基于心音HRV和DSV的情绪识别系统
摘要 | 第4-5页 |
abstract | 第5-6页 |
专用术语注释表 | 第9-10页 |
第一章 绪论 | 第10-17页 |
1.1 该课题的研究背景及意义 | 第10-11页 |
1.2 该课题相关研究现状 | 第11-15页 |
1.2.1 情绪的理论基础 | 第11-13页 |
1.2.2 基于生理信号的情绪识别研究现状 | 第13-15页 |
1.3 该课题主要内容及创新点 | 第15-17页 |
1.3.1 主要内容 | 第15页 |
1.3.2 创新点 | 第15-17页 |
第二章 肩戴式情绪心音采集实验平台 | 第17-23页 |
2.1 实验硬件平台 | 第17-18页 |
2.2 情绪刺激素材选择 | 第18-19页 |
2.3 被试招募 | 第19-20页 |
2.4 实验步骤 | 第20-21页 |
2.5 情绪心音数据库的建立与维护 | 第21-22页 |
2.6 本章小结 | 第22-23页 |
第三章 心音信号用于情绪识别的生理基础 | 第23-28页 |
3.1 心音产生机理的分析 | 第23-24页 |
3.2 情绪心音与自主神经系统关系 | 第24-25页 |
3.3 HRV理论 | 第25页 |
3.4 心音HRV指标 | 第25-26页 |
3.5 心音DSV指标 | 第26-27页 |
3.6 本章小结 | 第27-28页 |
第四章 心音信号的预筛选与分段 | 第28-43页 |
4.1 常用心音分段算法概述 | 第28页 |
4.2 基于模板选择的心音预筛选与分段算法 | 第28-36页 |
4.2.1 算法设计 | 第29页 |
4.2.2 建立心音模板库 | 第29-32页 |
4.2.3 心音预筛选 | 第32-34页 |
4.2.4 心音分段 | 第34-36页 |
4.3 分段算法实验与比较 | 第36-41页 |
4.3.1 实验数据 | 第36-37页 |
4.3.2 算法性能评估 | 第37-38页 |
4.3.3 结果分析 | 第38-41页 |
4.4 心音HRV和DSV的提取 | 第41-42页 |
4.5 本章小结 | 第42-43页 |
第五章 心音HRV和DSV情绪识别系统 | 第43-59页 |
5.1 系统总体设计 | 第43页 |
5.2 心音HRV和DSV的特征分析 | 第43-53页 |
5.2.1 线性分析 | 第44-47页 |
5.2.2 非线性分析 | 第47-51页 |
5.2.3 图形分析 | 第51-53页 |
5.3 心音情绪识别评价指标体系 | 第53-57页 |
5.3.1 GA算法选择特征 | 第54-55页 |
5.3.2 心音情绪识别评价指标体系 | 第55-57页 |
5.4 分类识别 | 第57-58页 |
5.5 本章小结 | 第58-59页 |
第六章 实验结果与分析 | 第59-76页 |
6.1 心音与心电情绪识别特征对比 | 第59-67页 |
6.1.1 各情绪评价指标在情绪评价体系中的表现 | 第59-60页 |
6.1.2 各情绪评价指标典型特征的表征效果 | 第60-67页 |
6.2 识别结果与分析 | 第67-75页 |
6.2.1 效价识别结果 | 第67-69页 |
6.2.2 唤醒度识别结果 | 第69-72页 |
6.2.3 效价-唤醒度综合识别结果 | 第72-74页 |
6.2.4 结果分析 | 第74-75页 |
6.3 本章小结 | 第75-76页 |
第七章 总结与展望 | 第76-78页 |
7.1 总结 | 第76-77页 |
7.2 展望 | 第77-78页 |
参考文献 | 第78-81页 |
附录1 攻读硕士学位期间申请的专利 | 第81-82页 |
附录2 攻读硕士学位期间参加的科研项目 | 第82-83页 |
附录3 各情绪评价指标特征的权重指数相关表格 | 第83-91页 |
致谢 | 第91页 |