（信号与信息处理专业论文）进化算法在选取ecg信号情感特征中的研究.pdf

摘要 进化算法在选取e c g 信号情感特征中的研究 信号与信息处理专业硕士研究生郝敏 指导教师刘光远教授 摘要 由于情感在人类的感知、决策等众多过程中扮演着重要角色，并且伴随着在认知领域的 不断探索，于是人们开始迫切地从事对情感状态领域的研究。而在此类研究中，尤其以研究 面部识别、语音识别为主，但这些特征有时根本无法反映出人类真实情感状态，也就无法从 生理角度上分析人类情感。而为了解决这种冲突矛盾，我们采用生理信号作为研究对象来分 析情感识别。通过分析生理信号，我们就可以识别出内在的情感和情绪变化，最可靠的是能 采集到比较理想的符合真实环境的生理数据。美国m i t 媒体实验室情感计算研究小组的 p i c a r d 教授及其合作者率先从生理信号中提取特征来进行情感状态识别方面的研究，相继的 其它国家与学者也在这一方面给予了极人的重视，并开始了积极的研究。然而，现有的基于 生理信号的情感状态识别却存在着众多难题，譬如：识别效果欠佳，无法得剑统一而有效的 特征组合，鲁棒性较差等等。因此文中引入基于进化算法的思想希望在生理信号情感识别领 域中突破以往的局限，进而达到较好的效果和有效的特征组合。 进化算法是一种新兴的搜索寻优技术，它根据生物中遗传与进化的原理，仿效基因、染 色体等物质表达所研究的问题，遵循达尔文“物竞大择，适者生存”原则，使随机生成的初 始问题解通过复制、交换、突变等遗传操作不断迭代进化、逐步逼近最优解，从实质上讲， 进化算法是生物科学与工程技术相结合的一门边缘学科，目前，它已成为继专家系统、人工 神经网络之后有关人工智能学科的第三个研究热点。 由于e c g 信号蕴含情感特征丰富，可以较明显的反映出人类的情感状态变化，冈此，论 文结合进化智能优化算法应用处理e c g 信号的情感状态特征优化问题，在一定程度上有效的 解决了以往传统方法处理e c g 信号特征选择的诸多局限性，在此基础上，进一步深入研究了 1 基金项目：国家自然科学皋会( n a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no f c h i n an o 6 0 8 7 3 1 4 3 ) ；西南大学 国家重点学科基础心理学科研基金( t h eu n i v e r s i t yf o u n d a t i o nf o rb a s i cp s y c h o l o g yn o n k s f 0 7 0 0 3 ) 两南火学硕+ 学伊论文 e c g 信号的情感识别难题，主要研究内容如卜： 1 ) 心电信号的数据采集：实验通过m p l 5 0 采集了3 9 1 个被试在高兴与悲伤两种情感状态下 所激发的e c g 生理信号，所需的被试均来自西南大学在校大学生； 2 ) 原始心电信号的预处理：利用小波降噪函数和滤波器去除电源干扰的高频噪声和基线漂 移及抖动等干扰因素； 3 ) 情感特征的提取：利用小波变换良好的时一频局部化和对信号奇异点检测能力，对采集的 e c g 信号进行离散小波变换，去除带外噪声和基线漂移的同时重构e c g 信号的高频部分，并 通过对心电信号自身的特点进行分析，提取出8 4 种统计特征，最后选择出比较有效的1 0 8 组 e c g 生理信号，形成数据库； 4 ) 情感特征子集选择：将进化算法中的进化策略和遗传算法与k n n 分类器结合，以近邻法 分类的正确率作为进化算法的评价准则函数，对高兴与悲伤两种情感进行分类识别，选择出 能代表两种情感状态的有效的特征组合； 5 ) 论文最后通过对a u g s b u r g 大学的情感数据库进行仿真，并结合实验中分类高兴与悲伤两 种情感状态的分类识别效果米综合对比分析，验证了将进化算法与k n n 近邻法相结合用于生 理信号情感识别是有效地，不但有较好的情感识别率，并提供了识别情感状态的有效的特征 子集。 关键字：遗传算法进化策略e c g 信号特征选择情感识别小波变换 i l a b s t r a c t 入ho ff e a t u r es e l e c t i o no ne m o t i o n i t i o nf r o me l e c t r o c a r d i o g r a p h y b a s e do n e v o l u t i o n a r ya l g o r i t h m m a j o r ：s i g n a la n di n f o r m t i o np r o c e s s i n g s u p e r v i s o t ：p r o f l i ug u a n g y u a na u t h o r ：h a om i n a b s t r a c t a sar e s u l to fe m o t i o np l a y i n gas i g n i f i c a n tr o l ei nh u m a nd e c i s i o na n dp e r c e p t i o nm a k i n g ， a l o n gw i t ht h ec o n t i n u o u