论文部分内容阅读
生理信号的情感识别具有广泛的研究和应用前景,作为一个重要的研究领域,。通过对生理信号的分析,我们可以识别出人类内在的情感和情绪变化,因此情感识别中最可靠的方法是采集比较理想的符合真实环境的生理数据。其中皮肤电反应信号(GSR)随着情感的不同有着明显的差异,其皮肤电导值与情感状态和注意力密切相关。在目前基于生理信号特征的情感识别研究中,还存在较多局限性,如很难像面部表情等找到一种可以代表情感的生理信号特征,且识别效果不佳,鲁棒性较差等。由于研究多种生理信号有一定的复杂性和难度,论文针对研究中的不足之处,对研究方法进行改进和创新,仅采用一种生理信号进行情感识别的研究。皮肤电反应信号(GSR)蕴含着丰富的情感信息,可以较明显的反映出人类的情感变化,因此论文主要研究基于皮肤电反应信号(GSR)的情感状态识别,阐述了GSR数据采集,数据预处理,特征提取,特征选择和情感(高兴、惊奇、厌恶、悲伤、愤怒和恐惧)分类的整个实验方法。数据采集是整个研究过程的第一步,目标情感能否被激发是能否获得相应情感数据的关键。因此,与特征提取和特征选择一样,数据采集有同样重要的地位。论文对245个被试展示六种情感状态的电影片段,激发被试的情感并且采集了相应情感状态下的GSR信号,得到了反应真实情感的有效GSR信号。在特征提取的过程中,针对GSR信号自身的特点,从信号中获得大量原始特征。然而并不是所有特征都能在情感识别有所贡献,可见从中找到反应情感的特征非常重要,这个过程就是特征选择。情感识别中的特征选择是NP-hard问题,因此是组合优化问题,可以使用一种有效的智能优化算法找到问题的满意解,与传统的特征选择方法相比,有较低的计算复杂度。禁忌搜索算法(Tabu Search, TS)是一种高效的智能优化算法,与其他智能优化算法相比,具有更高的全局搜索能力。论文根据研究的具体问题,将禁忌搜索算法进行改进,使其能够更好地搜索到识别效果好的特征组合。通过改进的TS算法选出来的特征需要用分类识别效果评价其优劣,评价过程是一次分类识别的过程。由于在多次调用分类识别的特征搜索过程中,Fisher分类算法快捷高效。因此,论文将Fisher分类识别算法作为特征搜索过程中的评价函数,以提高计算速度。采用论文的方法对GSR信号的情感识别进行研究,研究结果表明将改进的禁忌搜索算法引入生理信号的情感识别具有可行性,并且GSR信号中包含大量能够识别六种情感的特征信息,能达到较好的识别效果,更重要的是找到了六种情感与GSR信号某些特征的映射关系。