基于脉搏信号中呼吸成分的情绪识别系统及方法技术方案

本发明专利技术公开了一种基于脉搏信号中呼吸成分的情绪识别系统及方法，包括：基于光电传感等简便方式获取人体脉搏信号；对获取的脉搏信号进行集合经验模态分解，对得到的本征模函数进行重构以提取呼吸信号；对呼吸信号提取的时域特征、频域特征以及熵特征采用显著性差异进行特征筛选，对筛选后的特征采用随机森林Gini指数分配权重后构建特征子集；将特征子集输入到预先训练好的随机森林分类器，输出情绪识别结果。有效提高情绪分类精度和准确率，向终端设备输出识别结果并对消极情绪进行预警，从而实现情绪的远程监测。

【技术实现步骤摘要】
基于脉搏信号中呼吸成分的情绪识别系统及方法
本专利技术涉及信号识别
，特别是涉及一种基于脉搏信号中呼吸成分的情绪识别系统及方法。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。情绪是指由不同感觉、思想和行为共同产生的心理及生理状态，是对多种主观认知经验的通称。当今社会经济的不断发展，使得社会竞争日益激烈，生活节奏加快，越来越多的人长期处于紧张状态，承受很大的精神压力，严重的甚至患有焦虑症、抑郁症、躁狂症等心理疾病。情绪对人体的生理健康也有一定的影响，尤其是对心肺功能的影响较大，消极的情绪会使有心肺功能的患者病情加剧。随着生活水平的提高和健康意识的增强，人们越来越重视情绪对于自身健康的影响。有效的情绪识别能够对不良的精神状态进行监测预警，同时也有助于心理疾病的早期诊断和治疗。此外，随着社会老龄化日趋严峻，“空巢”现象日渐加剧，越来越多的老年人常因年龄的增加、身体机能的下降等，社交网络逐渐缩小，获得的情感支持明显减少，从而时常会感到孤独、寂寞、无助，极易导致老年心理疾病的发生，也很容易引发慢性疾病加重，如心肌梗死、脑血管疾病或癌症等，严重影响其生活质量和身心健康。情绪的有效识别以及远程监测可以了解人们是否长期处于消极的情绪状态，以便早期干预从而减少心理疾病的发生。在实现本专利技术的过程中，专利技术人发现现有技术存在以下问题：目前，常用的情感信号包括面部表情、行为姿态、语音语调、文本符号以及心电、脑电、肌电等生理信号。其中，面部表情、行为姿态、语音和文本语义信息是被试者身体行为或语音语调的外在表现，表达直接，信号采集较为简单，但容易受到被试者的主观伪装，且易受主观意识和环境的干扰，情感状态的真实度和可靠性较低。生理信号由人体内部器官产生，受内分泌系统和自主神经系统控制，不受主观意识支配，具有连续、稳定、客观等优点。研究表明，呼吸作为一种重要的生理信号，其相关特征与情绪变化密切相关。其中呼吸信号的一些特征，可以在某些情绪方面获得比脉搏等其他生理信号更好的识别效果，特别是呼吸频率比脉搏频率更能区分某些消极情绪。但是，呼吸信号较脉搏信号的采集而言较为繁琐，在临床应用中，呼吸信号的采集大多采用专业的检测装置和传感技术，或通过胸廓运动等方式获取被试者的呼吸信息。由于传统呼吸检测装置的复杂，使得直接基于呼吸信号的情绪实时监测、特别是非专业人员操作的远程监控等应用变得难以实现。脉搏信号可以应用光电传感器等非接触手段容易的获取，从脉搏信号中提取其包含的呼吸信息，为实现基于呼吸信号的情绪实时监测和远程监控等应用提供了可能性。
技术实现思路
为解决上述问题，本专利技术提出了一种基于脉搏信号中呼吸成分的情绪识别系统及方法，首先基于光电传感等简便方式获取人体脉搏信号，然后通过集合经验模态(EnsembleEmpiricalModeDecomposition,EEMD)算法提取脉搏信号包含的人体呼吸信息并进行特征提取，利用统计学方法和随机森林对特征进行评估与筛选，对筛选的特征子集采用随机森林分类建立情绪识别模型，有效提高情绪分类精度和准确率，从而以简便易行的技术手段和先进算法实现情绪的远程监测。为了实现上述目的，本专利技术采用如下技术方案：第一方面，本专利技术提供一种基于脉搏信号中呼吸成分的情绪识别系统，包括：信号提取模块，用于对通过光电传感器获取的脉搏信号进行集合经验模态分解，对得到的本征模态函数进行重构以提取呼吸信号；特征提取模块，用于对呼吸信号提取的时域特征、频域特征以及熵特征采用显著性差异进行初步的特征筛选，对筛选后的特征采用随机森林Gini指数分配权重后构建特征子集；识别模块，用于将特征子集输入到预先训练好的随机森林分类器，输出情绪识别分类结果；传输及预警模块，用于将识别模块的情绪识别分类结果传输至接收端并实现情绪预警。第二方面，本专利技术提供一种基于脉搏信号中呼吸成分的情绪识别方法，包括：对获取的脉搏信号进行集合经验模态分解，对得到的本征模态函数进行重构以提取呼吸信号；对呼吸信号提取的时域特征、频域特征以及熵特征采用显著性差异进行特征筛选，对筛选后的特征采用随机森林Gini指数分配权重后构建特征子集；将特征子集输入到预先训练好的随机森林分类器，输出情绪识别分类结果。第三方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第二方面所述的方法。第四方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第二方面所述的方法。第五方面，本专利技术提供一种情绪监控手环，包括第一方面所述的系统和/或实现第二方面所述的方法。与现有技术相比，本专利技术的有益效果为：本专利技术创新性地将从脉搏信号提取的呼吸成分应用于情绪识别，以简便易行的技术手段和先进算法实现基于呼吸信号的远程情绪识别，不仅能够了解测试者的情绪变化及预警，且脉搏信号的采集具有便捷、无创、精准和连续的特点。基于脉搏信号提取呼吸信息并在远程监控中客观有效的监测消极情绪、及时给出干预并示警，对于日趋老龄化社会的社区及家庭养老等公共卫生事业，无疑具有重要的临床价值和社会意义。本专利技术从脉搏信号中提取出呼吸成分，提取的呼吸信号经过情绪识别处理后，可实现准确实时地对消极情绪的识别及预警。本专利技术通过采集不同情绪状态下的脉搏信号，对脉搏信号进行预处理后提取其包含的呼吸成分，对提取的呼吸信号进行特征提取，利用统计学方法和随机森林对原始特征集进行评估与筛选，采用随机森林算法构建情绪识别模型，通过十折交叉检验和网格寻优算法优化参数，建立基于最优特征子集和最优参数的情绪识别模型，实现情绪的准确识别。该方法为有效提高情绪分类精度和准确率，实现情绪的远程监测，特别是远程实时监测居家老人情绪提供了切实可行的技术手段。附图说明构成本专利技术的一部分说明书附图用来提供对本专利技术的进一步理解。本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。图1为本专利技术实施例1提供的基于脉搏信号中呼吸成分的情绪识别系统所实现的识别方法流程图；图2(a)-(l)为本专利技术实施例1提供的使用集合经验模态方法从脉搏信号提取呼吸信号分解的时域示意图；图3(a)-(l)为本专利技术实施例1提供的使用EEMD方法从脉搏信号提取呼吸信号分解的频域示意图；图4(a)-(b)为本专利技术实施例1提供的使用EEMD方法从脉搏信号提取呼吸信号分解的对比图；图5为本专利技术实施例1提供的特征筛选示意图；图6为本专利技术实施例1提供的随机森林算法情绪识别模型建立流程图。具体实施方式：下面结合附图与实施例对本专利技术做进一步说明。应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。<本文档来自技高网...

