基于树模型机器学习的皮肤电信号情绪识别

何国柱，乔晓艳

(山西大学 物理电子工程学院，山西 太原 030006)

0 引 言

情绪识别在人机交互、医疗健康、智能驾驶以及教育等领域都发挥着至关重要的作用.因此，非常需要一种利用计算机自动识别人类情感状态的方法.目前，自动情绪识别的研究包括生理和非生理信号情绪识别.由于生理信号的情绪识别不易受被试主观意志的影响，更接近于真实的内在心理感受，因而生理信号情绪识别比非生理信号更加客观、真实、具有说服力，逐渐成为研究的热点.情绪识别常用的生理信号包括：脑电、心电、肌电、脉搏、皮肤电反应等.其中，皮肤电反应(Galvanic Skin Response, GSR)是皮肤电导随皮肤电流大小而产生的变化，属于人体交感神经系统活动的生理反应[1].研究表明，人体皮肤电导的变化强度与情绪激动程度有关，皮肤电反应可以作为衡量情绪状态变化的生理指标.皮肤电反应与脑电、心电相比更易于测量和采集，且不易受其他生理信号干扰，因此在情绪识别领域得到越来越多的研究和应用.

目前，关于皮肤电信号情绪识别研究较多的是基于离散情感模型.Zhang[2]等人提取皮肤电信号时域、频域的统计特征，对快乐、恐惧、悲伤、愤怒和平静5种离散情绪，采用基于改进的神经网络进行情感识别研究，平均识别准确率为84.9%.刘光远等人[3]用非线性分析方法，提取皮肤电信号的最大Lyapunov指数，关联维、近似熵等非线性特征，对高兴、悲伤、恐惧3种离散情绪采用K近邻、线性判别分析 、支持……