用表面肌电信号的小波包熵来识别情感状态.pdfVIP

用表面肌电信号的小波包熵来识别情感状态1 1 2 程波 ，刘光远 1 西南大学计算机与信息科学学院，重庆北碚（400715 ） 2 西南大学电子信息工程学院，重庆北碚（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，根据 小波包变换在不同时频段均能精确的刻画信号，并提供丰富模式信息的特点，提出利用小波 包熵方法对不同情感状态下的表面肌电信号进行分析。实验表明，该方法对以情感唤醒度高 低的组合来进行情感识别效果较好。 关键词：情感识别，小波包熵，EMG 中图分类号：TP391. 4 1. 引言 随着信息技术的高速发展和人类对计算机的依赖性不断增强，人机的交互能力越来 越受到研究者的重视。如何实现计算机的拟人化，使其能够感知周围环境、气氛、对象 的态度、情感等内容，已成为下一代计算机发展的目标[1] 。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。 情感计算的概念是由美国MIT实验室的R.Picard教授于1995年提出．并于1997年正是出版 专著“Affective Computing(情感计算)” 。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。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，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。 [2] 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。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78.4% [2] 。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天的表面肌电(EMG)信号数据[3] 。本文根 据小波包变换在不同时频段均能精确刻画信号，提供丰富模式信息的特点，提出利用小波包 熵方法对不同情感状态下的表面肌电信号进行分析。通过试验确定分类判别点的小波包熵， 并对joy 和sadness，anger和pleasure ，joy 和pleasure ，anger和sadness的4组情感和情感唤醒度 的高与低进行了分类识别。 2. 基于小波包熵的表面肌电信号的分析 2.1. 小波包变换的特征提取 小波变换在信号分析与处理中得到了广泛的应用。小波包分解是小波变换的一种自然延 拓，它能够以二叉树方式将信号分解成等频带宽的子空间。 设ψ(t) 为小波函数，φ(t) 为正交尺度函数，其二尺度关系为： 1本课题得到重庆市科委资助项目（CSTC，2006BB2028 ）。 - 1 - φ(t ) 2 ∑h0 kφ(2t −k ) (1) k ψ(t) 2 ∑h φ(2t −k )