【摘要】：情感是人類的一種復(fù)雜心理和生理現(xiàn)象,情感滲透進(jìn)了人類生存和生活的方方面面,通過生理信號(hào)進(jìn)行情感計(jì)算的研究目的是為了通過對(duì)生理信號(hào)進(jìn)行分析從而識(shí)別人們的情感狀態(tài)。本文的主要?jiǎng)?chuàng)新點(diǎn)可以概括為以下幾個(gè)方面:(1)用希爾伯特黃變換方法提取腦電信號(hào)時(shí)頻域特征,隨后通過高斯核函數(shù)支持向量機(jī)方法對(duì)特征進(jìn)行情感分類識(shí)別研究。具體的過程是,首先我們用經(jīng)驗(yàn)?zāi)B(tài)分解法對(duì)原始腦電信號(hào)進(jìn)行分解,隨后對(duì)本征模函數(shù)按照不同的時(shí)長(zhǎng)進(jìn)行時(shí)間窗口劃分,隨后提取窗口內(nèi)信號(hào)的功率譜作為生理特征。在對(duì)生理特征進(jìn)行情感分類階段,用高斯核函數(shù)支持向量機(jī)的方法進(jìn)行分類識(shí)別。將此方法用在DEAP數(shù)據(jù)集上進(jìn)行驗(yàn)證發(fā)現(xiàn),我們的方法對(duì)應(yīng)的情感分類精度比之前的研究和其它基線方法的分類精確度更高。同時(shí),對(duì)不同個(gè)體被試的情感分類結(jié)果進(jìn)行對(duì)比分析發(fā)現(xiàn)不同被試對(duì)于相同的刺激產(chǎn)生的情感是有差別的;同時(shí),通過對(duì)同一被試不同頻段腦電信號(hào)對(duì)應(yīng)的情感分類精確度進(jìn)行對(duì)比分析發(fā)現(xiàn),在清醒狀態(tài)下,被試腦電信號(hào)高頻率子波提取出的生理特征對(duì)應(yīng)的情感分類準(zhǔn)確度比低頻子波對(duì)應(yīng)的分類精確度更高。(2)提出了腦電信號(hào)多維度特征的平面融合方法,以及相對(duì)應(yīng)的平面特征提取方法和情感分類識(shí)別方法。腦電信號(hào)的多維度特征包括頻域維度特征、空間維度特征和時(shí)間維度特征。腦電多維度特征平面融合方法包含三個(gè)步驟:第一步,提取不同時(shí)間窗口內(nèi)腦電信號(hào)在不同測(cè)試電極的頻域特征;第二步,通過我們提出的映射方法,將頻域特征按照腦電電極空間分布規(guī)律映射成一個(gè)二維圖片;第三步,根據(jù)時(shí)間窗口的先后順序?qū)⑸傻亩S圖片進(jìn)行排列,從而形成一個(gè)圖片序列來表現(xiàn)腦電信號(hào)在不同刺激狀態(tài)下的特征。腦電多維度特征的提取方法采用了深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征的自動(dòng)提取,提取出的特征通過LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行情感分類識(shí)別。文中將深度卷積神經(jīng)網(wǎng)絡(luò)和LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行融合,形成了一個(gè)混合深度神經(jīng)網(wǎng)絡(luò)。模型驗(yàn)證階段采用DEAP數(shù)據(jù)集作為訓(xùn)練集、測(cè)試集和驗(yàn)證集進(jìn)行訓(xùn)練。為了增加訓(xùn)練樣本,我們采用了向原有圖像訓(xùn)練集添加噪聲的方法將原有的圖像集進(jìn)行了擴(kuò)展。通過對(duì)比情感識(shí)別精確度,結(jié)果說明本文提出的方法有效。對(duì)于實(shí)驗(yàn)結(jié)果的分析發(fā)現(xiàn),以3秒鐘為時(shí)長(zhǎng)窗口生成的腦電特征序列對(duì)應(yīng)了較高的情感分類準(zhǔn)確率;其次,腦電特征幀中FP1點(diǎn)和FP2點(diǎn)的細(xì)節(jié)變化對(duì)于整個(gè)情感分類準(zhǔn)確率的影響較大。(3)對(duì)于通過多模態(tài)生理信號(hào)進(jìn)行情感識(shí)別的研究,本文提出了一種用棧式自編碼神經(jīng)網(wǎng)絡(luò)的方法對(duì)多模態(tài)生理特征進(jìn)行信息融合和信息壓縮。在特征融合階段,首先提取不同模態(tài)生理信號(hào)的頻域特征作為原始生理特征,隨后對(duì)不同模態(tài)的特征進(jìn)行拼接,對(duì)拼接后的特征通過棧式自編碼神經(jīng)網(wǎng)絡(luò)進(jìn)行信息壓縮和特征融合;對(duì)融合特征本文采用LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行情感分類識(shí)別。結(jié)果發(fā)現(xiàn),多模態(tài)融合特征的對(duì)應(yīng)的情感分類識(shí)別準(zhǔn)確率比單模態(tài)特征情感分類識(shí)別準(zhǔn)確率要高。說明通過多模態(tài)生理特征融合方法得到了更加豐富的情感分類特征,特征融合的方法是有效的。(4)本文設(shè)計(jì)了一個(gè)基于可穿戴腦電采集設(shè)備和智能移動(dòng)設(shè)備的腦電信號(hào)采集系統(tǒng),主要的功能是用來記錄被試長(zhǎng)周期實(shí)驗(yàn)過程中的腦電信號(hào)和POMS量表。隨后,將腦電信號(hào)的相關(guān)特征與POMS量表的相關(guān)指標(biāo)進(jìn)行關(guān)聯(lián)分析,以期發(fā)現(xiàn)人們?cè)跓o(wú)刺激狀態(tài)下通過腦電信號(hào)反映出來的精神變化。實(shí)驗(yàn)一共采集了8個(gè)被試7天的靜息態(tài)腦電信號(hào),通過關(guān)聯(lián)分析得到腦電特征與POMS量表分量之間的Pearson相關(guān)系數(shù)。實(shí)驗(yàn)結(jié)果表明前額葉FP_1位置點(diǎn)的腦電信號(hào)與POMS情緒狀態(tài)量表的情緒分量之間存在顯著相關(guān)關(guān)系。例如,憤怒分量與腦電特征之間呈現(xiàn)出了顯著正相關(guān)的關(guān)系,自我分量有4個(gè)出現(xiàn)顯著的負(fù)相關(guān),而其它的分量并沒有出現(xiàn)顯著相關(guān)。
【圖文】：

