專利名稱:一種用于心電特征選擇的禁忌搜索方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種生理信號情感識別方法,尤其涉及一種心電特征選擇方法
背景技術(shù):
情感識別是情感計算領(lǐng)域中的一個重要組成部分,如果要讓計算機能從面部、姿勢、語音和生理信號中識別出人類的情感,首先必須讓計算機能識別情感,所以情感識別就顯得非常重要。情感識別主要包括肢體情感識別、面部表情情感識別和語音情感識別和生理信號情感識別等方面。在“心率變異性在心身疾病和情緒障礙研究中的應(yīng)用(心理學(xué)進展,2006,14 (2) :261-265) ”一文中,提出面部表情、語言姿勢等流露出來的情感狀態(tài)主要受神經(jīng)系統(tǒng)控制,容易受到主觀意識的控制。而生理信號是伴隨著人的情感變化由人體內(nèi)部器官產(chǎn)生的一種生物電信號,不易受主觀意識的控制,所以更能客觀真實的反映人的情感狀態(tài),更有魯棒性和客觀性,但基于生理信號情感識別的研究最困難的。心電(ECG)信號是重要的生理信號之一,在“Affective PatternClassification (Perceptual Computing Section Technical Report, 1998,473),,一文中,美國MIT實驗室的Picard教授采用四種生理信號(EMG、ECG、GSR、RSP)率先證明從生理信號中提取特征模式來進行情感識別是有效的,并且研究表明,ECG信號能夠體現(xiàn)情感狀態(tài)的變化,從中提取的特征能夠反映情感狀態(tài)的差異。由于心電、心率信號的研究技術(shù)相當(dāng)成熟,而且在人們在經(jīng)歷情感變化時,心電信號會有不同程度的變化趨勢,因此,以心電信號作為研究對象進行情感識別的學(xué)者舉不勝舉。在“Affective Wearable (In Proceedingsof the FirstInternational Symposium on Wearable Computers, Oct,1997, Cambridge,MA) ” 一文中,美國的麻省理工學(xué)院媒體實驗室曾經(jīng)從心電信號P-QRS-T波各波的間隔、幅度等計算六種統(tǒng)計特征(均值、中值、方差、最大值、最小值和范圍)采用SFFS、Fisher投影特征選擇算法和DFA、QDF分類器對8種情感進行分類,取得了較好的識別結(jié)果。在“EmotionRecognition System using Short-term Monitoring of Physiological Signals (MedicalBiology Engine Computer, 2004,42 :419-427) ” 一文中,韓國的 K. H. Kim 采集 175 個被試的情感心電信號通過一定的設(shè)計方法,直接從心電信號提取出心率信號以及心率變異率信號(HRV),從中提取特征后直接用支持向量機(SVM)對悲傷、憤怒、壓力和驚奇四種情感進行分類;德國奧森堡大學(xué)的多媒體與信號處理實驗室也是主要從心電信號提取出特征,著重比較了用SBS、SFS、AN0A這些特征選擇方法和KNN、LDF、MLP不同分類器相結(jié)合的情感識別效果,并研究發(fā)現(xiàn)較低的心率變異率(HRV)表明是放松的狀態(tài),而增強的HRV表明可能是精神緊張和受到挫折的狀態(tài)。在特征選擇中,研究者大多采用傳統(tǒng)的特征選擇方法,有得甚至直接將提取的特征用于情感分類;而分類器的選擇也是根據(jù)經(jīng)驗選擇分類效果好的分類器,所以各種各樣的分類器也就被應(yīng)用在情感分類中。對特征的提取也多采用提取統(tǒng)計特征的方法。在特征選擇中,采用傳統(tǒng)的禁忌搜索算法,常常會引發(fā)維數(shù)災(zāi)難,導(dǎo)致特征選擇不能覆蓋在所有可能的解,使得最終特征選擇出的結(jié)果不為最優(yōu)解。
