小波变换提取ECG信号情感特征的研究

摘要

“情感计算是关于、产生于和影响于情感方面的计算，其目的是赋予计算机识别、理解、表达和适应人情感的能力”。情感识别是情感计算研究的关键问题之一，而情感识别的正确性，直接由用于识别情感的特征模式决定。在以生理信号为对象的情感识别中，提取能有效区分不同情感状态的特征，是生理信号情感识别的关键。
　　 本文以心电(Electrocardiogram,ECG)信号为研究对象，采用小波变换的方法，从小波系数中提取高兴、悲伤等不同情感状态心电信号的特征，分析特征值大小与情感状态的关系。主要做了以下工作：
　　 1.对德国Augsburg大学以音乐为诱发素材，采集自同一被试不同情感状态的ECG数据样本做小波分解，提取小波系数的统计特征进行分析，对同一天采集的四种情感数据的同一特征，比较其相对大小关系，得出大小关系一致的特征作为情感识别依据。对选取的特征执行标准化之后，直接采用阈值判别的方法，对高兴和悲伤两类情感分类效果较好，最高可以达到92％。验证了小波变换提取心电信号情感特征的有效性。
　　 2.根据不同小波分解的实验结果，结合由类间离散度和类内离散度决定的适应度值，提出选择比较适合用于心电信号情感特征提取的小波函数的方法。
　　 3.以视频片段为材料，诱发被试高兴、悲伤等特定情感，采用美国Biopac公司提供的多导生理记录仪MP150同时采集包括心电信号在内的六种生理信号数据，利用其中244组ECG信号对前面得分析结论进行验证，并且将数据按情感唤起强度分成三组，通过分组对比的方式，分析情感反应强度对实验结果的影响。实验结果表明，情感强度在一般及以上的数据，对高兴和悲伤的正确识别为71％，情感强度较强及以上的数据，对高兴和悲伤的正确识别为76％，这表明情感唤起的强度越强，分类效果越好。

目录

文摘

英文文摘

声明

第一章绪论

1.1情感计算和情感识别

1.2基于生理信号的情感识别

1.3情感计算的应用

1.4本文内容及结构

第二章小波变换

2.1引言

2.2傅里叶变换

2.3连续小波变换

2.3.1连续小波基函数

2.3.2连续小波变换的定义

2.3.3连续小波变换的性质

2.3.4几种典型的连续小波

2.4离散小波变换

2.5小波变换在信号分析中的应用

第三章ECG信号

3.1 ECG信号

3.2 ECG信号的特征提取方法

第四章实验分析

4.1.德国Augsburg大学生理数据的分析

4.1.1实验数据

4.1.2实验步骤

4.1.3不同小波函数的比较

4.2自测数据的实验验证

第五章总结与展望

5.1总结

5.2未来工作展望

参考文献

致谢

攻读硕士学位期间已发表的论文