11、基于生理信号的情绪识别与握力替代感官反馈研究

基于生理信号的情绪识别与握力替代感官反馈研究

在当今科技发展的浪潮中，情绪识别和感官反馈相关的研究愈发受到关注。它们不仅在人机交互、医疗健康等领域有着广泛的应用前景，还能帮助我们更好地理解人类自身的生理和心理机制。下面将为大家详细介绍基于生理信号的情绪识别以及握力替代感官反馈在不同年龄段参与者中的研究情况。

基于生理信号的情绪识别

情绪状态分类

在情绪识别的研究中，将生理信号进行分类是关键的一步。以往将生理信号分为两类（高唤醒/高愉悦和低唤醒/低愉悦）相对直接，但增加分类数量不仅能实现端到端的学习，还能捕捉唤醒和愉悦维度之间可能存在的关联。研究中，我们把效价 - 唤醒平面中的情绪状态分为四个区域，分别是高唤醒高愉悦（HVHA）、高唤醒低愉悦（HVLA）、低唤醒低愉悦（LVLA）和低唤醒高愉悦（LVHA）。这就好比在一个情绪的地图上，为不同的情绪状态划定了明确的区域，让我们能更精准地对情绪进行识别和分析。

数据集

DEAP 数据集在基于生理信号的情绪分类研究中被广泛使用。它包含了脑电图（EEG）和多种外周信号，如皮肤电反应（GSR）、呼吸、肌电图（EMG）、眼电图（EOG）、体温和血压等，采样率为 512Hz。在这个数据集中，32 名受试者观看了 40 个不同情绪的音乐视频，每个视频约一分钟长。受试者会对每个视频的唤醒度、愉悦度、喜好程度和支配/熟悉度进行 1 - 9 分的评分。以 5 分为中位数作为阈值，将情绪区域分为四个标签，即快乐、悲伤、愤怒和放松。例如，如果一个视频在愉悦度和唤醒度维度的得分都大于 5，则被归为 HVHA “快乐”；如果愉悦度得分大于 5 且唤醒度得分小于等于 5，则被归为 HVLA “放松”；如果愉悦度和唤醒