se x p l o r a t i o ni nt h ea r e ao fc o g n i t i v e s om o r ea n dm o r ep e o p l eb e g a nt o u r g e n t l ye n g a g ei nt h er e s e a r c ho ne m o t i o nr e c o g n i t i o n h o w e v e r , m o r er e s e a r c hc o u l db el i m i t e di n f a c i a l r e c o g n i t i o na n dv o i c er e c o g n i t i o n ，t h o s ef e a t u r e ss o m e t i m e sc o u l d n o tr e f l e c to u rt r u e e m o t i o n a ls t a t e s ，a n do fc o u r s e ，w ew o u l dn o tb ep r o n et oa n a l y z eo u re m o t i o n sf r o mp h y s i o l o g y i n o r d e rt os o l v es u c hc o n f l i c t s ，w eh a v ea d o p t e dp h y s i o l o g i c a ls i g n a l sf o rt h es t u d yt oa n a l y z et h e e m o t i o n a li d e n t i f i c a t i o n b e c a u s ew ek n o w t h a tt h r o u g ht h ea n a l y s i so fp h y s i o l o g i c a ls i g n a l s ，w e c o u l di d e n t i f yi n t e r n a lf e e l i n g sa n de m o t i o n a lc h a n g e s ，a n dt h em o s tr e l i a b l ei st h a ti tc o u l db em o r e i d e a lt og e tr e a lp h y s i o l o g i c a ld a t aa c c o r d i n gw i mt h er e a l i s t i ce n v i r o n m e n t p r o f e s s o rp i c a r da n di t s p a r t n e r s ，f r o mm i tm e d i al a ba f f e c t i v ec o m p u t i n gr e s e a r c hg r o u p ，f i r s t l yh a v ee x t r a c t e d a b u n d a n tf e a t u r e sf r o mp h y s i o l o g i c a ls i g n a l st oi d e n t i f yt h ee m o t i o n a ls t a t e s ，a n dt h e nm o r ea n d m o r es c h o l a r sa n dc o u n t r i e sd e d i c a t e dt h e i ra t t e n t i o nt ot h i sa r e a h o w e v e r , t h ee x i s t i n gm e t h o do f e m o t i o nr e c o g n i t i o nh a ss o m ed i f f i c u l t i e si ni n e f f e c t i v ei d e n t i f i c a t i o n ，n o n u n i f i e df e a t u r es u b s e ta n d p o o rr o b u s t n e s s t h u s ，t h i sp a p e rg i v e sa ni n t r o d u c t i o no fe v o l u t i o n a r ya l g o r i t h mf o rr e c o g n i z i n g e m o t i o n st ob r e a kt h r o u g ht h ef o r m e rl i m i t a t i o n s ，a c h i e v eab e t t e rr e s u l ta n do b t a i na ne f f e c t i v e f e a t u r es u b s e t e v o l u t i o n a r ya l g o r i t h mi san e ws e a r c ho p t i m i z a t i o nt e c h n o l o g