一种基于心电检测的情绪识别系统的制作方法

1.本发明涉及神经科学、认知科学、计算机科学、人工智能以及生理学等领域，特别涉及一种基于心电检测的情绪识别系统。


背景技术：

2.心电信号检测处理技术是以数字式计算机(包括微型机)为基础而构成的心电信号的检测和处理。它起源于20世纪60年代中后期，是在英国、澳大利亚和美国的一些科学者的倡导下开始进行研究的。60年代中期，有人提出用小型计算机实现心电信号的检测和处理猜想，但由于当时计算机的价格昂贵，同时无法满足心电信号检测的技术要求，因此没有取得实际性应用，但由此开始了对计算机心电信号的计算方法和程序结构的大量研究。
3.情绪识别即运用计算机信号处理和分析方法对各种情绪状态下的心理、生理或体征行为参数进行特征提取与分类识别，以确认个体所处的情绪状态。目前情绪识别主要通过两种方式：外部行为测量法：通过面部表情、语音或姿态等外在行为特征进行识别；生理信号测量法：测量呼吸、心率、脑电或体温等生理信号进行识别；目前，国内外用于情绪识别研究的生理信号有 ecg(electrocardiography，心电图)、rsp(respiration，呼吸作用)、 bvp(blood volume pulse，血容量搏动)、sc(skin conductivity，皮肤电)、 emg(electromyography，肌电图)和skt(skintemperature，指温)、 eeg(electroencephalography，脑电图)等参数。
4.人工智能(artificial intelligence)是指由人制造出来的机器所表现出来的智能。核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。当前有大量的工具应用了人工智能，其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学，以及基于概率论和经济学的算法等等也在逐步探索当中。
5.参考文献：
6.[1]韦力强.基于小波变换的信号去噪研究[d].湖南大学.


