基于心电P_QRS_T波的特征提取及情感识别_蒋德育
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2 基于最优小波去噪的 P-QRS-T 波特征提取 2.1 选择最优小波去噪
二进小波是在连续小波 ψa，（b t）基础上对尺度 a 和平移 b离 散化后（a=2j，b=a*k）产生的[5]：
基金项目：国家自然科学基金（the National Natural Science Foundation of China under Grant No.60873143）。 作者简介：蒋德育（1982-），女，硕士研究生，主要研究方向：智能信息处理；刘光远（1961-），男，博士后，教授，研究方向：计算智能与情感计算；龙
摘 要：在基于心电的情感识别中，体现不同情感状态的特征是提高情感识别率的基础。采用最优小波去噪心电信号，进行 P 波、 QRS 波、T 波检测和能量计算，然后提取特征进行情感分类，并分析了 P-QRS-T 波能量在不同情感状态下的变化趋势和对情感状 态的敏感性。实验结果表明，P-QRS-T 波能量变化能体现情感状态的变化，对高兴敏感，识别率可达 96%；同时最优小波去噪能有 效地提高情感状态识别率。 关键词 情感识别；特征提取；最优小波去噪；P-QRS-T 波检测 DOI：10.3778/j.issn.1002-8331.2009.08.064 文章编号：1002－8331（2009）08-0213-03 文献标识码：A 中图分类号：TP391.4
1 引言
情感计算是实现高级人机交互的关键技术之一，情感识别 则是情感计算研究的重点之一，也是当前情感计算研究的热 点[1]。情感识别研究的内容多种多样，包括面部表情、语音、姿态 和生理信号等。心电信号作为研究心脏异常的主要媒介，在基 于生理信号的情感识别中，也是主要的研究对象之一。
文献[2-4]都是以多种生理信号为研究对象，通过提取多个 统计特征，改进不同的分类器来提高多种情感状态识别率。情 感识别的目的是采用最少的特征获得最优的识别率，所以文献 [2-4]中都存在一个问题：虽然识别率有所提高，但生理信号多 引起提取的特征个数多，而且没有分析特征在情感状态间的变 化趋势以及对情感状态的敏感性。
（1）
乙+∞
WT（j，k）= -∞ x（t）ψj，k（t）dt
（2）
WT（j，k）为小波系数，值代表不同频率段信号与小波的相似度，
值越大则相似度越大。小波函数本身如同一个带通滤波器，不同
尺度对应不同频率段。二进小波分解结构如图 1 所示，尺度 j=1
时，小波分解把信号的频率进行二分，A1 对应低频系数，D1 对应 高频系数；随着 j 的增大，继续对低频部分进行二分。心电的功
状态的心电（ECG），共有 100 个样本[8]。
3.1 P-QRS-T 波能量在四种情感状态下的变化趋
势分析
同一天产生了对应的 4 个心电信号样本，Joy 为样本 1，
Anger 为样本 2，Sadness 为样本 3，Pleasure 为样本 4，则有：
≠≠{EP1，EP2，EP3，EP4} ≠≠≠≠{EQRS1，EQRS2，EQRS3，EQRS4} ≠≠≠{ET1，ET2，ET3，ET4}
Abstract：In the emotion recognition based on ECG，the features which express different emotion status well are the basis of improving recognition ratio.In this paper，after ECG denoised by optimal wavelet，detect P，QRS and T waves and compute their energy value，then extract feature to classify emotions，also analyze the trend of variance in P-QRS-T waves’energy and its sen－ sitivity to emotion status under different emotions.The main result shows that P-QRS-T waves’energy changes with the variance of emotion status and is sensitive to Joy with recognition ratio of 96%.At the same time，the emotional recognition ratio increases with the optimal wavelet denoising. Key words：emotion recognition；feature extraction；optimal wavelet denoising；P-QRS-T waves detection
正吉（1977-），男，讲师，主要研究方向：智能信息处理。 收稿日期：2008-06-13 修回日期：2008-09-10
214 2009，45（8）
Computer Engineering and Applications 计算机工程与应用
ψj，（k t）=2-j/2ψ（2-jt-k），j，k∈Z 二进小波变换如下：
JIANG De-yu，LIU Guang-yuan，LONG Zheng-ji.Feature extraction and emotion recognition based on ECG P-QRS-T waves.Computer Engineering and Applications，2009，45（8）：213-215.
