情感识别中脉搏信号的特征提取与分析.pdfVIP

第35卷第3期 西南师范大学学报(自然科学版) 2010年6月 Normal 2010 V01．35No．3 JournalofSouthwestChina ScienceEdition)Jun． University(Natural 文章编号：1000—5471(2010)03—0243—04 情感识别中脉搏信号的特征提取与分析 葛 臣1， 刘光远2， 龙正吉2 1．西南大学计算机与信息科学学院，重庆400715；2．西南大学电子信息工程学院，重庆400715 摘要：应用Coiflet1小波对脉搏波信号进行小波变换，利用重构的小波第三层高频信号的极大值来确定原始信号 主波峰值的范围，进而定位原始信号主波峰值的位置并以此位置为参照点确定潮波、重搏波峰值的位置，在此基 础上提取脉搏信号的时域特征，对情感状态进行分类．实验结果表明，脉搏率均值等特征对悲伤、愤怒和恐惧3 种情感的总体分类正确率均能达到65％以上． 关键词：脉搏波；离散小波变换；脉搏率；情感识别 中图分类号：TP391．4 文献标识码：A 随着人机交互技术的高速发展，计算机情感识别已经被逐步提上研究的日程．计算机情感识别的研究 内容主要包括面部表情、语音、姿势、文本和生理信号等方面uJ，而生理信号方面的研究相对比较困难．生 理信号主要通过特殊的仪器来检测，通过分析生理信号识别出被试的内在情感．美国MIT媒体实验室情感 态的研究‘2剖． 脉搏信号是一种微弱的生物电信号，是神经细胞传导信息时在血管内部或皮肤表面电活动的总体反 映．脉搏信号主要由主波、潮波、重搏波u刮等几个部分组成．由于不同情感状态下脉搏搏动的不同，可以 通过提取脉搏信号的特征进行情感状态识别．目前，国内外关于脉搏的研究主要集中在心血管疾病方面， 而用于情感状态识别的研究却相当少．德国Augsburg大学计算科学研究所采集的生理信号数据中并没有 采集脑电信号的数据．中国江苏大学等高校也没有把脉搏信号用于情感状态识别的研究中． 集在不同情感状态下产生的脉搏信号．对采集的脉搏信号进行离散小波变换，通过对主波、潮波、重搏波 准确定位后提取原始脉搏信号时域特征，并在不同情感状态下，进行脉搏时域特征分析． 1 数据采集 1．1实验对象及实验素材 实验对象为年龄在20岁左右的大～学生．所有被试身体健康，无心脏疾病：血管疾病和精神疾病 病史． 实验采用影像素材．影像素材能够更加真实可靠的唤起被试的内心情感．影像素材时间总长度为50 min左右，包括平静、高兴、惊奇、厌恶、悲伤、愤怒、恐惧7种视频片断． 1．2实验设备 收稿日期：2010—02—06 基金项目；国家自然科学基金；国家重点学科基础心理学科研基金(NKSF07003)． 作者简介：葛臣(1983～)，男，江苏盐城人·硕士研究生·主要从事计算智能与情感计算的研究． 万方数据 244 西南师范大学学报(自然科学版) 投稿网址http：／／xbgjxt．SWH．cn第35卷 脉搏信号的采样频率为1000Hz．在处理脉搏信号时，下采样到200Hz． 2脉搏波波峰位置的确定 对脉搏波信号进行离散小波变换口]，获得需要的小波系数．重构小波系数中的高频部分，以此确定脉 搏波主波的位置，从而提取脉搏波的时域特征． 2．1离散小波变换 信号的连续小波变换被定义为： 1 广 J — V矿T (1) r(口，r)=—1=I厂(￡)驴‘(生])d￡ √口JR a 取决于参数口，所以连续小波变换既能提取信号，(￡)的局部特征信息也能提取其全局特征信息．在实际数