[發明專利]基于濾波與集成分類器的多模態生理信號情感分類方法

在審

• 申請號: 201910287892.0
• 申請日: 2019-04-11
• 公開（公告）號: CN110025322A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 張永;張素華
• 申請（專利權）人: 遼寧師范大學
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/0476;A61B5/0488;A61B5/0496
• 代理公司: 大連非凡專利事務所 21220
• 代理人: 閃紅霞

本發明公開了一種基于濾波與集成分類器的多模態生理信號情感分類方法，首先從標準數據集DEAP中獲取腦電信號、眼電信號、肌電信號作為初始數據集D，選取A?V情感維度模型中的A維度和V維度情感標簽作為標簽集L1和L2；根據Butterworth濾波器階數和過濾信號頻率確定4個帶通濾波器，將數據集中每一行進行四次濾波，分別得到Theta波段、Alpha波段、Beta波段和Gamma波段數據；然后，將濾波后數據以長度為10秒時間窗計算Hjorth的三個時域參數，并結合不同生理信號的三個參數形成新的特征數據集；最后，將中的每一行集成分類器中，判定其所屬的情感類別。

技術領域

本發明涉及生理信號的情感分類方法，特別涉及一種基于濾波與集成分類器的多模態生理信號情感分類方法。

背景技術

情感是構成我們自身人格特點的一個重要元素，它可以影響我們的工作效率、學習狀態、社會交往情況等，越來越多研究人員關注情感識別領域。通過言語、面部表情進行情感識別，是情感分類相關研究中非常重要的部分，然而，由于言語和面部表情往往會受到個體的主觀意識的控制，在某些情況下的識別結果并不完全可靠。而生理信號（心電、眼電、肌電、腦電及血壓等）具有無意識控制的特性，并隨著人機接口技術的不斷發展，收集生理信號的方式對人體無任何傷害，因此，這類數據更適合用來進行科學研究。目前，基于生理信號的情感識別已經成為研究者們廣泛關注的研究課題。

基于多模態的生理信號情感識別模型是將人體中搜集到的各種生理信號：腦電信號、眼電信號、肌電信號進行結合分析后，對其所代表的情感狀態進行判定。這是人工智能發展領域一個重要的組成部分，通過對人體生理信號的分析得到人的情感狀態，可以更好地分析人類情感模式，進而通過調節自身狀態或更改周圍環境來幫助人類進行調節。

現有生理信號情感分類方法可歸納為以下三類：基于熵的特征提取方法、基于傅里葉變換的時頻域分析方法和基于深度學習模型的特征提取分析方法。其中，基于熵的特征提取方法包括樣本熵、信息熵和排列熵等；基于傅里葉變換的時頻域分析方法包括短時傅里葉變換、小波變換、小波包變換等；基于深度學習模型的方法包括卷積神經網絡、深度信念網絡等。這三類方法尚存在以下不足：第一，單一的使用一種生理信號進行情感識別的效果不是特別理想，結果不具有很強的說服力；第二，沒有考慮到不同波段生理信號中包含不同類別情感特征的差異性；第三，大多數方法最終使用單一分類器進行情感判定，每次所得結果的準確率浮動較大，直接影響了算法的性能。

發明內容

本發明是為了解決現有基于生理信號的情感識別技術所存在的上述問題，提供一種基于濾波與集成分類器的多模態生理信號情感分類方法。

本發明的技術解決方案是：一種基于濾波與集成分類器的多模態生理信號情感分類方法，其特征在于按如下步驟進行：

約定：D指所采用的多模態生理信號情感數據集；L指情感標簽；A指A-V情感維度模型中的Arousal維；V指A-V情感維度模型中的Valence維；LA指Arousal維度中評價值小于等于5的一類；HA指Arousal維度中評價值大于5的一類；LV指Valence維度中評價值小于等于5的一類；HV指Valence維度中評價值大于5的一類；

a. 初始設置

采用國際標準多模態生理信號數據集DEAP中的腦電信號、眼電信號、肌電信號作為初始數據集D，選取其中的A維度和V維度情感標簽作為標簽集L1，L2；

b. 生理信號濾波處理

b.1 設置Butterworth濾波器的階數為8，設置過濾的信號波段分別為Theta波、Alpha波、Beta波、Gamma波，形成四個不同的帶通濾波器；