文使用文献[7]中的方法，从小波的重构（Reconstruction）和能量
保留（Energy Preservation）效果出发选择最优小波函数：小波
系数越少，重构后的能量保留越多，则认为重构效果越好。假设：
V=
‖Xc‖ ‖Xo‖
，V>Vmin
（3）
||Xc||是信号重构后的能量，||Xo||为原始信号的能量，V 越大，代
R 波波峰明显高于P 波、T 波波峰，所以采用阈值法检测 R 波；
以 R 波为参考向左右两边分别检测 Q、S 波；再以 Q 波为基点
检测 P 波波峰，以 S 波为基点检测 T 波波峰；由于 Ps、Pe、Ts、
Te 处有明显的拐角，则采用斜率法检测。
2.3 特征提取
2.1 节、2.2 节是为提取有效特征做准备，特征提取的具体
不同情感状态下的有效心电信号是实验的基础，本文采用
德国 Augsburg 大学提供的从单个被试在听不同情感类型歌曲
时采集到的心电信号（ECG）数据。歌曲类型分别是高兴（Joy）、
愤怒（Anger）、忧愁（Sadness）、喜悦（Pleasure），测量时间为 2 min，
测试周期为 25 天，采样频率为 256 Hz。每天都采集了四种情感
率谱主要集中在 0~40 Hz 低频部分，高频部分主要是噪声[6]，二
进小波分解在低频的分辨率高于高频部分，适合于分析心电。
Signal
A1
D1
A2
D2
A3
D3
图 1 三层小波分解结构
不同的小波函数适合分析不同特征的信号。不同的情感状
态下的心电信号因为其差异性需要选择适合的小波来分析。最
优小波函数的选取须根据实际应用和信号本身特征来决定。本
因为心电信号的变化主要体现在 P-QRS-T 波的变化上， 当情感状态变化时，若心电信号发生变化，则会通过 P-QRS-T 波的变化体现出来，而且文献[4]中还证明了心电信号 HR、HRV、 R 波、T 波对情绪较敏感，所以本文从 P 波、QRS 波群、T 波入手，
分析其能量在不同情感状态下的变化趋势，并从中提取特征进 行分类，判断特征对情感状态的敏感性。由于心电信号在单个 心电周期上是瞬变的、非平稳的而且存在多种干扰因素，如肌 电干扰、噪声干扰、基线漂移等，那么提取有效特征的前提是去 除信号中的噪声影响和正确检测 P-QRS-T 波，从而正确计算能 量。小波在时域上集中能量，是分析瞬变的、非平稳的或时变现 象的一个有用工具，在信号分析、去噪、压缩方面得到广泛的应 用[5]。所以本文采用小波分解对信号进行去噪处理，然后检测 P 波、QRS 波、T 波，最后计算各波能量值并从中提取特征，相关 方法在第 2 章中介绍；第 3 章分析能量变化趋势和情感分类结 果；第 4 章为结论。
（6）
ቤተ መጻሕፍቲ ባይዱ
取第 4 天的 4 个样本为例，最优小波函数分别为：coif4，coif4，
sym7，coif5；当 Vmin=0.995 时，根据式（5）和式（6）画图，如图 3、 图 4、图 5 所示。
P 波能量变化趋势如图 3 所示。四种情感状态下，P 波的能
量起伏较大，重叠较多。
QRS 波能量变化如图 4 所示。Joy 的能量值最小，但是变化
数置 0；使用保留的系数重构信号，计算 V 值，如果 V>Vmin，则 r 值增加，重复全局阈值 r 滤波，如果 V<Vmin 则停止。记录此时的 置 0 的系数个数 num_0，选择 num_0 最大时对应的小波函数
作为信号去噪的最优小波。
2.2 P-QRS-T 波检测
一个心电周期波形如图 2 所示。图 2 中竖直线所示的 Ps、
Computer Engineering and Applications 计算机工程与应用
2009，45（8） 213
基于心电 P-QRS-T 波的特征提取及情感识别
蒋德育 1，刘光远 2，龙正吉 2 JIANG De-yu1，LIU Guang-yuan2，LONG Zheng-ji2
1.西南大学 计算机与信息科学学院，重庆 400715 2.西南大学 电子信息工程学院，重庆 400715 1.School of Computer and Information Science，Southwest University，Chongqing 400715，China 2.School of Electronic and Information Engineering，Southwest University，Chongqing 400715，China E-mail：chinajiang2002@163.com
Pe 分别为 P 波起点和终点；Ts、Te 为 T 波起点和终点。P 波段
