【技術實現步驟摘要】
本專利技術涉及生理信號分析，尤其涉及一種基于穿戴式生理信號微狀態的情感計算方法及系統。
技術介紹
1、情感計算技術是指利用計算機對情緒相關的個體特征進行采集、分析和識別的技術，對情感計算的發展越來越需要心理學、認知科學等多學科交叉融合。在情緒相關的個體特征中，生理信號具有客觀、不易偽造的特點，具有較高的研究價值，而基于穿戴式傳感設備的生理信號測量是其中較為便捷的測量方式，能夠將生理測量拓展到廣闊的日常生活場景中，在連續長時程測量的同時給用戶帶來的負荷較低。近年來，情感計算方法越來越重視對穿戴式生理信號的測量和分析，包括心率、皮膚電等信號。
2、截止目前，基于穿戴式生理信號的情感計算方法仍然面臨挑戰，其中一項重要挑戰是對情緒生理響應的時間動態過程缺乏關注。多數現有研究通常只采用靜態視角，簡單對比情緒狀態和基線、或者不同情緒狀態間的生理信號特征的平均數值。而功能主義理論和大量實證研究表明，不同情緒引起的生理響應變化會作用于多個身體系統，并具有獨特的時間變化模式。因而記錄多模態生理變化并對其時間動態模式進行分析，將有助于準確識別個體情緒狀態，給當前基于生理信號的情感計算帶來增量價值。
3、微狀態分析方法是觀察生理信號時間動態過程的重要方法之一。近年來實驗室研究發現，多通道記錄的頭皮腦電信號(electroencephalogram,eeg)，其微狀態模式能夠反映時間動態信息，并可用于腦電情感計算領域。具體來說，研究者在60～120ms時間窗口內對腦電信號空間特征進行聚類，發現腦電空間模式呈現出多個類別，稱之為腦
4、然而盡管微狀態方法的有效性在腦電分析中得到驗證，但目前很少見其在其他生理信號中的應用。而基于穿戴式設備測量到的生理信號與腦電等中樞神經信號具有密切關聯，穿戴式測量設備通常可以監測多模態或多通道的生理信號，同樣具備微狀態分析的數據基礎?；诖┐魇缴硇盘柕奈顟B分析相較于傳統靜態分析可以獲得更高維的時域信息，提升情緒識別的有效性和準確率。另外，微狀態方法有望揭示不同類別情緒特異的跨時間變化和跨模態變化的特點，為后續情感計算研究提供參考價值。
技術實現思路
1、本專利技術提供一種基于穿戴式生理信號微狀態的情感計算方法及系統，用以解決現有技術難以從生理信號準確分析人體情緒狀態的問題。
2、本專利技術提供一種基于穿戴式生理信號微狀態的情感計算方法，包括：
3、通過穿戴式采集設備獲取多通道的生理信號；
4、提取多通道人體生理信號的特征后進行降維，壓縮特征維度，并對壓縮維度后的特征進行聚類分析得到生理特征類別，進行生理信號的微狀態劃分；
5、基于所述生理信號的微狀態劃分結果，進行原始生理信號與微狀態類別的映射，將連續的生理信號轉變為微狀態序列，提取微狀態序列特征；
6、將所述微狀態序列特征輸入至預設的情緒狀態預測模型，通過所述情緒狀態預測模型生成情感計算結果。
7、根據本專利技術提供的一種基于穿戴式生理信號微狀態的情感計算方法，所述通過穿戴式采集設備獲取多通道的生理信號，具體包括：
8、通過穿戴式采集設備按照大于1hz的采樣率采集多通道人體外周生理信號；
9、將采集的多通道人體外周生理信號匯總后進行時間對齊。
10、根據本專利技術提供的一種基于穿戴式生理信號微狀態的情感計算方法，所述提取多通道人體生理信號的特征后進行降維，壓縮特征維度，并對壓縮維度后的特征進行聚類分析得到生理特征類別，具體包括：
11、獲取多通道人體生理信號按時間窗切分并提取標準化生理特征；
12、基于標準化生理特征對所有生理特征進行匯總和降維，通過主成分分析提取權重較高的特征維度，對降維后的生理特征進行聚類分析。
13、根據本專利技術提供的一種基于穿戴式生理信號微狀態的情感計算方法，所述對壓縮維度后的特征進行聚類分析得到生理特征類別，進行生理信號的微狀態劃分，具體包括：
14、檢查聚類分析結果的分布情況，排除樣本占比過少、以及只集中在少數個體身上的聚類結果，并對聚類結果進行穩定性檢查；
15、將有效特征類別命名為相應微狀態，完成微狀態劃分，標明聚類中心點映射到原始特征空間的生理特征。
16、根據本專利技術提供的一種基于穿戴式生理信號微狀態的情感計算方法，所述基于所述生理信號的微狀態劃分結果，進行原始生理信號與微狀態類別的映射，將連續的生理信號轉變為微狀態序列，提取微狀態序列特征，具體包括：
17、完成微狀態類別劃分后，得到由原始生理信號向微狀態類別的映射方式；
18、基于原始生理信號向微狀態類別的映射方式將較長的連續生理信號轉變為微狀態序列，提取微狀態序列的特征。