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種有效避免維數(shù)災(zāi)難的用于心電特征選擇中禁忌搜索方法。本發(fā)明為實現(xiàn)上述目的,采用如下技術(shù)方案一種用于心電特征選擇的禁忌搜索方法,其特征在于所述方法包括如下步驟采用序列后向算法,形成一個N-I行,N列的二維表L,其中N為選擇的特征總維數(shù),每一列代表一個特征,每一行稱為一個空間,其中第n個空間選擇有n個特征,
I^ n ^ N-I ;表內(nèi)每個元素的值用“0”或“I”表示,“0”代表在進行特征選擇時該元素沒有被選中,“I”代表該元素被選中; 對每一空間內(nèi)的選中的特征采用禁忌搜索算法進行求解,得到每個空間的解組成的表S;選擇各個空間中適應(yīng)度函數(shù)最大的作為最終特征選擇結(jié)果。其中每個空間中禁忌搜索算法的步驟為SI :初始設(shè)禁忌表T = ,設(shè)置禁忌長度,設(shè)置最大迭代步數(shù);將此空間內(nèi)通過序列后向算法得到的值作為初始解,并把它作為該空間的暫定全局最優(yōu)解Bestsofar和迭代
搜索的起點,即當(dāng)前局部最優(yōu)解cand,計算初始解的適應(yīng)度函數(shù)/ = ^iratA2+ratB )^ ;
其中ratA和ratB分別代表目標(biāo)情感的正確識別率和非目標(biāo)情感的正確識別率;S2:判斷是否滿足最大迭代步數(shù)的停止準(zhǔn)則,如滿足則終止該空間的計算,將把Bestsofar放入表S中,結(jié)束此空間計算;如不滿足,則將當(dāng)前局部最優(yōu)解cand為下次的迭代起點;S3 :生成N個與該空間具有相同特征選擇個數(shù)的候選解集;S4 :尋優(yōu)計算出每個候選解的適應(yīng)度函數(shù)f的值,從候選解集中選出適應(yīng)度函數(shù)值最大的解,將該解與禁忌表中的解比較;如果該解不在禁忌表中,將其中較大的值作為當(dāng)前局部最優(yōu)解和Bestsofar的值;則轉(zhuǎn)S5 ;如果該解在禁忌表中,且不滿足特赦準(zhǔn)則,將適應(yīng)度函數(shù)值第二大的解作為局部最優(yōu)解;如果該解在禁忌表中,且滿足特赦準(zhǔn)則,將禁忌表中的該解提前釋放,并作為局部最優(yōu)解,并將該解的適應(yīng)度函數(shù)值與Bestsofar的適應(yīng)度函數(shù)值比較,如大于,則用該解作為Bestsofar ;其中特赦準(zhǔn)則指的是,禁忌表中的某個值在迭代過程中作為局部最優(yōu)解出現(xiàn)規(guī)定次數(shù);S5 :更新禁忌表將當(dāng)如局部最優(yōu)解與入禁忌表,轉(zhuǎn)S2。所述S3步驟中生成候選解集的方法為分別將cand的第i位cand(i)值變?yōu)閘-cand(i),從第i位的下一位開始查找,遇到值等于l_cand(i)的p位,將其值變?yōu)閘-cand(p)后結(jié)束;若P = N,則P從I開始繼續(xù)查,遇到值等于l_cand(i)的p位,將其值變?yōu)閘-cand(p)后結(jié)束;其中I彡i彡N,I彡P(guān)彡N,N為特征總維數(shù)。本發(fā)明采用在禁忌搜索算法中采用劃分空間的方法結(jié)合Fisher分類器完成選擇過程,克服了基本禁忌搜索算法容易陷入局部最優(yōu)的缺點。實驗仿真結(jié)果表明,將相關(guān)性分析和改進的智能優(yōu)化算法用于生理信號的情感識別領(lǐng)域是完全可行的。說明書附I為Fisher分類器中中間數(shù)據(jù)分布圖;圖2為Fisher分類器中最終測試數(shù)據(jù)分布圖。
具體實施方式
下面結(jié)合附圖