y , w h i c hi sb a s e do ng e n e t i ca n d b i o l o g i c a le v o l u t i o n ，a n dd e s c r i b e sar e a l i s t i cp r o b l e mb yg e n ea n dc h r o m o s o m e f o l l o w i n gt h e d a r w i n i a n ”n a t u r a ls e l e c t i o n ，s u r v i v a lo ft h ef i t t e s t ”p r i n c i p l e ，t h er a n d o mi n i t i a ls o l u t i o nw o u l d g r a d u a l l ya p p r o a c h i n gt h eo p t i m a ls o l u t i o nb yt h eg e n e t i co p e r a t i o no fr e p r o d u c t i o n ，c r o s s o v e ra n d m u t a t i o n i nf a c t ，e v o l u t i o n a r ya l g o r i t h mi sam i x e ds u b j e c tc o m b i n i n gb i o l o g i c a ls c i e n c e sa n d e n g i n e e r i n gt e c h n o l o g y i na d d i t i o nt oe x p e r ts y s t e m s ，a r t i f i c i a ln e u r a ln e t w o r k s ，i th a sb e c o m et h e t h i r dr e s e a r c hf o c u s s i n c ee c gs i g n a lc o n t a i n st h ec h a r a c t e r i s t i c so fr i c he m o t i o n s ，y o uc a nr e f l e c tm o r e i i i 盯 瞎 两南人学硕十学伊论文 p r o n o u n c e dc h a n g e si nt h eh u m a ne m o t i o n a ls t a t e s t h e r e f o r e ，t h i sp a p e rg i v e sa ni n t r o d u c t i o no f e v o l u t i o n a r ya l g o r i t h mf o re m o t i o nr e c o g n i t i o n a n dt os o m ee x t e n t ，an u m b e ro fl i m i t a t i o n sw h i c h e v e re x i s t e di nt h et r a d i t i o n a lm e t h o do ff e a t u r es e l e c t i o no l le c gh a v eb e e ne f f e c t i v e l ys o l v e d ，a n d s u b s e q u e n t l yw et u r ni n t ot h ef u r t h e rs t u d i e so fe c gs i g n a lo ne m o t i o nr e c o g n i t i o n 1 1 1 em a i n r e s e a r c hc o n t e n t sa r ea sf o l l o w s ： 1 ) e c gd a t a a c q u i s i t i o n ：e c gd a t aa r ec o l l e c t e dt h r o u g hi n s p i r i n g 3 91 s u b j e c t sf r o m s o u t h w e s tu n i v e r s i t yw i t ht h es t a t eo f j o yo rs a d n e s sb ym p15 0 ； 2 )o r i g i n a le c gp r e p r o c e s s i n g ：r e m o v en o i s es u c ha sh i g h - f r e q u e n c yp o w e rs u p p l ya n d i n t e r f e r e n c ef a c t o r ss u c ha sb a s e l i n ed r i f tb yw a v e l e tf u n c t i o na n df i l t e r ； 3 1e x t r a c t i o no fe m o t i o n a lf e a t u r e s ：a p p l yt h ea b i