基于改进的EMD脉搏信号特征的情感识别方法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国内外生物信号情感识别的研究现状 | 第10-11页 |
| 1.2.2 脉搏信号检测的研究现状 | 第11-13页 |
| 1.2.3 脉搏情感识别的研究现状 | 第13页 |
| 1.3 具体工作及内容安排 | 第13-15页 |
| 2 脉搏信号采集系统 | 第15-22页 |
| 2.1 硬件系统整体设计 | 第15页 |
| 2.2 硬件电路设计 | 第15-18页 |
| 2.2.1 光电传感器 | 第15-16页 |
| 2.2.2 放大电路及RC滤波 | 第16-17页 |
| 2.2.3 单片机模块 | 第17-18页 |
| 2.3 软件系统 | 第18-21页 |
| 2.3.1 Qt简介 | 第18页 |
| 2.3.2 软件介绍 | 第18-20页 |
| 2.3.3 软件设计流程 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 EMD算法及改进 | 第22-36页 |
| 3.1 EMD算法及其主要问题 | 第22-23页 |
| 3.1.1 EMD的主要性质 | 第22-23页 |
| 3.1.2 EMD存在的问题 | 第23页 |
| 3.2 基于遗传算法和支持向量机的EMD改进算法 | 第23-29页 |
| 3.2.1 引言 | 第23-24页 |
| 3.2.2 支持向量机预测及遗传算法的引入 | 第24页 |
| 3.2.3 改进算法的思路及步骤 | 第24-25页 |
| 3.2.4 改进算法的仿真分析 | 第25-27页 |
| 3.2.5 改进算法的脉搏信号分析 | 第27-29页 |
| 3.3 EEMD算法 | 第29-34页 |
| 3.3.1 EEMD的基本原理 | 第29页 |
| 3.3.2 基于EEMD的脉搏信号的分析 | 第29-32页 |
| 3.3.3 自适应脉搏信号的EEMD的方法 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 关于提取脉搏信号的特征的研究 | 第36-41页 |
| 4.1 主波波峰和重搏波波峰的定位方法的提出 | 第36-37页 |
| 4.2 定位方法的改进 | 第37-38页 |
| 4.3 主波波峰和重搏波波峰的统计特征 | 第38-39页 |
| 4.4 主波波峰的近似熵特征 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 5 脉搏信号情感识别的分类实现 | 第41-49页 |
| 5.1 脉搏信号的采集 | 第41页 |
| 5.2 实验数据的特征提取 | 第41-46页 |
| 5.2.1 主波波峰和重搏波的统计特征提取 | 第41-44页 |
| 5.2.2 主波波峰的近似熵 | 第44-46页 |
| 5.3 基于支持向量机的情感分类识别 | 第46-48页 |
| 5.3.1 支持向量机的分类 | 第46页 |
| 5.3.2 情感状态的训练识别 | 第46-47页 |
| 5.3.3 情感状态的验证识别 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第55页 |