和具體實施例對本發(fā)明作進一步的闡述。一種基于心電信號的情感識別特征選擇方法,包括下列步驟I.情感心電信號數(shù)據(jù)采集流程;實驗設(shè)備采用美國Biopac公司提供的多導(dǎo)生理記錄儀MP150。實驗對象為年齡17-20歲本科一年級的391個在校學(xué)生,所有預(yù)約被試自愿參加本實驗,身體健康,無心臟疾病和精神疾病病史。實驗素材是從大量電影中挑選出的分別對高興、驚奇、厭惡、悲傷、憤怒、恐懼六種情感具有很好誘發(fā)效果的片段。實驗前,主試要讓被試填寫個人信息、自愿測試的同意書和一份測試被試是否有述情障礙的問卷調(diào)查。實驗過程中,每個情感誘發(fā)片段后會讓被試填寫問卷調(diào)查來測試其是否有該種情感,并用5個尺度(如I代表“很弱”,5代表“很強”)來對情感強度作出評價。2. ECG信號去噪;在完成數(shù)據(jù)的采集后能夠得到原始數(shù)據(jù),心電信號的采集中,有來自自身的干擾如肌電干擾,也有來自外界的干擾如工頻干擾等,從而導(dǎo)致信號的信噪比下降。而且不同被試針對同一個素材的ECG信號不一致,存在個體差異性;針對上述問題對采集的ECG數(shù)據(jù)進行去噪、標(biāo)準(zhǔn)化和歸一化。(2-1)去噪采用小波變換的方法對心電信號進行P-QRS-T波檢測,主要是通過合適的小波函數(shù)對心電信號進行連續(xù)小波變換來準(zhǔn)確定位R波,在R波定位后相繼檢測Q波、S波、P波和T波。小波變換的含義是將基本小波V⑴作位移T,在不同尺度a下與信號f (t)作內(nèi)積WT f (a, T ) = -^= [+°° / (t)i// * (-~—)dta > 0 (I)
Va 00a其在頻域的等效表示為WT f(a,z) = [ F (co)i// * (aco )e}a)T dco a > 0 (2)
2Tl 1其中,F(xiàn)(GJ),V (w)分別是f(t),¥ (t)的傅立葉變換。小波變換相當(dāng)于把¥ (t)當(dāng)作鏡頭對信號f(t)放大或縮小。T的作用相當(dāng)于讓鏡頭對目標(biāo)平行移動,a的作用相當(dāng)于鏡頭向目標(biāo)推進或遠(yuǎn)離。由于強噪聲干擾會引起虛假R峰,從而導(dǎo)致異常R-R間隔出現(xiàn)。文中通過異常R-R間隔作為強噪聲干擾的標(biāo)志,避免相應(yīng)信號段的特征提取。Q、S、P、T波根據(jù)R波位置從原始心電信號中定位。一個心電周期中,Q、S波對應(yīng)于該周期R波位置左,右波谷位置。P、T波需要在相鄰QRS波群之間經(jīng)過3次幾何平均平滑降噪處理后定位。消除高頻噪聲后,分別檢測R-R間隔17% -50%和75% -83. 3%間的最大值處即為T波和P波位置。在相鄰QRS波群直接采用幾何平均進行高頻降噪處理,其幾何平均公式(3)如下,x(n)表不原始心電信號。x(n) = X(W -1^ X{U + 1}(3)下面舉例來說明去噪過程首先對原始心電信號進行采樣,以恐懼信號為例,對該信號截取了 80秒,合計16000個采樣點的情感生理信號,n的最大值為16000。對一個被試采集得到的心電信號進行抽樣的第一個采樣點值為790. 15,第三個采樣點值為792. 16,然后降噪后第二個采樣點值為(790. 15+792. 17)/2 = 791. 16,然后依次類推進行平滑,得到經(jīng)過降噪后的恐懼的心電信號。(2-2)數(shù)據(jù)的標(biāo)準(zhǔn)化由于招募的被試者不同,其ECG信號存在著個體差異性,這種差異性體現(xiàn)在不同的人在同一個時間面對相同的環(huán)境,以及同一個人在不同時間面對不同環(huán)境下得出的。為了建立通用的基于ECG信號的情感識別系統(tǒng),必須去除這種個體差異性后,得到的模型才能被推廣,具體的操作如式4所示D0 = Deniotion-Dcalffl (4)其中,Deffl0ti0n為降噪后的原始數(shù)據(jù),Dm1di為同一個被試者在由素材中的風(fēng)景畫和輕音樂環(huán)境下記錄的ECG信號數(shù)據(jù),得到的Dtl即為經(jīng)過標(biāo)準(zhǔn)化之后的數(shù)據(jù)。(2-3)歸一化處理提取數(shù)據(jù)統(tǒng)計特征時,情感特征取值用數(shù)據(jù)基線的相應(yīng)統(tǒng)計量進行歸一化。具體公式如下設(shè)其中一個特征數(shù)據(jù)為X= (X1, x2,.....,xm) ,m表示被試人數(shù),X為特征數(shù)據(jù),建
立映射f如下
權(quán)利要求