技术实现要素：

[0007]
本发明旨在解决生理特征和情绪之间的对应关系。
[0008]
为此，本发明的目的在于提出一种基于心电检测的情绪识别系统，该系统通过对被试者心电信号的采集与分析，从而建立一种生理信号与情绪之间的对应关系。
[0009]
为实现上述目的，本发明的实施例提出了一种基于心电检测的情绪识别系统，包括以下模块：心电信号采集模块，用于采集心电数据；心电信号预处理模块，用于对心电信号的去噪、去干扰；识别r波模块，用于检测心电信号的 qrs波群；提取参数模块，用来提取hrv特征参数；建立分类器模型，用于情绪的分类。
[0010]
另外，根据本发明上述实施例的基于心电检测的情绪识别系统，还具有如下附加的技术特征：
[0011]
在一些示例中，所述心电信号采集模块用基于ads1298芯片的心电测量设备对实验者进行心电信号采集，然后对模拟信号进行ad转换得到相应的心电数据。
[0012]
在一些示例中，所述心电信号预处理模块，在提取心率变异性之前，对心电信号进行滤波处理，选用小波阈值滤波算法对心电信号进行预处理。
[0013]
在一些示例中，所述识别r波模块，将预处理好的信号通过采用能够检测 qrs波群信息的pan_tompkin算法来对r峰进行识别。
[0014]
在一些示例中，所述提取特征参数模快，旨在提取心率变异性(hrv)特征参数，反映出人体自主神经，交感神经和迷走神经对心血管系统调节能力的强弱和变化。
[0015]
在一些示例中，所述建立分类器模型，用栈式自编码器深度神经网络分类算法实现对情绪的分类。
[0016]
本发明提供的技术方案的有益效果是：
[0017]
本发明提供了一种基于心电检测的情绪识别系统，通过系统的搭建将心电检测与情绪识别集于一体，设计了一种基于心率变异性种多情绪的识别算法，使其能够通过心电信号的特征值建立生理特征和情绪的对应关系，即完成了对情绪的分类识别。同时该方法使情绪识别工作高效化、智能化、客观化，符合未来的医疗仪器发展趋势。
附图说明
[0018]
图1为本发明提供的一种基于心电检测的情绪识别系统的结构框图；
[0019]
图2为本发明实施例栈式自编码神经网络算法的示意图；
具体实施方式
[0020]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0021]
在描述本发明实施例的一种基于心电检测的情绪识别系统之前，首先对心率变异性(hrv)进行相关的描述。
[0022]
具体地，心率变异性(hrv)是指心率或者心跳变化的快慢随时间所发生的细微差异，反映出人体自主神经，交感神经和迷走神经对心血管系统调节能力的强弱和变化，同时可以用于分析心脏做功的强度。如果检测出hrv信号的特征值如rr间期，sdnn，lf/hf，sdann，pnn50等，就能够利用这些特征信息来判断和预测相关的情绪心理状态。
[0023]
基于此本发明提供实施了一种基于心电检测的情绪识别系统，系统结构框图参见图1，详见下文描述：
[0024]
一种基于心电检测的情绪识别系统101，包括以下模块：心电信号采集模块 102；心电信号预处理模块103；识别r波模块104；提取参数模块105；建立分类器模型106。
[0025]
其中，心电信号采集模块102，用于采集心电数据；
[0026]
心电信号预处理模块103，用于对心电信号的去噪、去干扰；
[0027]
识别r波模块104，用于检测心电信号的qrs波群；
[0028]
提取参数模块105，用来提取hrv特征参数；
[0029]
建立分类器模型106，用于情绪的分类。
[0030]
具体地，心电信号采集模块102中，心电信号采集模块用基于ads1298芯片的心电
测量设备对实验者进行心电信号采集，利用视觉听觉结合的影像诱发方式引发被试者情绪上的变化，然后对模拟信号进行ad转换得到相应的心电数据。
[0031]
具体地，心电信号预处理模块103中，在提取心率变异性之前，对心电信号进行滤波处理，经硬件系统滤波处理后的心电信号的噪声主要是基线漂移、肌电干扰，再选用小波阈值滤波算法对心电信号进行进一步处理。基于标准情绪库中的素材与情绪诱发视频库，对预数据进行整理。
[0032]
具体地，识别r波模块104中，将预处理好的信号通过采用能够检测qrs 波群信息的pan_tompkin算法来对r峰进行识别。hrv的非线性分析可以反映心脏每次搏动的瞬时变化，我们用散点图的分析方法，通过散点图的相对形状反应检测到rr间期的准确性与有效性。hrv的线性分析可以对自主神经系统对心率的调节做出较为直观的评价。
[0033]
具体地，提取特征参数模快105中，旨在提取心率变异性(hrv)特征参数，反映出人体自主神经，交感神经和迷走神经对心血管系统调节能力的强弱和变化，包括：sdnn、rmssd、sdnnindex、sdsd、pnn50、nn50 count、hrviendex、 maxmin、mean、vlf、hf、lf、hfn、lfn、lf/hf、totalpower。
[0034]
具体地，建立分类器模型106中，用栈式自编码器深度神经网络分类算法实现对情绪的分类。在本发明中，我们将进一步采用栈式自编码神经网络算法对不同的情绪状态进行识别。构建一个3层(输入层、隐藏层和输出层)的自编码神经网络，结构图如图2所示，第1个隐含层是输入为样本的稀疏自编码网络学习到的隐含层特征f1，第2个隐含层是输入为f1的稀疏自编码网络学习到的隐含层特征f2，将f2作为softmax分类器输入，采用softmax回归模型对栈式自编码学习到的特征进行分类。分类器输出为情感模式分类的概率，概率最大者为最终的判别结果。
[0035]
综上，本发明实施例的基于心电检测的情绪识别系统，通过系统的搭建将心电检测与情绪识别集于一体，设计了一种基于心率变异性多种情绪的识别算法，使其能够通过心电信号的特征值建立生理特征和情绪的对应关系，即完成了对情绪的分类识别。同时该方法使情绪识别工作高效化、智能化、客观化，符合未来的医疗仪器发展趋势。
[0036]
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0037]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。