MPED: A Multi-Modal Physiological Emotion Database for Discrete Emotion Recognition 部分意译

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