潘闻特，申丽萍

（上海交通大学 电子信息与电气工程学院，上海200240）

0 引 言

情感计算［1］是通过各种传感器获取由人的情感所引起的各种生理变化，建立情感模型，从而创建感知、识别和理解人类情感，目前研究中的常用方法主要包括表情情感识别、姿态情感识别以及语音情感识别。但这些方法由于受主观影响过大，有时候无法真实的反应人自身的情感状态。生理信号情感识别通过分析人体潜在的生物电信号来识别情感状态，更易于捕捉内在情感和情绪。在这一方面最早取得瞩目成果的是美国MIT媒体实验室情感计算研究小组的Picard［2］教授团队，他们率先从生理信号中提取特征来开展情感识别的研究，基本完成了对实验可行性的论证。之后其它国家的学者也对本方向给予了极大的重视并进行了积极的研究，取得了很好的结果。

文献 ［2］通过对4种生理信号 （肌电，肤电，呼吸作用，血容量搏动）的分析，采用 SFFS［2］和 Fisher［2－3］方 法来进行特征提取，识别率达到70%以上。文献 ［3］对joy、anger、pleasure和sadness这4种情感用不同的特征选择方法 （SFS，Fisher，SFS/Fisher，ANOVO）与不同分类器（LDF，KNN，MLPN）结合的方法进行了识别，也取得了很好的效果。文献 ［4－5］也列出了在生理信号情感检测时构建分类的相关成果。但这些方法没有考虑不同个体之间存在的生理差异所引起的识别误差，因此，现有的方法均不具备普遍适用性。本文针对上述现有技术的不足，提出了一种能够普遍适用的，基于人体生理信号的学生情感识别方法，通过对生理信号的预处理，消除由于个体差异以及环境因素导致的信号偏置，利用随机型反馈神经网络［6］对生理信号特征进行编码，减小由于个体差异带来的特征差异。……