l i t i e so ft i m e - f r e q u e n c yl o c a l i z a t i o na n d s i g n a ld e t e c t i o no fs i n g u l a rp o i n t so nw a v e l e tt r a n s f o r mt or e m o v eb a n dn o i s ea n db a s e l i n ed r i f to f t h ee c gs i g n a lb yc o n t i n u o u sw a v e l e tt r a n s f o r ma n dr e c o n s t r u c tt h eh i g h - f r e q u e n c yp a r to fe c g s i g n a l ，t h e ne x t r a c t8 4f e a t u r e st h r o u g hi t so w na n a l y s i so fe c gc h a r a c t e r i s t i c s ，a n df i n a l l ys e l e c t 10 8g r o u p so fm o r ee f f e c t i v ee c g s i g n a l st of o r mad a t a b a s e ； 4 ) s e l e c t i o no ff e a t u r es u b s e t ：l e a de v o l u t i o n a r ya l g o r i t h m ( e v o l u t i o ns t r a t e g ya n dg e n e t i c a l g o r i t h m ) c o m b i n e dw i t hk n nc l a s s i f i e ri n t oc l a s s i f y i n gt w oe m o t i o n s ( j o ya n ds a d n e s s ) w i t ht h e c o r r e c tc l a s s i f i c a t i o nr a t ea st h ee v a l u a t i o nc r i t e r i a ，a n ds e l e c tt h ee f f e c t i v es u b s e to fr e s p e c t i v e l y r e p r e s e n t i n gt h e i ro w ne m o t i o n a ls t a t e s ； 5 )f i n a l l y , t h r o u g he x p e r i m e n t a ls i m u l a t i o no ne m o t i o n a ld a t a b a s ef r o ma u g s b u r gu n i v e r s i t y a n da c c o r d i n g l yc o m p r e h e n s i v ec o m p a r a t i v ea n a l y s i sf r o mt h ea b o v ee x p e r i m e n t si nr e c o g n i z i n g t w oe m o t i o n s ( j o ya n ds a d n e s s ) ，i ti sv e r i f i e dt h a tu s ee v o l u t i o n a r ya l g o r i t h mw i t hk n nn e i g h b o r st o e m o t i o nr e c o g n i t i o nb a s e do np h y s i o l o g i c a ls i g n a l si se f f e c t i v e ，a n di tn o to n l yh a sb e a e rr e c o g n i t i o n r a t e ，b u ta l s oe x i t se f f e c t i v ef e a t u r es u b s e to f r e c o g n i z i n ge m o t i o n k e y w o r d s ：g e n e t i ca l g o r i t h m ；e v o l u t i o ns t r a t e g y ；e c gs i g n a l ；f e a t u r es e l e c t i o n ； e m o t i o nr e c o g n i t i o n ；w a v e l e tt r a n s f o r m i v 独创性声明 本人提交的学位论文是在导师指导下进行的研究工作及取得的研 究成果。论文中引用他人已经发表或出版过的研究成果，文中已加了 标注。 学位论文作者： 秘 签字吼彳年厂月彩日 学位论文版权使用授权书 本学位论文作者完全了解西南大学有关保留、使用学位论文的规 定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允 许论文被查阅和借阅。