论文部分内容阅读
德国奥格斯堡大学和美国麻省理工学院媒体实验室在基于生理信号的情感识别领域首次取得了成功的研究成果,本文在前人工作的基础上主要致力于研究基于人体皮肤电导生理信号对平静、高兴、惊奇、愤怒、厌恶、悲伤六种情感的识别研究工作。人体的皮肤电导(GSR)信号蕴含着丰富的情感信息,GSR信号的变化受控于人体的交感神经系统,人体的情绪变化会直接影响到内分泌系统的变化,继而导致人体交感神经系统的变化最终在人体GSR信号上有对应情绪变化的体现。为建立基于GSR信号的情感识别模型,本实验研究招募大量的西南大学刚入学的大一新生来做实验被试,观看具有强烈特定情感变化的影视片段,激发出被试的情感,采用美国Biopac公司生产的多通道生理信号采集仪MP150测量并记录被试的GSR信号,建立GSR情感生理信号数据库。针对GSR信号的特点,通过巴特沃斯滤波器进行滤波降噪处理,并为了建立起能推广使用的情感识别模型进行了数据标准化处理,参考德国奥格斯堡大学特征提取研究方法,提取出最能代表皮肤电信号变化的30维统计特征作为情感识别研究的原始特征集。然后采用基本的粒子群优化算法、经过改进加入免疫机制的免疫粒子群算法和在免疫粒子群算法的基础上加入模拟退火机制的模拟退火免疫粒子群优化算法,结合Fisher分类器进行了GSR信号的特征选择和情感状态分类识别,取得了较好的分类识别效果,验证了建立情感识别模型的可行性。研究结果表明：(1)GSR信号对惊奇情感和恐惧情感的识别效果最为明显,对高兴、愤怒和悲伤这三种情感的识别效果较好,相比之下对厌恶情感的识别效果最为不佳；(2)加入免疫机制的粒子群优化算法,将免疫的三个特性抗体的多样性、免疫记忆性和抗体自适应性应用在粒子群算法中,线性递减权重ω因子能够自适应的调节大小有效地改善粒子的全局开发能力和局部探索能力的平衡,有效地解决基本的粒子群算法容易陷入局部极值的缺点；(3)在免疫粒子群优化算法的基础上进一步加入模拟退火机制,在每个粒子的速度和位置更新过程中引入模拟退火思想,对粒子进化后的适应度值遵循Metropolis准则在接受优良解得同时也按照一定的比例接受较差的解,这样进一步增大了粒子的多样性,算法自适应的调节退火温度直至系统冷却,粒子能更加精确的寻找到全局最优位置。再次提高了情感状态的识别率,并降低了特征子集的维数；(4)从六种混合情感中识别出目标情感,分析比较三种粒子群算法得出的对应情感的最优特征集合,找出共同含有的特征,说明这些特征是最能反映对应情感的变化。