【技术保护点】
1.一种基于脉搏信号中呼吸成分的情绪识别系统，其特征在于，包括：/n信号提取模块，用于对通过光电传感器获取的脉搏信号进行集合经验模态分解，对得到的本征模态函数进行重构以提取呼吸信号；/n特征提取模块，用于对呼吸信号提取的时域特征、频域特征以及熵特征采用显著性差异进行特征筛选，对筛选后的特征采用随机森林Gini指数分配权重后构建特征子集；/n识别模块，用于将特征子集输入到预先训练好的随机森林分类器，输出情绪识别分类结果；/n传输及预警模块，用于将识别模块的情绪识别分类结果传输至接收端并实现情绪预警。/n

【技术特征摘要】
1.一种基于脉搏信号中呼吸成分的情绪识别系统，其特征在于，包括：
信号提取模块，用于对通过光电传感器获取的脉搏信号进行集合经验模态分解，对得到的本征模态函数进行重构以提取呼吸信号；
特征提取模块，用于对呼吸信号提取的时域特征、频域特征以及熵特征采用显著性差异进行特征筛选，对筛选后的特征采用随机森林Gini指数分配权重后构建特征子集；
识别模块，用于将特征子集输入到预先训练好的随机森林分类器，输出情绪识别分类结果；
传输及预警模块，用于将识别模块的情绪识别分类结果传输至接收端并实现情绪预警。


2.如权利要求1所述的基于脉搏信号中呼吸成分的情绪识别系统，其特征在于，所述集合经验模态分解包括：
在脉搏信号中第m次加入高斯白噪声信号，经EMD分解得到第m次分解的第i个IMF分量；
计算总分解次数M次的IMF平均值，根据IMF频率与呼吸频率的相关度，选取相关度最高的IMF分量进行重构作为呼吸信号。


3.如权利要求2所述的基于脉搏信号中呼吸成分的情绪识别系统，其特征在于，第m次加入高斯白噪声信号进行EMD分解包括：
识别加入高斯白噪声信号的待分解脉搏信号的极大值点与极小值点；
利用样条插值法构造极大值点包络函数和极小值点包络函数；
计算包络函数的均值函数，以及原始脉搏信号与均值函数的差值函数；
判断差值函数是否满足IMF条件，若满足，差值函数为第一个IMF分量；若不满足，令更新原始脉搏信号，直至得到的差值函数满足IMF条件，得到待分解脉搏信号最高频率部分的IMF分量；
计算剩余信号的第二个IMF分量，直至剩余信号的极值点数小于2，完成分解。


4.如权利要求1所述的基于脉搏信号中呼吸成分的情绪识别系统，其特征在于，基于波峰和...

【专利技术属性】
技术研发人员：杨立才，刘荣娟，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37