1.一種用于心電特征選擇的禁忌捜索方法,其特征在于所述方法包括如下步驟 采用序列后向算法,形成ー個N-I行,N列的ニ維表L,其中N為選擇的特征總維數(shù),每一列代表一個特征,每一行稱為ー個空間,其中第η個空間選擇有η個特征,I ^ n ^ N-I ;表內(nèi)每個元素的值用“O”或“ I”表示,“O”代表在進行特征選擇時該元素沒有被選中,“ I”代表該元素被選中; 對每一空間內(nèi)的選中的特征采用禁忌捜索算法進行求解,得到每個空間的解組成的表S ; 選擇各個空間中適應(yīng)度函數(shù)最大的作為最終特征選擇結(jié)果。
2.如權(quán)利要求I所述的用于心電特征選擇的禁忌捜索方法,其特征在于 其中每個空間中禁忌搜索算法的步驟為 51:初始設(shè)禁忌表T = Φ,設(shè)置禁忌長度,設(shè)置最大迭代步數(shù);將此空間內(nèi)通過序列后向算法得到的值作為初始解,并把它作為該空間的暫定全局最優(yōu)解Bestsofar和迭代搜索的起點,即當(dāng)前局部最優(yōu)解cand,計算初始解的適應(yīng)度函數(shù)/ = λ](ratA2 + r(ItB2)I ; 其中ratA和ratB分別代表目標(biāo)情感的正確識別率和非目標(biāo)情感的正確識別率; 52:判斷是否滿足最大迭代步數(shù)的停止準(zhǔn)則,如滿足則終止該空間的計算,將把Bestsofar放入表S中,結(jié)束此空間計算; 如不滿足,則將當(dāng)前局部最優(yōu)解cand為下次的迭代起點; 53:生成N個與該空間具有相同特征選擇個數(shù)的候選解集; 54:尋優(yōu)計算出每個候選解的適應(yīng)度函數(shù)f的值,從候選解集中選出適應(yīng)度函數(shù)值最大的解, 將該解與禁忌表中的解比較;如果該解不在禁忌表中,將其中較大的值作為當(dāng)前局部最優(yōu)解和Bestsofar的值;則轉(zhuǎn)S5 ; 如果該解在禁忌表中,且不滿足特赦準(zhǔn)則,將適應(yīng)度函數(shù)值第二大的解作為局部最優(yōu)解; 如果該解在禁忌表中,且滿足特赦準(zhǔn)則,將禁忌表中的該解提前釋放,并作為局部最優(yōu)解,并將該解的適應(yīng)度函數(shù)值與Bestsofar的適應(yīng)度函數(shù)值比較,如大于,則用該解作為Bestsofar ;其中特赦準(zhǔn)則指的是,禁忌表中的某個值在迭代過程中作為局部最優(yōu)解出現(xiàn)規(guī)定次數(shù); 55:更新禁忌表將當(dāng)如局部最優(yōu)解與入禁忌表,轉(zhuǎn)S2。
3.如權(quán)利要求2所述的用于心電特征選擇的禁忌捜索方法,其特征在于 所述S3步驟中生成候選解集的方法為分別將cand的第i位cand(i)值變?yōu)閘-cand(i),從第i位的下一位開始查找,遇到值等于l_cand(i)的p位,將其值變?yōu)閘-cand(p)后結(jié)束;若P = N,則P從I開始繼續(xù)查,遇到值等于l_cand(i)的p位,將其值變?yōu)閘-cand(p)后結(jié)束; 其中I≤i≤N,I≤P≤N,N為特征總維數(shù)。
全文摘要
本發(fā)明公開了一種用于心電特征選擇的禁忌搜索方法,包括如下步驟采用序列后向算法,形成一個N-1行,N列的二維表L,其中N為選擇的特征總維數(shù),每一列代表一個特征,每一行稱為一個空間,其中第n個空間選擇有n個特征,1≤n≤N-1;表內(nèi)每個元素的值用“0”或“1”表示,“0”代表在進行特征選擇時該元素沒有被選中,“1”代表該元素被選中;對每一空間內(nèi)的選中的特征采用禁忌搜索算法進行求解,得到每個空間的解組成的表S;選擇各個空間中適應(yīng)度函數(shù)最大的作為最終特征選擇結(jié)果。本發(fā)明采用在禁忌搜索算法中采用劃分空間的方法結(jié)合Fisher分類器完成選擇過程,克服了基本禁忌搜索算法容易陷入局部最優(yōu)的缺點。
文檔編號A61B5/0452GK102631194SQ201210109089
公開日2012年8月15日 申請日期2012年4月13日 優(yōu)先權(quán)日2012年4月13日
發(fā)明者劉光遠(yuǎn), 邱紅 申請人:西南大學(xué)