基于心血管信号特征和心率变异性的多情绪量化与分类

摘要

情绪识别或情绪测量在社会科学、计算机工程和医学等领域具有广泛的应用价值，是目前国内外研究的热点问题之一。在医学领域，情绪不仅是人体对外界刺激的反应，还能表征人体状态，甚至会对人们的心理和生理造成影响。情绪对心血管系统疾病的发生、发展和治疗同样具有重要的影响。有效的情绪识别不仅能够在心血管系统疾病预防阶段，减少情绪对人体心血管系统的影响，还能在心血管系统疾病治疗中起干预作用，促使患者疾病康复。
　　心血管系统是一个由心脏和血管组成封闭的管道系统。脉搏信号分析和心率变异性分析是研究心血管系统的重要手段。基于脉搏信号与心率变异性分析的情绪识别研究中，基于心血管功能的脉搏特征提取较为分散，以及心率变异性的非线性分析不够完善等问题，本文从脉搏信号时域和频域提取心血管功能参数;并结合心率变异性时域分析、频域分析与非线性分析，较为深入的探究情绪对心血管系统的影响，并取得了部分阶段性研究成果。论文的主要研究内容如下:
　　(1)通过情绪激发实验，记录了60名被试人员在平静、高兴、悲伤、愤怒、恐惧和厌恶六种状态下的脉搏信号和心电信号。通过小波包变换和极小值拟合法对脉搏信号与心电信号进行降噪预处理。并基于数学形态学的阈值法识别了脉搏信号起点、峰值点，识别心电信号的R点、构造RR间期时间序列。
　　(2)通过对脉搏信号时域和频域的分析，提取了心血管功能相关参数，从时域、频域和非线性三个方面提取了心率变异性特征。通过心血管功能特征和心率变异性特征的提取，量化情绪状态和表征心血管系统。
　　(3)依据统计学分析方法，探究心血管功能特征和心率变异性特征在多情绪状态与平静状态之间的差异性;根据特征表征的生理意义，推断不同情绪状态下人体的生理反应模式。以提取特征为输入矩阵，以决策树和支持向量机为基学习机，以系统误差及差异性为选择集成评判标准，以删差为选择集成策略，以阈值表决为组合方法，建立集成学习分类模型，实现一对一情绪状态的分类。

目录

声明

摘要

1．1 背景与意义

1．2 国内外研究现状

1．3 论文的主要内容和章节安排

第二章 脉搏信号与心电信号的获取及处理

2．1 情绪激发与信号采集实验

2．2 脉搏信号及心电信号的预处理

2．3 脉搏信号特征点识别及RR间期时间序列的获取

2．4 本章小结

第三章 基于脉搏信号与心率变异性的情绪特征提取

3．1 脉搏信号特征的提取

3．1．1 时域参数

3．1．2 频陶渗数

3．2 心率变异性特征的提取

3．2．1 时域特征

3．2．2 频域特征

3．2．3 非线性特征

3．3 差异性检验

3．4 本章小结

第四章 情绪特征的统计学分析与情绪分类

4．1 基于统计学的多情绪量化分析

4．1．1 心血管功能参数差异性分析

4．1．2 心率变异性差异性分析

4．2 基于选择集成的情绪分类

4．2．1 情绪分类模型的建立

4．2．2 情绪分类结果

4．3 本章小结

5．1 总结

5．2 展望

参考文献

致谢

攻读硕士学位期间发表论文与参与课题情况