一种基于PPG频域特征的情绪识别方法
Zhibin Zhu1, Xuanyi Wang2, Yifei Xu1
1College of Biomedical Engineering and Instrument Science, Zhejiang University, Hangzhou, China.
Frontiers in physiology
|March 12, 2025
概括
这项研究使用生理学建模来分析光电感应 (PPG) 信号频率组件用于情绪识别. 提取的特征有效地区分兴奋和价值,提高分类准确度超过90%.
科学领域:
- 生理学建模 生理学建模
- 信号处理 信号处理
- 情感计算是一种情感计算.
背景情况:
- 光电显微镜 (PPG) 信号含有丰富的生理信息.
- 从PPG中提取频域特征可能为情绪状态提供新的见解.
- 目前的情绪识别方法可以通过更强大的生理标记来改进.
研究的目的:
- 使用生理模型模拟系统地分析PPG信号的频域组件.
- 从PPG信号中提取关键特征,用于情绪识别.
- 研究这些频域特征在区分情绪状态 (兴奋和价值) 的有效性.
主要方法:
- 在PPG信号频率组件分析中采用双风模型.
- 收集并发的生理 (PPG) 和心理数据.
- 使用支矢量机 (SVM) 的分类,并与脉冲率变化 (PRV) 和形态特征进行比较.
- 使用DEAP数据集验证的发现.
主要成果:
- PPG频域特征显著差异化激发 (87.5%准确率) 和价值 (81.4%准确率).
- 对DEAP数据集的验证显示出一致的性能 (73.5%的唤醒,71.5%的价值).
- 包括拟议的频域特征在内的特征融合使分类准确度提高到90%以上.
结论:
- 对PPG信号的生理建模有效地提取了用于情绪识别的特征.
- 频域PPG特征是情绪状态的有价值的生理标记.
- 这种方法为先进的情绪识别系统提供了基础.
更多相关视频
08:22Author Spotlight: Advancing the Study of Brain-Heart Interplay with a Comprehensive EEGLAB Plugin for Multimodal Signal Analysis
Published on: April 26, 2024
1.6K
05:48Author Spotlight: Investigating the Impact of Emotional Prosodies on Voice Recognition and Perception
Published on: August 9, 2024
1.4K