本人授权西南大学研究生部可以将学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书，本论文：口不保密， 口保密期限至年月止) 学位论文作者签名：名尹当各 签字日期：讷j 7 钌月日 f 月讪日 引言 1 1 研究背景及意义 第一章引言 随着计算机技术的高速发展，计算机对人类的工作、学习和生活发挥着越来越人的作用。 与此同时，当前计算机越来越无法满足人们日益丰富的要求，人们已倾向于渴望人机交互的 智能化计算系统，使人机交互的环境像人与人交往一样便利，于是受到广火的学者的重视， 他们开始了对人工智能交互的研究，也开始了从研究计算机的学习、推理、语言等能力方面 向智能情感表述领域的转型探索。 情感智能最早是由美国m i t 的m i n s k y 教授。y - 1 9 8 5 年提出来的，这是因为情感智能是人 类智能的重要组成部分 1 2 。而将情感智能引入计算机不仅仅可以为人类提供越来越丰富的 生活、学习、工作环境，而且最重要的是可以提高人与人之间交流的质量，为人类在理性的 智能活动中发挥着至关重要的指导作用，提供正确运用和识别情感进行自然而和谐的交流的 向导，从而将计算机赋予情感智能表述并让计算机能够理解和表达情感的研究是符合时代发 展要求的，业已引起诸多学者的追捧。美国m i t 媒体实验室的p i c a r d 教授在其1 9 9 5 年的技术 报告中最早提出了“情感计算( a f f e c t i v ec o m p u t i n g ) ”一词，并给出了定义，即情感汁算是关 于情感、情感产生以及影响情感方面的计算 3 。并在此报告的基础上于1 9 9 7 年出版了第一 部关于情感计算的专著( ( a f f e c t i v ec o m p u t i n g ) ) ( 情感计算) ，引起了大量研究者的关注【4 】。 情感计算的目的，就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力， 最终使计算机像人一样能进行自然、亲切和生动的交互 5 6 】。近几年来，情感计算成了国内 外众多研究者关注的焦点【7 9 】。在人与人的交流中，识别他人所处的情感状态是人类情感智 能的核心 1 0 ，冈此，要使计算机具有情感智能，最重要的就是必须使它能正确的识别人类的 情感。 而随着越来越多的学者的研究热潮的深入，情感智能领域也越来越丰富起来，业已在许 多领域中有了广泛的应用，也越来越成为未来人工智能发展与计算机应用中不可或缺的一部 分。譬如在日常生活中应用已非常成熟的司机安全行车的智能监控系统，该系统可以采用非 接触式情感信号采集装置，如图像与生理信号。图像信号用于监测司机面部表情的乏意 ( s l e e p i n gm o o d ) ，如根据每分钟眨眼次数。而生理信号用于识别司机回答问题的语言迟钝性 ( s l o w r e a c t i o nm o o d ) ，如生理信号速度、音调变化、音量强度、噪音质量、发音清晰度等。 以司机的“主动式或被动式反应性( a c t i v i t y o rr e a c t i v i t y ) ”为特定考察情感状态，可以提醒司 机安全行车。再如计算机游戏与娱乐系统。这也是计算机需求情感表达功能的主要应用之一， 但是目前的计算机棋类机不具备如此能力，这大大的降低了人们的娱乐兴趣，因为下棋者是 面对了一台没有个性、没有情感的机器。未来的计算机棋类机应该可以模拟各种情感类型棋 手，如进攻型或防御型棋手的情感行为。 正是由于人们在研究中遇到了诸多疑题，人们则迫切的需要营造和谐自然的人机环境， 这也加速了情感计算技术的不断研究，相信情感计算技术的广泛应用是指日可待的。将计算 机赋予类似人类的情感能力，能够感知和表达情感，那么人与机器就能够达成一种和谐，人 1 两南大学硕十学位论文 类就可以放弃利刚键盘、鼠标等毫无知觉的交互方式，这对于某些病人或某些残疾人来说是 极有意义的 7 】。p i c a r d 在m i t 媒体实验室的技术报告中至少给出了约5 0 种应用，如情感饰物、 情感教学、情感检测、情感c d 、情感玩具、情感地毯、情感眼镜、情感鼠标等等。情感识别 在实时检测司机精神压力从而给出合理建议、疾病预测、情感学习伴侣、情绪预测、帮助节 制游戏瘾、健康评估等方面都有很现实的应用价值。此外，还可以应用在人文艺术、商业、 经济、体育、教育、娱乐、卫生、健康、科学等方面，尤其是基于生理信号的情感识别还可 以应用在测谎仪、心理治疗等方面，所以说具片j 很广阔的应用前景。 由于生理信号 11 是人类相互交流的最重要且最真实的表现之一，冈此通过对它的研究， 我们就可以识别出内在的情感和情绪变化，采集到比较理想的符合真实环境的生理数据，利 用从中选择出来的有效的特征模式来识别情感【9 。显然，这是一个组合优化问题，冈此，论 文中引入了进化算法来实现特征选择优化问题。进化算法【1 2 本身是依据达尔文的进化原则而 进行寻优的一种计算智能优化算法，相比传统的优化方法，它弥补了识别效果较低，鲁棒性 差等众多不足，可以行之有效地得到统一而有效的特征组合。