| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·生理信号情绪识别的研究意义 | 第11页 |
| ·生理信号相关情绪识别的研究现状 | 第11-14页 |
| ·国外研究概况 | 第11-14页 |
| ·国内研究概况 | 第14页 |
| ·具体工作及内容安排 | 第14-16页 |
| 第二章 生理信号的情绪识别基础 | 第16-28页 |
| ·情绪的定义 | 第16-17页 |
| ·情绪的分类 | 第17-22页 |
| ·基本离散情绪模型 | 第17-18页 |
| ·复合情绪模型 | 第18-21页 |
| ·论文选择的情绪模型 | 第21-22页 |
| ·用于情绪识别的生理信号特点 | 第22-27页 |
| ·心电信号(ECG) | 第22-24页 |
| ·肌电信号(EMG) | 第24-25页 |
| ·呼吸信号(RSP) | 第25-26页 |
| ·皮电信号(SC) | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 支持向量机算法 | 第28-36页 |
| ·SLT 概述 | 第28-29页 |
| ·SVM 算法概述 | 第29-33页 |
| ·线性可分情形 | 第29-32页 |
| ·线性不可分情形 | 第32-33页 |
| ·SVM 核函数 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于SVM 算法的生理信号情绪识别 | 第36-53页 |
| ·原始生理数据说明 | 第36-37页 |
| ·生理信号特征提取 | 第37-39页 |
| ·基于SVM 的两类情绪模式识别 | 第39-40页 |
| ·基于SVM 的多类情绪模式识别 | 第40-50页 |
| ·一对多方法 | 第41-43页 |
| ·一对一方法 | 第43-47页 |
| ·二叉树方法 | 第47-50页 |
| ·与Augsburg 大学研究者的结果对比 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 面向智能服饰的穿戴式生理信号综合测量系统设计 | 第53-76页 |
| ·硬件设计 | 第53-72页 |
| ·电源系统 | 第54-55页 |
| ·生理信号调理电路 | 第55-60页 |
| ·ADC 电路 | 第60-63页 |
| ·MCU 模块 | 第63-65页 |
| ·IIC 增强电路 | 第65页 |
| ·LED 控制电路 | 第65-68页 |
| ·RTC 时钟电路 | 第68-69页 |
| ·USB 大容量存储电路 | 第69-71页 |
| ·串口电路 | 第71页 |
| ·电路实物图 | 第71-72页 |
| ·软件设计 | 第72-74页 |
| ·在线检测模式软件流程图 | 第72-73页 |
| ·离线测量模式软件流程图 | 第73-74页 |
| ·实验结果 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·总结 | 第76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 附录一 | 第82-90页 |
| 致谢 | 第90-91页 |
| 攻读学位期间发表的学术论文 | 第91页 |