[发明专利]一种基于传感器的仿生情绪交互行为输出方法

权利要求书

1.一种基于传感器的仿生情绪交互行为输出方法，其特征在于：所述方法的步骤具体包括：

S1.S1、外部事件第n次触发传感器采集原始数据，通过传感器原始数据输入输出曲线的反曲线获得随时间变化的线性变化数据，后经统一公式(1-1)映射到0-1之间的浮点数:

X[n]＝(x[n]-sx)/dx*4096；

Y[n]＝-c*log(a*X[n]+b)+d； (1-1)

公式(1-1)中的参数分别为dx:最大值与最小值的差值；

xn:第n次的输入数据；

Xn:投射到当前最小最大区间的输入数据；

Yn:X[n]在区间[0-4096]内变换到0-1之间的数据；

S2、第n次收到所有传感器的数据Y[n]，找出那些相对上一次每个传感器数据的变化量大于误差值(0.1)的传感器，计算其变化量sl[n]和变化间隔时长st[n]，以及该传感器的sid；

S3、把所有变化的传感器依次调用如下计算方式：计算n次与n-1次外部事件触发(任何传感器发生的事件)的间隔dt[n],并取出n-1次计算得到的最终情感数据Ee[n-1]，根据dt[n]和人物特征库中情感衰减曲线计算获得每种情感的衰减量Ed[n]，将上一次的最终情感数据Ee[n-1]扣除衰减量获得新的情感数据E0[n]，如公式(1-2)：

E0[n]＝Ee[n-1]-Ed[n] (1-2)

S4、传感器的变化量sl[n]和其发生事件的时间间隔st[n]计算出变化的有效权重sfinit[n]；

S5、用传感器sid去获取人物特征库中对应的情感变化区间RE[n-1]，使用有效权重sfinit[n]和变化量sl[n]获得新的有效权重sf[n]，使用sf[n]在RE[n-1]区间里求出情感变化量EL[n]，sf[n]越大变化量越趋近最大值，同时将间隔时长st[n]换算为当前事件的有效权重ef[n]；

S6、计算事件发生频率：

freq[n]＝pow(st[n]/(99+st[n]),st[n]) (1-3)；

S7、判断事件发生频率freq[n]是否大于阈值(阈值为人物特征库中高低频率值的界限值，初始为人为设定)，如果大于阈值则为低频事件跳转至步骤S8，如果小于等于阈值则为高频事件跳转到步骤S9；

S8、判定为低频事件，计算事件对情感的直接影响，当前情感E0[n]和情感变化量EL[n]利用当前事件有效权重ef[n]计算出新的当前情感E1[n]:

E1[n]＝E0[n]*(1+ef[n]) (1-4)

跳转至S10进行下一步；

S9、判定为高频事件，从人物特征库中获得情感相互关系矩阵Mr，把S5步骤中获得的变化量sl[n]带入关系矩阵计算出变化量引发的情感增减量dl[n]，并直接与当前情感E0[n]相加获得新情感E1[n]:

E1[n]＝E0[n]+dl[n] (1-5)

S10、将历史的变化量累计的值Etotal[n]＝Etotal[n-1]+Ee[n]-Ee[n-1]通过指数函数换算为情感系数值exs，将exs乘以当前情感E1[n]获得本次最终情感值Ee[n]:

E2[n]＝E1[n]*exs (1-6)

S11、把当前情感Ee[n]带入分类器，获得对应的行为aid；分类器采用公式：

并返回dist最小的行为aid；

S12、将当前情感Ee[n]和上次情感Ee[n-1]以及人物特征库、事件信息Mn进行矩阵乘法运算获得5个元素的一维数组D0，再使用tanh激活函数计算出5个0-1之间的满意度数组D1：

D1＝2.0/pow(exp,1+(-2*[Ee[n],Ee[n-1],Mn]*D0))-1 (1-8)

公式(1-8)中exp:自然常数、pow:指数函数、pow(a,b)表示a的b次方；

S13、取出最近5次最终情感值：

(Ee[n],Ee[n-1],Ee[n-2],Ee[n-3],Ee[n-4])中的满意维度组成数组D2，计算差值D3＝D2-D1；

S14、把D3带入人物特征库中的维度间关系矩阵MD，获得其他维度的增减量即反馈的维度增减量Rl：

R1＝D3*MD (1-9)

S15、反馈的维度增减量Rl调整人物特征库中事件引发情感变化区间RE[n-1]中的最大最小值(采用中心点为基准改变区间),获得新的RE[n]，其次Rl的平方值作为衰减调整参数带入衰减曲线的多项式梯度迭代法计算多项式新参数；

S16、重复跳转S3，直到所有变化的传感器处理完都跳转至步骤S15为止。