小波包熵在情感识别中的应用：基于表面肌电信号的研究

"这篇论文探讨了使用表面肌电信号（EMG）的小波包熵来识别情感状态，主要作者是程波和刘光远。研究中提到情感识别在情感计算中的重要性，尤其是在人机交互领域的应用。文章指出，由于EMG信号的非平稳特性，小波包变换成为一种有效的分析工具，因为它能够在不同的时频段提供精确的信号表示和丰富的模式信息。实验结果显示，这种方法对于基于情感唤醒度高低的情感识别表现出良好的效果。情感识别通常涉及面部表情、身体姿态、语音信号分析以及问卷调查，但生理信号测量法提供了更为客观的数据。引用的研究案例证明了利用生理信号进行情感识别的可行性，并且有研究表明，在自然情绪诱发下，使用支持向量机（SVM）进行情感识别可以达到较高的准确率。本文具体研究了在音乐诱导下，通过EMG信号的小波包熵分析来识别joy、anger、sadness和pleasure等情感状态。" 本文详细介绍了情感识别领域的一个研究，特别是关注如何利用表面肌电信号（EMG）的小波包熵方法来理解和区分不同情感状态。小波包变换是信号处理中的一个重要工具，它在处理非平稳信号如EMG时，能够提供多尺度、多频率的信息，这对于捕捉情感变化的动态特征非常有用。研究者发现，这种分析方法对于基于情感唤醒度的情感识别尤其有效，即通过检测肌肉活动的变化来判断个体的兴奋或放松程度。 情感计算是人机交互的一个重要分支，其目标是让计算机具备识别、理解和表达人类情感的能力。论文引用了R.Picard教授的工作，他最早提出了情感计算的概念，并通过实验证明利用生理信号进行情感识别是切实可行的。其他研究也显示，生理信号特征的提取和机器学习算法（如支持向量机）的结合可以实现较高情感识别率。 论文中提到的实验是通过音乐诱导来触发不同情感，并记录相应的EMG信号，然后使用小波包熵方法分析这些信号，以识别出joy、anger、sadness和pleasure等基本情感。这种方法的优势在于，它依赖于生理反应，从而减少了主观因素的影响，提供了更为客观的情感识别依据。 这项研究为情感计算提供了新的视角，尤其是在使用肌电信号和小波包熵分析方面，这有助于开发更精准的情感识别系统，为未来的人机交互设计和情感智能应用奠定了理论基础。