MPED:用于离散情感识别的多模式生理情感数据库(2019)
原文:https://ieeexplore.ieee.org/document/8606087
github:https://github.com/tengfei000/mped/
信号
脑电图,皮肤电反应,呼吸,心电图
刺激
精心挑选的28个视频
实验组成
特征提取
ECG特征
- FFT后,将0-10 Hz频率范围内的系数分为八个非重叠子带,它们具有相同的带宽。计算每个子带的平均能量值和子带谱熵(SSE)作为特征。(???
- 求所有R峰;把总信号分为长1s的片段,求(??)均值标准差作为时域特征
GSR特征
- 以前的研究[55]发现,GSR的值与唤醒水平呈线性相关。
- 截止频率为0.2 Hz的低通滤波器来消除噪声
- 归一化
- 平均值,标准差以及一阶和二阶导数的平均值作为情感识别的特征
RSP特征
- 可测量胸廓扩张的变化,与电极记录的其他信号相比,胸廓扩张的伪影更少
- 通常关注呼吸频率和强度
- 与处理ECG类似,将0–0.8Hz范围内的傅立叶系数划分为两个带宽相同的不重叠子带,并评估每个子带的能量平均值和SSE值。
- 求呼吸峰和峰-峰(PP)间隔
- 计算所有PP间隔的平均值和标准偏差
分类
新提出了A-LSTM(深度学习暂时不看)
结果