維度情感空間中進(jìn)行了映射，例如在二維情感空間中，“快樂”屬于高喚醒度，高正效價(jià)的情感，而“悲傷”則屬于低喚醒度，高負(fù)效價(jià)的情感。迄今為止，研究者依據(jù)對(duì)情感的不同認(rèn)識(shí)提出了不同的維度情感理論。圖1-1展示了二維情感模型，其中將基本情感模型中的一些具體的基本情感在不同維度中進(jìn)行了映射。圖 1-1 效度和喚醒度二維情感模型Figure 1-1. The valence and arousal tow dimensional emotion model圖 1-1 中，二維情感模型依據(jù)喚醒度和效度的高低，組合之后分為四個(gè)維度，分別為高效度高喚醒度（HVHA）、低效度高喚醒度（LVHA）、低效度低喚醒度（LVLA）和高效度低喚醒度（HVLA）。在將一些基本情感映射到不同的情感維度的時(shí)候，我們可以看到“愉悅”情感位于第一象限，而“抑郁”情感則位于第三象限。除了二維情感維度模型，[22]中描述了一種三維情感維度模型，[23]中描述了一種四維情感維度模型。維度情感模型的研究難點(diǎn)在于情感維度含義的確定，而具體的情感可以通過精確的維度向量進(jìn)行表達(dá)。1.3.3 情感計(jì)算中生理信號(hào)的數(shù)據(jù)采集通過人體生理信號(hào)進(jìn)行情感識(shí)別計(jì)算的數(shù)據(jù)基礎(chǔ)

北京工業(yè)大學(xué)工學(xué)博士學(xué)位論文點(diǎn)（pre-auricularpoints，緊靠中部耳翼前面的凹陷點(diǎn)，標(biāo)記為 A1 和 A，在 lz 和 Nz 之間畫一條經(jīng)線（longitudeline），再將這條經(jīng)線按 10%例進(jìn)行等分，在這些等分點(diǎn)加上與赤道同軸的緯線（latitudeline）。數(shù)的電極點(diǎn)可以放置在沿著這些緯線的 10%或 20%的整數(shù)倍位置上上就形成了標(biāo)準(zhǔn)的國(guó)際 10-20 系統(tǒng)。在這個(gè)系統(tǒng)中，每個(gè)電極名稱的或者兩個(gè)字母來表示大的電極區(qū)域，例如 Fp=額極（frontal pole）、al）、C=中央（central）、P=頂（parietal）；O=枕（occipital）、T=顳(temp電極名稱后用一個(gè)數(shù)字或者字母來表示與中心的距離，，左腦半球?yàn)槠媲驗(yàn)榕紨?shù)。數(shù)字越大表示離中線越遠(yuǎn)，中線位置用標(biāo)志“z”來代表數(shù)字字母 O 區(qū)別。國(guó)際 10-20 系統(tǒng)的使用確保了研究者在進(jìn)行腦電測(cè)試腦電電極命名的一致性。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：R33;TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 宿云;胡斌;徐立新;張曉煒;陳婧;;面向腦電數(shù)據(jù)的知識(shí)建模和情感識(shí)別[J];科學(xué)通報(bào);2015年11期

2 熊勰;劉光遠(yuǎn);溫萬(wàn)惠;;基于智能算法的生理信號(hào)情感識(shí)別[J];計(jì)算機(jī)科學(xué);2011年03期

3 溫萬(wàn)惠;邱玉輝;劉光遠(yuǎn);程南璞;黃希庭;;情感生理反應(yīng)樣本庫(kù)的建立與數(shù)據(jù)相關(guān)性分析[J];中國(guó)科學(xué):信息科學(xué);2011年01期

4 劉靜霞;史云兵;徐魯強(qiáng);;情感狀態(tài)模糊識(shí)別的研究[J];四川師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

5 李曉明;傅小蘭;鄧國(guó)峰;;中文簡(jiǎn)化版PAD情緒量表在京大學(xué)生中的初步試用[J];中國(guó)心理衛(wèi)生雜志;2008年05期

6 楊瑞請(qǐng);劉光遠(yuǎn);;基于BPSO的四種生理信號(hào)的情感狀態(tài)識(shí)別[J];計(jì)算機(jī)科學(xué);2008年03期

7 陳繼華;李嵐;錢坤喜;;基于多生理信號(hào)的情緒初步識(shí)別[J];生物醫(yī)學(xué)工程研究;2006年03期

8 馮文;盧晶梅;劉旭紅;;家庭護(hù)理干預(yù)對(duì)產(chǎn)后抑郁癥發(fā)病影響的研究[J];中國(guó)實(shí)用護(hù)理雜志;2007年19期

本文編號(hào)：2597196