信號(hào)特征分類研究[D];吉林大學(xué);2017年

2 何成;基于多生理信號(hào)的情緒識(shí)別方法研究[D];浙江大學(xué);2016年

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

4 楊敏;非線性特征用于心電信號(hào)的情感識(shí)別[D];西南大學(xué);2013年

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

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

7 馬長(zhǎng)偉;蟻群優(yōu)化算法用于生理信號(hào)情感狀態(tài)識(shí)別中的研究[D];西南大學(xué);2010年

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

本文編號(hào)：2594659