迄今为止，它已在组合优化、 生产调度、机器学习、电路设计和神经网络等领域取得了很人的成功，并越来越为人们所重 视，并且已经成为计算智能领域的又一研究热点。论文结合分析进化算法中的遗传算法与进 化策略，并在现有原始算法上进行了一定程度的改进研究，并应用于e c g 信号的特征选择上， 来分析验证进化算法在情感识别领域的性能研究，在上程应用上有其决定性的意义。 1 2 研究现状与存在的问题 情感计算的研究可以追溯剑8 0 年代 1 3 1 ，当时就注意剑了情感对人类认知与智能的作用， 却没有引起人们足够的重视，而直到9 0 年代才开始渐渐地引起人们的注意，特别是最近几年 来，由于人工智能领域的飞速发展，人们越来越重视情感计算的研究。 在国际上，美国m i t 实验室的有关生理信号情感识别的研究是比较全面的，p i c a r d 1 4 】 f 1 5 1 6 系统地分析了影响生理信号采集的各种因素，并介绍了几种特征提取和分类方法，用 5 种生理信号的4 0 种特征分类8 种情感，正确识别率达到8 2 5 ，率先证明了从生理信号中 提取特征模式来进行情感识别是可行的，并与h p 公司建立合作进行多模态情感应用方面的研 究。 德国奥森堡人学的多媒体与信号处理实验室也在生理信号的情感识别方面做出了巨大的 贡献【1 7 】，他们分析了四种生理信号( e c g 、e m g 、s c 、r s p ) 的特征，主要是侧重于情感识别 率方面的研究，着重比较了不同特征选择方法和不同分类器相结合应用情感识别的识别效果， 目前也在积极从事研究多模态情感界面。 日本从上个世纪九十年代就开始了感性工学( k a n s e ie n g i n e e r i n g ) 的研究，致力于将感性与 工程相结合。1 9 9 6 年日本国内就以国家重点基金的方式开始支持“情感信息的信息学、心理 学研究”重大研究课题【1 8 】。于是各大公司竞相开发、研究、生产了所谓的个人机器人( p e r s o n a l r o b o t ) 产品系列，目前，日本在人工智能情感技术方面已经达到了国际领先水平。 i b m 公司的“蓝眼计划”使得计算机可以感知人的动作和行为，并能实时做出相应的反 应与人进行交互。例如：当人的眼睛瞄向电视时，它就会发出指令打开电视机，获得了很好 2 引言 的社会反响，此外该公司还研究了情感鼠标，它可以根据手部的血压及温度等传感器感知用 户的情感 1 9 】。 在国内，我国对人- t 情感的研究始丁上世纪九十年代，大部分研究工作是针对人工情感 单元理论与技术实现。清华大学和中科院心理所合作，主要研究以下几个方面的内容：多模 态多通道的情感分析、情感语音识别分析、汉语普通话情感分析、人脸表情视频分析、人脸 表情图像结构分析。哈尔滨_ l 业人学以高文教授为主，研究多功能情感机；北京科技大学的 王志良教授主要研究人工心理和情感模型的建立；重庆大学主要研究智能服务、增强现实、 环境感知、智能手表等，注重软件方面的研究：东南人学在研究多模态情感用户接口系统； 北京丁业大学正进行多功能感知机与情感计算的融合研究；江苏人学正在建立自己的情感数 据库，从心电e c g 、皮温s k t 、皮肤电导s c 和呼吸信号r s p 中提取特征进行情感识别方面 的研究；南京航空航天大学等在研究语音情感计算。国家自然科学基金项目已将和谐人机环 境中的情感计算列为1 9 9 8 年信息技术高技术探索第六主题。2 0 0 5 年，首届国际情感计算及智 能交互学术会议在北京召开。这说明，情感计算的研究在我国也逐步得到认识，其工作也在 渐渐展开。 目前，国内外从事研究情感生理信号主要是针对心电图( e c g ) 2 0 2 2 、脑电图( e e g ) 2 3 、 眼电图( e o g ) 2 4 、光电脉搏( p p g ) 2 5 】、皮温( s k t ) 2 6 、肌电图( e m g ) 2 7 、血容晕搏动 ( b v p ) 2 8 、皮肤电反应( s c ) 2 6 、呼吸作州( r s p ) 2 2 这九种生理信号，因为它们都从某种程度 上反应人类一定的情感讯息。e k m a n 等人1 9 8 3 年的研究结果 2 9 3 1 1 发现：愤怒比快乐引起更 多的心率增加；恐惧比快乐引起更大的心率加快；厌恶和恐惧比快乐引起更大的皮肤电导升 高。脑电图信号( e e g ) 中张和缩的特定模式可以用来识别喜欢和不喜欢这样的情感；g s r 受 挫折的影响比较大，而且经常被用米测试物体对能诱发焦虑产生的情境的反应。皮肤电反应 受性别的影响；无论悲伤情绪还是愉快情绪下，男性被试的皮肤电都比女性被试高；皮肤温 度不受性别的影响，但是受情绪的影响，无论是在悲伤情绪还是愉快情绪下，皮肤温度都会 升高，但是愉快情绪下的皮肤温度高丁悲伤情绪下的皮肤温度；心率的变化受情绪和性别交 互影响；呼吸频率、呼吸幅度和血氧饱和度在实验中没有明显变化；悲伤情绪与愉快情绪相 比，0 【波、b 波、0 波能量有所增强，但增强的脑区不同；6 波则没有差异；丫波能量在中央区 减弱。