基于小波变换的表面肌电信号的情感识别.pdfVIP

基于小波变换的表面肌电信号的情感识别1 1 2 程波 ，刘光远 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 ） E-mail ：cb729@ 摘 要：情感识别是情感计算的一个关键问题。针对表面肌电信号(EMG)的非平稳性，采用 小波变换方法对表面肌电信号进行分析,提取小波系数最大值和最小值构造特征矢量输入用 L-M 算法改进的BP 神经网络分类器进行情感状态识别。实验表明，用表面肌电信号对joy 、 anger、sadness、pleasure 四种情感识别效果较好。也说明用小波变换方法提取特征，用神经 网络作分类器的方法用于情感识别有很大的应用前景。 关键词：情感识别；小波变换；BP 网络；EMG 中图分类号：TP391. 4 1. 引 言 [1] 情感识别是情感计算的一个关键问题，是建立和谐人机环境的基础之一 ，其目的是为 正确选择情感信号提供理论与实验依据,为情感的理解和表达提供可靠的原始数据[2-4] 。它的 应用极其广泛，如MIT媒体实验室提出的情感饰物、情感教学、司机的情感监测、情感CD 、 情感玩具、情感地毯、情感鼠标、情感眼镜等[1] 。情感识别的方法，目前多采用面部表情， 身体姿态和语音信号分析法，以及心理学上常用的问卷调查法[5]，其结果通常受被试和主试 的主观因素影响，而生理变化只受人的自主神经系统和内分泌系统支配，不受人的主观控制, 因而应用生理信号测量法，所得数据更客观。近年在国外引起了众多情感计算研究者的兴趣， 但是在国内尚处于空白。 [6] Picard教授带领的MIT媒体实验小组证明应用生理信号对情感识别的方法是可行的 。 Picard教授和Elias采集1名演员刻意表演8种情感时20天的生理信号从中提取统计特征值采用 Fisher Projection得到了83%的情感识别率[7] 。韩国的Kim Bang和Kim(2004)采集50名被试在自 然情绪诱发下的生理信号提取特征后运用Support Vector Machine对3种情感的识别率达到了 71.4% [6] 。本文采用德国Augsburg大学Johannes Wagner等人对1个被试者在音乐的诱发下产 生的joy 、anger、sadness、pleasure 四种情感时25天的肌电(EMG)生理信号数据[8] 。MIT和德 国Augsburg大学等都是提取的生理信号的统计特征用作情感识别，这些方法不能提取出信号 的细节特征，因此针对表面肌电信号(EMG)是一种具有非平稳特性的生理电信号，小波变换 是用来研究非平稳信号的一种有效的时频分析方法，能够有效的提取信号的细节特征进行多 分辨率分析。基于以上认识本文采用小波变换方法对表面肌电信号(EMG)进行特征提取，然 后选择小波系数最大值和最小值构造特征矢量，最后把特征矢量输入到用L-M算法改进BP 神经网络分类器进行情感状态识别。 2. 基于小波变换的特征提取 [9] BP神经表面肌电信号在本质上是一种具有非平稳特性的生理信号 ,如果能够针对信号 的非平稳特性设计新的分析方法以提取更为有效、可靠、鲁棒性好的信号特征, 将有利于提 高表面肌电信号的识别率。小波变换作为时频域分析的新方法, 具有类似于多通道滤波器的 功能, 能将原始信号依然按照时间的对应关系分解到不同频带上或对信号进行不同的精度 1本课题得到重庆市科委项目(CSTC,2006BB2028)的资助。