为 Ps 到 Pe 段，QRS 波群为 Pe 到 Ts 段，T 波为 Ts 到 Te 段。
R
Ps P
Pe
Ts
T Te
Q S
3图2 2 33 心电P-QPR-SQ-TR3S-T 波
P-QRS-T 的检测方法有多种，如阈值法、斜率法、小波等。
≠≠EPi={EP1，EP2，…，EPj，…，EPK} ≠≠≠≠EQRSi={EQRS1，EQRS2，…，EQRSj，…，EQRSK} ≠≠≠ETi={ET1，ET2，…，ETj，…，ETK}
1≤j≤K，1≤i≤100
（5）
步骤 5 从每个样本的 EP、EQRS、ET 提取统计特征。
3 实验结果分析
表保留的能量越多，Vmin 为一个为保留原信号特征信息而根据
实际情况确定的常量。
由于噪声主要集中在高频段，但其频域宽，无规律性，在各
频率段的表现就是小波系数值比较小，那么可以通过去掉小值
系数来去除噪声。设：
≠r= median（abs（D1）），median（abs（D1））≠0 ，（0<b<1） （4） b*max（abs（D1）），median（abs（D1））=0 D1 是高频部分的系数，r 作为信号去噪的全局阈值：将信号按 照小波函数进行 N 层分解，计算 r 值；对 D1，D2，D3，…，DN，AN 进行全局阈值 r 滤波，保留绝对值大于 r 的系数，将小于 r 的系
步骤如下：
步骤 1 确定式（4）和式（5）中系数 Vmin 和 b； 步骤 2 输入心电信号 i，输出去噪后的心电信号 i′和对应
的最优小波函数；
步骤 3 输入去噪后的心电信号 i′，输出信号的 P-QRS-T
波标记；
步骤 4 根据 P-QRS-T 波标记，计算心电信号 i′的 P-QRS-
T 能量：EP、EQRS、ET。假设样本信号 i′有 K 个 P-QRS-T 波，则有：
二进小波是在连续小波 ψa，（b t）基础上对尺度 a 和平移 b离 散化后（a=2j，b=a*k）产生的[5]：
基金项目：国家自然科学基金（the National Natural Science Foundation of China under Grant No.60873143）。 作者简介：蒋德育（1982-），女，硕士研究生，主要研究方向：智能信息处理；刘光远（1961-），男，博士后，教授，研究方向：计算智能与情感计算；龙
摘 要：在基于心电的情感识别中，体现不同情感状态的特征是提高情感识别率的基础。采用最优小波去噪心电信号，进行 P 波、 QRS 波、T 波检测和能量计算，然后提取特征进行情感分类，并分析了 P-QRS-T 波能量在不同情感状态下的变化趋势和对情感状 态的敏感性。实验结果表明，P-QRS-T 波能量变化能体现情感状态的变化，对高兴敏感，识别率可达 96%；同时最优小波去噪能有 效地提高情感状态识别率。 关键词 情感识别；特征提取；最优小波去噪；P-QRS-T 波检测 DOI：10.3778/j.issn.1002-8331.2009.08.064 文章编号：1002－8331（2009）08-0213-03 文献标识码：A 中图分类号：TP391.4
1 引言
情感计算是实现高级人机交互的关键技术之一，情感识别 则是情感计算研究的重点之一，也是当前情感计算研究的热 点[1]。情感识别研究的内容多种多样，包括面部表情、语音、姿态 和生理信号等。心电信号作为研究心脏异常的主要媒介，在基 于生理信号的情感识别中，也是主要的研究对象之一。
文献[2-4]都是以多种生理信号为研究对象，通过提取多个 统计特征，改进不同的分类器来提高多种情感状态识别率。情 感识别的目的是采用最少的特征获得最优的识别率，所以文献 [2-4]中都存在一个问题：虽然识别率有所提高，但生理信号多 引起提取的特征个数多，而且没有分析特征在情感状态间的变 化趋势以及对情感状态的敏感性。
（1）
乙+∞
WT（j，k）= -∞ x（t）ψj，k（t）dt
（2）
WT（j，k）为小波系数，值代表不同频率段信号与小波的相似度，
值越大则相似度越大。小波函数本身如同一个带通滤波器，不同
尺度对应不同频率段。二进小波分解结构如图 1 所示，尺度 j=1
时，小波分解把信号的频率进行二分，A1 对应低频系数，D1 对应 高频系数；随着 j 的增大，继续对低频部分进行二分。心电的功
状态的心电（ECG），共有 100 个样本[8]。
3.1 P-QRS-T 波能量在四种情感状态下的变化趋
势分析
同一天产生了对应的 4 个心电信号样本，Joy 为样本 1，
Anger 为样本 2，Sadness 为样本 3，Pleasure 为样本 4，则有：