正性情绪下，心率变化不显著，指端脉搏容积显著下降；负性情绪下，心率显著增加， 指端脉搏容积显著下降；不同情绪下的生理反应恢复速度没有差异，但不同生理指标的恢复 速度有差异，心率的恢复速度比指端脉搏容积的快；在正性情绪下，心率和指端脉搏容积的 相关不显著，但在负性情绪下有显著的负相关；而且还发现女性被试的心率反虑水平比男性 被试高，皮肤电反应的基础水平和反应水平比男性被试低。 虽然人们在人工智能领域取得了越来越多骄人的成绩，却也存在很多亟待解决的难题， 从采集生理信号而言，国际上就没有统一行之有效的标准来定义，因此如何有效的激发情感， 是利用图片还是声音有效我们无法得知，而已针对不同的人种，在选择激发情感的素材方面 也没有衡量的标准，这就造成了难以保证采集剑信号的有效性。而在特征选择方面，如何通 过特征筛选并找出分类情感状态最有效的生理信号特征组合也是一个难题，当前，用于生理 信号的特征选择的方法有f i s h e r 、s f f s 、a n o v a 、s f s 、s b s 等，且识别率均达到8 0 以上。 3 两南大学硕十学位论文 但这些方法都是一些传统的方法，计算速度较慢和收敛性较差无法得到统一而有效的特征模 式，而论文要研究的进化算法是一系列搜索技术，包括遗传算法、进化策略、遗传规划、进 化规划等。尽管进化算法有很多变化，但他们都是基于白然进化过程的基本计算模型。与传 统的基于微积分的方法和穷举法等优化算法相比，进化计算是一种成熟的具有高鲁棒性和广 泛适用性的全局优化方法。具有自组织、自适应、自学习的特性，能够不受问题性质的限制， 有效地处理传统优化算法难以解决的复杂问题。在组合优化问题求解，自适应控制，自动生 成程序，机器学习和人工生命等领域的应用中已初步展现了它的特色和魅力，成为当前十分 热门的研究课题。 1 3 论文研究的内容及其所做的工作 论文通过对生理信号的情感状态识别问题及其自身特点的分析，并结合传统特征选择方 法所带来的缺陷，最终将进化智能优化的思想引入到生理信号的特征选择中，而进化算法是 一种新兴的搜索寻优技术，它根据生物中遗传与进化的原理，仿效基因、染色体等物质表达 所研究的问题，遵循达尔文“物竞天择，适者生存”原则，使随机生成的初始解通过复制、 交换、突变等遗传操作不断迭代进化、逐步逼近最优解。主要研究内容如下： 1 ) 心电信号的数据采集：实验通过美国b i o p a c 公司提供的多导生理记录仪m p l 5 0 采集了 3 9 1 个被试在高兴与悲伤两种情感状态下所激发的e c g 生理信号，所需的被试均来自西南人学 在校大学生； 2 ) 原始心电信号的预处理：利用小波函数降噪和滤波器去除电源干扰的高频噪声和基线漂 移及抖动等干扰因素； 3 ) 情感特征的提取；利用小波变换良好的时一频局部化和对信号奇异点检测的能力，对采 集的e c g 信号进行离散小波变换，去除带外噪声和基线漂移的同时重构e c g 信号的高频部 分，并通过对心电信号自身的特点进行分析，提取出8 4 种统计特征，最后选择出比较有效的 1 0 8 组e c g 生理信号，形成数据库； 4 ) 情感特征子集选择；将进化算法中的进化策略和遗传算法与k n n 分类器结合，并针对 两种算法在收敛性筹和易陷于局部最优等缺点，分别给出相应的改进措施，以近邻法分类的 正确率作为进化算法的评价准则函数，针对高兴与悲伤西种情感状态进行分类识别，选择出 能代表两种情感状态的有效的特征组合； 5 ) 论文最后也通过上述选择方法对a u g s b u r g 大学的情感数据库进行仿真，并结合实验中 分类高兴与悲伤两种情感状态的分类识别效果来综合对比分析，研究情感和生理信号本质中 所存在的某种映射关系，最终验证了将进化算法与k n n 近邻法相结合用于生理信号情感识别 是有效地，不但有较好的情感识别率，并提供了识别情感状态的有效的特征子集。 1 4 论文的创新点 论文中所使用分析的数据均来自于西南大学信号与信息处理研究所，实验宝通过对1 7 2 5 岁的在校大学生进行实验测试，得到3 9 1 组被试在高兴与悲伤两种情感状态下所激发的e c g 4 引言 信号，在借助于小波变换进行降噪和去除电源干扰及基线漂移抖动所带米的诸多问题后进行 e c g 信号的重构，提取出相应的8 4 种统计特征值，最终选择出比较合适而有效的1 0 8 组e c g 信号。之后便将进化算法中的遗传算法和进化策略用于e c g 信号的特征选择，并与k n n 分 类器相结合起来识别情感，一定程度上克服了传统特征选择方法在特征维数较多时搜索速度 慢、效率低、计算复杂度高和鲁棒性差等一系列缺点，而且能够对进化算法智能优化之后的 结果中得出有效的情感识别的生理信号特征组合，也为以后做情感识别相关的软硬件系统提 供了必要的前提和基础。 1 5 论文的结构 第一章为引言部分，阐述了情感识别领域对当今生活、生产等各方面所带来的影响与意 义，并也简单的介绍了情感计算的研究现状和目前所存在的一系列问题，分析其中出现的瓶 颈，最终引入进化算法与k n n 分类器结合，探索如何跳出局部最优而寻找全局最优。第二章 主要是介绍了实验前所进行的主要准备工作，如何进行信号采集及过程中应该注意的事项， 在预处理后对e c g 信号进行特征提取。第三章详细地介绍了特征选择优化方法的基本原理及 其改进，并对进化算法进行特征选择给出了小结。