19、根據本專利技術提供的一種基于穿戴式生理信號微狀態的情感計算方法，將所述微狀態序列特征輸入至預設的情緒狀態預測模型，通過所述情緒狀態預測模型生成情感計算結果，具體包括：
20、微狀態序列特征輸入至預設的情緒狀態預測模型；
21、所述情緒狀態預測模型將微狀態序列特征與情緒標簽進行對應，輸出情感計算結果；
22、其中，所述情感標簽來自情緒誘發的素材標簽、受試者的自我報告以及綜合行為表現方式。
23、本專利技術還提供一種基于穿戴式生理信號微狀態的情感計算系統，所述系統包括：
24、信號獲取模塊，用于通過穿戴式采集設備獲取多通道的生理信號；
25、微狀態劃分模塊，用于提取多通道人體生理信號的特征后進行降維，壓縮特征維度，并對壓縮維度后的特征進行聚類分析得到生理特征類別，進行生理信號的微狀態劃分；
26、序列特征提取模塊，用于基于所述生理信號的微狀態劃分結果，進行原始生理信號與微狀態類別的映射，將連續的生理信號轉變為微狀態序列，提取微狀態序列特征；
27、情感計算模塊，用于將所述微狀態序列特征輸入至預設的情緒狀態預測模型，通過所述情緒狀態預測模型生成情感計算結果。
28、本專利技術還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述任一種所述基于穿戴式生理信號微狀態的情感計算方法。
29、本專利技術還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種所述基于穿戴式生理信號微狀態的情感計算方法。
30、本專利技術還提供一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時實現本文檔來自技高網...
【技術保護點】
1.一種基于穿戴式生理信號微狀態的情感計算方法，其特征在于，包括：
2.根據權利要求1所述的基于穿戴式生理信號微狀態的情感計算方法，其特征在于，所述通過穿戴式采集設備獲取多通道的生理信號，具體包括：
3.根據權利要求1所述的基于穿戴式生理信號微狀態的情感計算方法，其特征在于，所述提取多通道人體生理信號的特征后進行降維，壓縮特征維度，并對壓縮維度后的特征進行聚類分析得到生理特征類別，具體包括：
4.根據權利要求1所述的基于穿戴式生理信號微狀態的情感計算方法，其特征在于，所述對壓縮維度后的特征進行聚類分析得到生理特征類別，進行生理信號的微狀態劃分，具體包括：
5.根據權利要求1所述的基于穿戴式生理信號微狀態的情感計算方法，其特征在于，所述基于所述生理信號的微狀態劃分結果，進行原始生理信號與微狀態類別的映射，將連續的生理信號轉變為微狀態序列，提取微狀態序列特征，具體包括：
6.根據權利要求1所述的基于穿戴式生理信號微狀態的情感計算方法，其特征在于，將所述微狀態序列特征輸入至預設的情緒狀態預測模型，通過所述情緒狀態預測模型生成情
7.一種基于穿戴式生理信號微狀態的情感計算系統，其特征在于，所述系統包括：
8.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至6任一項所述基于穿戴式生理信號微狀態的情感計算方法。
9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述基于穿戴式生理信號微狀態的情感計算方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述基于穿戴式生理信號微狀態的情感計算方法。
...【技術特征摘要】
1.一種基于穿戴式生理信號微狀態的情感計算方法，其特征在于，包括：
2.根據權利要求1所述的基于穿戴式生理信號微狀態的情感計算方法，其特征在于，所述通過穿戴式采集設備獲取多通道的生理信號，具體包括：
3.根據權利要求1所述的基于穿戴式生理信號微狀態的情感計算方法，其特征在于，所述提取多通道人體生理信號的特征后進行降維，壓縮特征維度，并對壓縮維度后的特征進行聚類分析得到生理特征類別，具體包括：
4.根據權利要求1所述的基于穿戴式生理信號微狀態的情感計算方法，其特征在于，所述對壓縮維度后的特征進行聚類分析得到生理特征類別，進行生理信號的微狀態劃分，具體包括：
5.根據權利要求1所述的基于穿戴式生理信號微狀態的情感計算方法，其特征在于，所述基于所述生理信號的微狀態劃分結果，進行原始生理信號與微狀態類別的映射，將連續的生理信號轉變為微狀態序列，提取微狀態序列特征，具體包括：
...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。