论文部分内容阅读
情绪是机体对外界客观刺激进行认知和评价的功能性反应，不同情绪能够表现在人的生理、心理以及行为上。当今社会飞速发展导致人们的生活面临巨大的精神压力，长期处于这种状态下极易产生负面情绪，甚至会带来失眠、食欲不振等症状，进一步增加焦虑症、抑郁症等心理疾病的发病率，威胁人们的健康乃至生命。此外，消极情绪会影响心血管系统和肺部的功能，甚至会加重心血管和肺部相关疾病的病情。如果情绪能够得到有效识别就可以即时了解人们的身心健康情况，进而减少不良情绪的负面影响，此外其还能在相关疾病的治疗方面发挥有效的干预作用。
情绪的产生与人类自主神经系统的活性有着密切相关，心电和呼吸等信号能够间接地描述人类自主神经系统的活性，进而直接反映人类情绪表现状态。本文研究基于呼吸和心电信号的情绪识别问题，提取心率变异性和呼吸率变异性的特征，结合不同情绪状态下的心肺耦合效果分析了情绪在心肺系统中的影响，通过特征筛选获取最优特征子集，并构建情绪分类模型实现对情绪状态的识别。本文的主要研究内容如下:
(1)信号采集及预处理。本文提取了60名大学生在六种情绪状态下的心电和呼吸信号，分别采用小波变换和巴特沃斯低通滤波器对重采样后的心电和呼吸信号进行降噪处理;
(2)特征的提取。采用自适应差分阈值法分别对预处理后的心电信号R点和呼吸信号峰值点进行识别，构建RR间期和呼吸间隔序列，提取了其线性(时域和频域)以及非线性方面的相关特征(近似熵、样本熵、模糊熵等)，以及使用交叉熵和联合熵分析两个时间序列和基于心电及呼吸信号的耦合效果;
(3)特征的差异性分析。基于统计学方法分析特征在不同情绪下的表现，进而探究心肺系统生理反应的变化情况。结果显示高兴时自主神经系统的交感神经作用加强，且程度要高于迷走神经减弱的程度;在悲伤和恐惧时迷走神经的作用强度增加，且自主神经系统在愤怒和厌恶时调节机制加强。
(4)特征的筛选和情绪分类模型的构建。使用ReliefF算法对特征进行特征权重的计算并根据权重建立最优特征子集，基于KNN和随机森林算法建立两个情绪分类模型对情绪进行分类。结果显示，基于随机森林构建情绪分类模型效果较好，其在一对一的情绪分类中的准确率均在90％以上，其中愤怒状态和厌恶状态的识别率最高，可达97.5％，而在情绪的多分类模型中识别情绪状态的准确率可达83.61％，该结果进一步表明了本文提取的特征具有较强的情绪识别能力。
情绪的产生与人类自主神经系统的活性有着密切相关，心电和呼吸等信号能够间接地描述人类自主神经系统的活性，进而直接反映人类情绪表现状态。本文研究基于呼吸和心电信号的情绪识别问题，提取心率变异性和呼吸率变异性的特征，结合不同情绪状态下的心肺耦合效果分析了情绪在心肺系统中的影响，通过特征筛选获取最优特征子集，并构建情绪分类模型实现对情绪状态的识别。本文的主要研究内容如下:
(1)信号采集及预处理。本文提取了60名大学生在六种情绪状态下的心电和呼吸信号，分别采用小波变换和巴特沃斯低通滤波器对重采样后的心电和呼吸信号进行降噪处理;
(2)特征的提取。采用自适应差分阈值法分别对预处理后的心电信号R点和呼吸信号峰值点进行识别，构建RR间期和呼吸间隔序列，提取了其线性(时域和频域)以及非线性方面的相关特征(近似熵、样本熵、模糊熵等)，以及使用交叉熵和联合熵分析两个时间序列和基于心电及呼吸信号的耦合效果;
(3)特征的差异性分析。基于统计学方法分析特征在不同情绪下的表现，进而探究心肺系统生理反应的变化情况。结果显示高兴时自主神经系统的交感神经作用加强，且程度要高于迷走神经减弱的程度;在悲伤和恐惧时迷走神经的作用强度增加，且自主神经系统在愤怒和厌恶时调节机制加强。
(4)特征的筛选和情绪分类模型的构建。使用ReliefF算法对特征进行特征权重的计算并根据权重建立最优特征子集，基于KNN和随机森林算法建立两个情绪分类模型对情绪进行分类。结果显示，基于随机森林构建情绪分类模型效果较好，其在一对一的情绪分类中的准确率均在90％以上，其中愤怒状态和厌恶状态的识别率最高，可达97.5％，而在情绪的多分类模型中识别情绪状态的准确率可达83.61％，该结果进一步表明了本文提取的特征具有较强的情绪识别能力。