≠≠{EP1，EP2，EP3，EP4} ≠≠≠≠{EQRS1，EQRS2，EQRS3，EQRS4} ≠≠≠{ET1，ET2，ET3，ET4}
Abstract：In the emotion recognition based on ECG，the features which express different emotion status well are the basis of improving recognition ratio.In this paper，after ECG denoised by optimal wavelet，detect P，QRS and T waves and compute their energy value，then extract feature to classify emotions，also analyze the trend of variance in P-QRS-T waves’energy and its sen－ sitivity to emotion status under different emotions.The main result shows that P-QRS-T waves’energy changes with the variance of emotion status and is sensitive to Joy with recognition ratio of 96%.At the same time，the emotional recognition ratio increases with the optimal wavelet denoising. Key words：emotion recognition；feature extraction；optimal wavelet denoising；P-QRS-T waves detection
正吉（1977-），男，讲师，主要研究方向：智能信息处理。 收稿日期：2008-06-13 修回日期：2008-09-10
214 2009，45（8）
Computer Engineering and Applications 计算机工程与应用
ψj，（k t）=2-j/2ψ（2-jt-k），j，k∈Z 二进小波变换如下：
JIANG De-yu，LIU Guang-yuan，LONG Zheng-ji.Feature extraction and emotion recognition based on ECG P-QRS-T waves.Computer Engineering and Applications，2009，45（8）：213-215.
文使用文献[7]中的方法，从小波的重构（Reconstruction）和能量
保留（Energy Preservation）效果出发选择最优小波函数：小波
系数越少，重构后的能量保留越多，则认为重构效果越好。假设：
V=
‖Xc‖ ‖Xo‖
，V>Vmin
（3）
||Xc||是信号重构后的能量，||Xo||为原始信号的能量，V 越大，代
R 波波峰明显高于P 波、T 波波峰，所以采用阈值法检测 R 波；
以 R 波为参考向左右两边分别检测 Q、S 波；再以 Q 波为基点
检测 P 波波峰，以 S 波为基点检测 T 波波峰；由于 Ps、Pe、Ts、
Te 处有明显的拐角，则采用斜率法检测。
2.3 特征提取
2.1 节、2.2 节是为提取有效特征做准备，特征提取的具体
不同情感状态下的有效心电信号是实验的基础，本文采用
德国 Augsburg 大学提供的从单个被试在听不同情感类型歌曲
时采集到的心电信号（ECG）数据。歌曲类型分别是高兴（Joy）、
愤怒（Anger）、忧愁（Sadness）、喜悦（Pleasure），测量时间为 2 min，
测试周期为 25 天，采样频率为 256 Hz。每天都采集了四种情感
率谱主要集中在 0~40 Hz 低频部分，高频部分主要是噪声[6]，二
进小波分解在低频的分辨率高于高频部分，适合于分析心电。
Signal
A1
D1
A2
D2
A3
D3
图 1 三层小波分解结构
不同的小波函数适合分析不同特征的信号。不同的情感状
态下的心电信号因为其差异性需要选择适合的小波来分析。最
优小波函数的选取须根据实际应用和信号本身特征来决定。本
因为心电信号的变化主要体现在 P-QRS-T 波的变化上， 当情感状态变化时，若心电信号发生变化，则会通过 P-QRS-T 波的变化体现出来，而且文献[4]中还证明了心电信号 HR、HRV、 R 波、T 波对情绪较敏感，所以本文从 P 波、QRS 波群、T 波入手，
