[发明专利]一种基于脉搏波的情绪识别方法

权利要求书

1.一种基于脉搏波的情绪识别方法，其特征在于，包括以下步骤：

1)对原始脉搏波信号进行带通滤波，滤除原始脉搏波信号中0.4Hz以下的漂移信号和10Hz以上的噪声信号；

2)提取脉搏波的时间特征、波形特征和频域特征；

3)对提取的上述脉搏波特征进行降维；

4)利用降维后的脉搏波特征，训练情绪识别模型。

2.根据权利要求1所述基于脉搏波的情绪识别方法，其特征在于，所述脉搏波的时间特征包括脉搏波的脉率、降中波峰与主峰的时间间隔、降中峡与主峰的时间间隔、脉搏波升支时间长度、脉搏波的降支时间长度。

3.根据权利要求2所述基于脉搏波的情绪识别方法，其特征在于，所述脉搏波的波形特征包含降中峡高度占主峰高度的比例、降中波波峰高度占主峰高度的比例。

4.根据权利要求3所述基于脉搏波的情绪识别方法，其特征在于，提取脉搏波频域特征的方法如下：a)使用脉搏波的时间特征，进行插值，得到脉搏波时间特征曲线；

b)对脉搏波时间特征曲线滤波，去除曲线中的直流部分；

c)对脉搏波时间特征曲线进行窗截取，截取1min的曲线进行傅里叶变换得到该1min的频谱曲线；

d)截取频谱曲线0-1hz的部分，结合该1min时间特征的均值、极大值、极小值和方差，作为频域特征。

5.根据权利要求4所述基于脉搏波的情绪识别方法，其特征在于，脉搏波特征降维分为两步，第一步使用主成分分析PCA进行降维，取特征值最大的前15个主成分作为新的特征；第二步使用再进行线性判别分析LDA再次进行降维，最终得到维度为7的脉搏波特征向量。

6.根据权利要求4所述基于脉搏波的情绪识别方法，其特征在于，将提取的未经降维的随机抽样人群的脉搏波特征全部输入人工神经网络(ANN)进行训练，作为通用情绪识别模型。

7.根据权利要求5所述基于脉搏波的情绪识别方法，其特征在于，利用降维后的随机抽样人群的脉搏波特征向量，训练多个支持向量机，然后用投票机制产生最终的情绪识别结果，作为通用情绪识别模型。

8.根据权利要求7所述基于脉搏波的情绪识别方法，其特征在于，利用降维后的特定用户的脉搏波特征向量，训练多个支持向量机，然后用投票机制产生最终的情绪识别结果，作为私人定制情绪识别模型。

9.根据权利要求7或8所述基于脉搏波的情绪识别方法，其特征在于，每个支持向量机的输出是七维向量，分别代表七种情绪的分类结果。