18、基于心电图的情绪识别与智能轮椅路径多目标优化

基于心电图的情绪识别与智能轮椅路径多目标优化

在当今科技发展的浪潮中，基于生理信号的情绪识别以及智能轮椅路径规划等领域的研究正不断深入，为人们的生活带来了诸多便利和改善。下面将详细介绍基于心电图的情绪识别以及智能轮椅路径多目标优化的相关内容。

基于心电图的情绪识别

实验数据获取

在情绪识别的实验中，共采集了（受试者数量 * 20 张图片）的样本，其中高价值样本 86 个，低价值样本 54 个。为进行情绪诱发实验，需正确佩戴便携式生物传感器。通过 CATHAY CH3236TDY 生理电极片将 BIOPAC - MP160 连接到受试者身体，以高效采集生物电信号。心电图模块连接在左下胸部位置。实验前，将座椅调整到舒适位置，并在实验过程中收集心电图信号。

对于每个心电图样本，使用 Neurokit2 收集心率变异性特征，然后通过卡方检验选择特征。最终从原始样本中选取了平均心率、最大心率、中位数心率和心率变异性（HRV）等数据，包括 pNN50、HRV_S、HRV_SD2、HRV_CSI、HRV_CVI、HRV_C2a、HRV_SDNN 等，共 10 个特征，实验样本维度为 140 × 10。数据集随机划分，60% 作为训练集，20% 作为验证集，20% 作为测试集。

数据增强：WGAN - GP 设置

采用 WGAN - GP 进行数据增强，其生成器和判别器的结构如下：
- 生成器是一个 3 层全连接网络，分别有 64、32 和 10 个神经元。
- 判别器也是 3 层全连接层，分别有 32、64 和 1 个神经元，使用 LeakyReLU 作为激活函数，最后一层是 1 个节点且无激活函数的全连接