分析其能量在不同情感状态下的变化趋势，并从中提取特征进 行分类，判断特征对情感状态的敏感性。由于心电信号在单个 心电周期上是瞬变的、非平稳的而且存在多种干扰因素，如肌 电干扰、噪声干扰、基线漂移等，那么提取有效特征的前提是去 除信号中的噪声影响和正确检测 P-QRS-T 波，从而正确计算能 量。小波在时域上集中能量，是分析瞬变的、非平稳的或时变现 象的一个有用工具，在信号分析、去噪、压缩方面得到广泛的应 用[5]。所以本文采用小波分解对信号进行去噪处理，然后检测 P 波、QRS 波、T 波，最后计算各波能量值并从中提取特征，相关 方法在第 2 章中介绍；第 3 章分析能量变化趋势和情感分类结 果；第 4 章为结论。
（6）
ቤተ መጻሕፍቲ ባይዱ
取第 4 天的 4 个样本为例，最优小波函数分别为：coif4，coif4，
sym7，coif5；当 Vmin=0.995 时，根据式（5）和式（6）画图，如图 3、 图 4、图 5 所示。
P 波能量变化趋势如图 3 所示。四种情感状态下，P 波的能
量起伏较大，重叠较多。
QRS 波能量变化如图 4 所示。Joy 的能量值最小，但是变化
数置 0；使用保留的系数重构信号，计算 V 值，如果 V>Vmin，则 r 值增加，重复全局阈值 r 滤波，如果 V<Vmin 则停止。记录此时的 置 0 的系数个数 num_0，选择 num_0 最大时对应的小波函数
作为信号去噪的最优小波。
2.2 P-QRS-T 波检测
一个心电周期波形如图 2 所示。图 2 中竖直线所示的 Ps、
Computer Engineering and Applications 计算机工程与应用
2009，45（8） 213
基于心电 P-QRS-T 波的特征提取及情感识别
蒋德育 1，刘光远 2，龙正吉 2 JIANG De-yu1，LIU Guang-yuan2，LONG Zheng-ji2
1.西南大学 计算机与信息科学学院，重庆 400715 2.西南大学 电子信息工程学院，重庆 400715 1.School of Computer and Information Science，Southwest University，Chongqing 400715，China 2.School of Electronic and Information Engineering，Southwest University，Chongqing 400715，China E-mail：chinajiang2002@163.com
Pe 分别为 P 波起点和终点；Ts、Te 为 T 波起点和终点。P 波段
为 Ps 到 Pe 段，QRS 波群为 Pe 到 Ts 段，T 波为 Ts 到 Te 段。
R
Ps P
Pe
Ts
T Te
Q S
3图2 2 33 心电P-QPR-SQ-TR3S-T 波
P-QRS-T 的检测方法有多种，如阈值法、斜率法、小波等。
≠≠EPi={EP1，EP2，…，EPj，…，EPK} ≠≠≠≠EQRSi={EQRS1，EQRS2，…，EQRSj，…，EQRSK} ≠≠≠ETi={ET1，ET2，…，ETj，…，ETK}
1≤j≤K，1≤i≤100
（5）
步骤 5 从每个样本的 EP、EQRS、ET 提取统计特征。
3 实验结果分析
表保留的能量越多，Vmin 为一个为保留原信号特征信息而根据
实际情况确定的常量。
由于噪声主要集中在高频段，但其频域宽，无规律性，在各
频率段的表现就是小波系数值比较小，那么可以通过去掉小值
系数来去除噪声。设：
≠r= median（abs（D1）），median（abs（D1））≠0 ，（0<b<1） （4） b*max（abs（D1）），median（abs（D1））=0 D1 是高频部分的系数，r 作为信号去噪的全局阈值：将信号按 照小波函数进行 N 层分解，计算 r 值；对 D1，D2，D3，…，DN，AN 进行全局阈值 r 滤波，保留绝对值大于 r 的系数，将小于 r 的系
步骤如下：
步骤 1 确定式（4）和式（5）中系数 Vmin 和 b； 步骤 2 输入心电信号 i，输出去噪后的心电信号 i′和对应
的最优小波函数；
步骤 3 输入去噪后的心电信号 i′，输出信号的 P-QRS-T
波标记；
步骤 4 根据 P-QRS-T 波标记，计算心电信号 i′的 P-QRS-
T 能量：EP、EQRS、ET。假设样本信号 i′有 K 个 P-QRS-T 波，则有：