第四章主要是在对进化算法了解的基础上 对生理信号进行情感识别，分别对本实验所采集的e c g 信号和a u g s b u r g 大学所提供的情感生 理数据进行了特征选择，综合分析两者的选择结果。第五章是对论文工作的总结与展望。 5 两南火学硕+ 学伊论文 2 1e c g 信号 第二章信号采集及特征提取 e c g 信号是心脏搏动时在人体表面形成的电位差，通过分析心电信号，可以了解心脏的 搏动状态。它的基本原理是：人体内由窦房结发出的一次电兴奋，按一定的途径和时程，依 次传向心房和心室，引起整个心脏的兴奋，使心脏周期性地收缩，推动血液在全身循环。在 每一个心动周期中，心脏各部分兴奋过程中出现的电变化的方向、途径、次序和时间都有一 定的规律。这种生物电变化通过心脏周围的导电组织和体液反映到身体表面上来，使身体各 部分在每一心动周期中也都发生有规律的电变化。把测量电极放置在人体表面的一定部位， 记录出来的心脏电变化曲线即为临床常规心电图( e l e c t r o c a r d i o g r a m ，e c g ) 。 一个典型的心电图是由5 个基本波形所组成的( 如图2 - 1 所示) 。其中，最初出现的缓 慢小波叫做p 波。其后出现的宽度较窄、变化迅速的波形n l 做q r s 波群，在q r s 波群中，第 一个向下的波为q 波，第一个向上的波为r 波，r 波斤的又一个向下的波为s 波。在q r s 波 群后面出现的比较宽的缓慢波形叫做t 波。除了这5 个波形之外，在t 波的后面还可见到一 个振幅低的缓慢小波，叫做u 波。在p 波与q r s 波群之间的平坦部分叫做p r 段，q r s 波群 与t 波之间的平坦部分叫做s t 段。心电图( e c g ) 反映了人体心脏的工作状况，e c g 各个波形 的不同形式往往体现了某些病变。在e c g 的各个波中，r 波最为明显，一般以它为基准来定 位其他波的位置，所以，r 波检测是e c g 信号分析诊断的前提和基础，只有r 波标定后，才 有可能计算心率、检测s t 段参数、区分正常和异常心律，进而可以进行心率变异性( h r v ) 的分析。 6 0 0 4s e c0 2s e c 卜 ii l e k 66r t db l，x 0 t n 1：e ra i 【。r s 。i j i p己 l i tl t e l1 r j1 1 ：1 j p i _ * !h 彳_ 、lj 一一f - 一篝 - u 7、 ， ， 弋 芒， 五 y r j 一斗s t 圭e ；j 赫t- 号e g 巾e i i t i ii 图2 1 基本e c g 信号 信号采集及特征提取 p 波= 心房去极化 p r 间隔对应了心房去极化和心室去极化之间的时间延迟。这个时间延迟允许心房收缩发 生，在心室收缩之前将心室充满。大多数的延迟发生在a v 节点。长的p r 间隔对应着受损的 a v 传导功能。 o r s 复合波= 心室去极化 0 r s 间隔代表了心室去极化所需的时间。正常的去极化要求正常的左右束分支功能。任何 一个束分支的障碍都会使由该束提供( 动力) 的心室去极化发生延迟，导致o r s 持续时间的 延长。 t 波= 心室的再极化 q t 间隔代表心室去极化和重极化所需的时间。它是重极化的有效测度，并且受电解质平 衡，药物和局部缺血的影响。q t 间隔与心率成反比例关系。一个q t 间隔可以通过计算修正 用于计算心率。 2 2 信号采集 采用美国b i o p a c 公司捉供的多导生理记录仪m p l 5 0 采集心电信号。实验基本设备包括两 台电脑，生理记录仪m p l 5 0 ，如图2 2 所示： 职1 5 0 r e c o r d i n g e c g $ 呻r s u b j e e re：j三；：三设1ji：c。mput e r 图2 - 2 实验设备 7 两南大学硕+ 学伊论文 图2 - 3e c g 测量示意图 在实验中，m p l 5 0 的e c g 信号采集模块设置了3 5 h z 的低通滤波和5 0 h z 的电源干扰滤波 器，增益设置为5 0 0 0 ，信号采集设置了采样频率为2 0 0 h z 。如图2 2 所示，l 号电脑用于播放 电影片断激发被试的情感，2 号电脑用于记录采集的生理信号。实验时以非侵入的方式接触到 被试者的身上，具体操作按图2 3 所示。 由于心电信号比较微弱，幅度为l o u v - 一5 m v , 频率为0 0 1 - - 1 0 0 h z 。取白体表电极信号的 e c g 记录，常有来自心脏激动以外的各种干扰掩盖了e c g 的真实图形，不仅影响医生的诊断， 也是影响计算机自动分析系统性能的主要冈素。在实际应用中，由各种记录仪记录到的心电 信号，其干扰主要米白以下几方面： 1 )基线漂移：表现为一种低频干扰，是由多种原冈引起的。包括电极电阻的变化、心 电放大器本身的直流漂移、被试的呼吸运动、导联的连接和流经人体的寄生电流等。基线漂 移是运动条件下所特有的低频干扰，频率较低，与心电信号s t 段频率分量非常接近，较难处 理。如何有效的抑制基线漂移干扰对情感识别结果有很大影响； 2 )工频干扰：由交流电源引入的5 0 h z 或者6 0 h z 及其各次谐波的干扰，其特征值包括幅 值和频率，在给定的检测环境