基于心电信号分析愉悦视频对负性情感的调节
作者单位：西南大学
学位级别：硕士
导师姓名：刘光远
授予年度：2017年
学科分类：0402[教育学-心理学(可授教育学、理学学位）] 0711[理学-系统科学] 04[教育学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 040201[教育学-基础心理学]
摘 要：在日常生活中,我们经常会产生内疚、气愤、焦虑、伤心、恐惧、不满等不良情绪,心理学家将这些不良情绪统称为负性情绪。在负性情绪中,恐惧是最易出现的。当一个人情绪调节失调时,尤其对恐惧情绪调节失调时会诱发多种心理疾病,如过度恐慌、恐惧症甚至于抑郁等等。故自上世纪八十年代***等人对恐惧情绪进行研究之后,其已成为人类学、心理学、生物学、教育学等众多领域关注的焦点。众所周之,视频是一种动态的、多通道的刺激材料,不仅能够诱发人们的某种情感,同时还能够调节情感。然而,纵览文献发现,国内外很少有人以生理信号为基础来分析愉悦视频对负性情感的调节。生理信号作为情感分析的重要媒质,已被论证不仅具有客观真实性、不易受主体的人为操纵等优点,而且能够事实的反映人的情感。故基于上述理由,本文提出了基于心电信号来分析愉悦视频对恐惧情绪的调节作用。具体内容和研究工作如下:（1）首先选取有效的情感素材,素材包括高兴、恐惧两种情感视频以及中性低唤醒度的图片,而后对已选取和编辑的有效情感素材,设计了科学、合理的评定方案,最后对已评定打分的情感素材在愉悦度、唤醒度两个维度上做独立样本T假设检验分析。（2）在分析愉悦视频对负性情感的研究中,采用了先诱发而后调节的实验方案,即先通过恐惧视频诱发被试主体的情绪,然后利用愉悦的视频对实验组被试进行正性调节,而对照组的被试则不做任何处理（在安静环境下静坐进行自我恢复）。实验过程中,利用MP150同时采集了基线、唤起、调节下的心电数据,建立起情感数据库。（3）在对生理信号进行特征提取之前,利用离散小波变换对心电信号进行去噪处理。对降噪后的心电信号利用DB7小波基函数进行7层分解,获取每一层的高频系数和低频系数,随后求得前四层高、低频系数的均值、方差、能量共计24个线性特征,而非线性特征我们则是提取了一阶近似熵、二阶近似熵、最大李雅谱诺夫指数、一阶LZ复杂度,二阶LZ复杂度、嵌入维、时延、递归率、6阶加权Krawtchouk矩等14个特征。（4）利用Relief特征选择算法,计算出平静VS高兴、平静VS恐惧、高兴VS恐惧情感状态下各个特征的分类识别权重值,并对特征按照权重值的大小进行排序,筛选出各个情感分类下的最优特征组合。最后,把高兴VS恐惧情感分类下的最优特征组合与SVM分类器相结合,得到了平均识别率为84.7%的二分类情感判决模型,为负性情感调节分析建立了基础。（5）在宏观上,对被试的自我评分进行独立样本双边T假设检验,可以得出被试负性情绪在整个调节阶段随着时间流逝而逐渐减弱,而愉悦视频的调节要快于被试独自静坐自然恢复。在微观上,对调节阶段的心电信号,按照步进1s依次提取时间窗n=15s内的最优特征组合,送入已建立的情感识别模型进行概率判决,并绘制出实时的概率曲线图,结果表明:在愉悦视频的调解下,被试情感状态被判定为恐惧的平均时间为175.5s;在自然恢复条件下,被试情感状态被判定为恐惧的平均时间为296.5s。在特征上,分析了高兴VS恐惧情感分类下最优特征组合的每个特征在愉悦视频调节和自然恢复中随时间的变化规律:1)在自然恢复和愉悦视频调节下,4个特征在变化趋势上均保持一致。2)在愉悦视频调节下,一阶近似熵和最大Lyapunov指数整体变化要早于自然恢复调节;在自然恢复调节下,香农熵和递归率整体变化要早于愉悦视频调节。
同方学位论文库