基于生理信號的情感識別研究.pdf

1、在信息科技飛速發(fā)展的當(dāng)今世界，人們對計算機的服務(wù)要求也越來越高。人機交互領(lǐng)域也因此被寄予厚望而備受關(guān)注。情感計算作為一門涉及多領(lǐng)域的綜合研究領(lǐng)域，為實現(xiàn)智能化的人機交互提供了有力的支撐。情感識別是情感計算的一個重要組成部分，是心理學(xué)、計算機科學(xué)、生理學(xué)等多個學(xué)科交叉的研究課題，有著重大的研究價值和廣闊的應(yīng)用前景。
　　情感識別的研究內(nèi)容包括語音、姿勢、表情、生理信號等方面。這之中，語音和表情等往往會受到個體的主觀意識的控制，在某些

2、情況下并不能夠客觀真實的反應(yīng)人的情感狀態(tài)。而生理信號只受人體的神經(jīng)系統(tǒng)和內(nèi)分泌系統(tǒng)的調(diào)控，能夠完全獨立于人的主觀意識之外。生理信號攜帶者豐富的情感信息，其狀態(tài)的變化能夠為真實的體現(xiàn)人類的情感狀態(tài)。目前，基于生理信號的情感識別已經(jīng)成為研究者們廣泛關(guān)注的一大研究課題。
　　本論文采用德國Augsburg大學(xué)的生理數(shù)據(jù)庫針對基于多種生理信息融合的情感識別方法進行了研究，提取了了4種不同情感狀態(tài)（高興、憤怒、愉悅、悲傷）下的四種生理信號（

3、心電信號、肌電信號、皮膚電導(dǎo)信號、呼吸信號）作為研究對象。在特征層融合方面，本文提出的一種基于主成分分析方法(PCA)與K近鄰相結(jié)合的方法進行情感識別;在決策層融合方面，本文將四種生理信號分別作通過獨立的分類器通道進行識別，通過個分類器的投票決策得出最終的識別結(jié)果。實驗結(jié)果表明，本論文的方法是可行的。本研究對高興情感的識別率達到98％，憤怒情感達到100％，悲傷情感達到82％，愉悅情感達到80％。與Augsburg大學(xué)的研究結(jié)果相比較，