WESAD：情绪分类多模态传感器数据集

原创已于 2022-12-18 19:40:54 修改

· 6.7k 阅读

41 ·

版权

文章标签：

#python #数据集 #情绪分类 #传感器 #时间序列

于 2021-07-27 17:46:43 首次发布

WESAD数据集包含15名参与者在不同心理状态下的生理信号数据，旨在研究可穿戴设备在压力和情绪检测方面的应用。数据集通过胸部和腕部传感器收集了多种生理信号，并配以问卷评估情绪状态。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据集下载地址：
https://ubicomp.eti.uni-siegen.de/home/datasets/icmi18/
数据集对应代码链接：
https://github.com/WJMatthew/WESAD

数据集说明

1.实验设置

参与人员：15人

实验过程：

15名参与人员分别佩戴胸部(chest)和腕部(wrist)传感器,进行90分钟左右的实验，实验阶段主要分为五个：
1.baseline condition：刚装上传感器后的20分钟，静坐阅读
2.amusement condition：娱乐阶段，观看搞笑短片
3.meditation condition 1：冷静阶段
4.stress condition：压力阶段，实验者处在TSST(Trier Social Stress Test)情境下，这个情景可以有效地让参与者感受到压力
5.meditation condition 2：冷静阶段
ps:每个实验者的实验过程可能有略微不同，具体各阶段的顺序放在各用户目录的SX_quest.csv中，X为用户ID
示例：S2_quest.csv
为了验证实验过程是有效的，每个实验者需要在每个阶段完成后填写调查问卷：
1.Positive and Negative Affect Schedule (PANAS)
PANAS reliably assesses positive (PA) and negative affect (NA)，获取二维情绪模型的pleasure值
2.State-Trait Anxiety Inventory (STAI)
gain insight into the anxiety level of the participants
3.Self-Assessment Manikins (SAM)
generate labels in the valence-arousal space，获取二维情绪模型的arousal值
4.Short Stress State Questionnaire (SSSQ)
TSST阶段之后，用SSSQ问卷获取压力类型（worry, engagement, or distress）
具体各问卷问题内容参考数据集readme.pdf => III.2.
PANAS部分问卷内容截图
S2回答截图

2.数据文件说明

# 以S2为例
 - S2/
 - - S2_E4_Data.zip 存放用户各传感器原始数据
 - - - - ACC.csv  
 - - - - BVP.csv
 - - - - EDA.csv  
 - - - - HR.csv  
 - - - - IBI.csv  
 - - - - info.txt  
 - - - - tags.csv  
 - - - - TEMP.csv
 - - S2.pkl 
 - - S2_quest.csv 实验阶段和用户问卷数据
 - - S2_readme.txt  
 - - S2_respiban.txt
 
S2.pkl 存放初步处理过的数据，用python的pickle读取后为字典数据，报错请看[pickle报错解决](https://blog.csdn.net/u012813109/article/details/106966338)
 - dict_data
 - - subject: "S2"
 - - label: 标签 shape=(4255300,)  700hz
 - - signal:传感器数据
 - - - - chest
 - - - - - - ACC:加速度  shape=(4255300,)  700hz
 - - - - - - ECG:心电     shape=(4255300,)  700hz
 - - - - - - EMG:肌电     shape=(4255300,)  700hz
 - - - - - - EDA:皮肤电  shape=(4255300,)  700hz
 - - - - - - TEMP:体温   shape=(4255300,)  700hz
 - - - - - - RESP:呼吸   shape=(4255300,)  700hz
 - - - - wrist
 - - - - - - ACC:加速度  shape=(194528,)  32hz
 - - - - - - BVP:脉搏      shape=(389056,)  64hz
 - - - - - - EDA:皮肤电  shape=(24316,)    4hz
 - - - - - - TEMP:体温   shape=(24316,)    4hz

3.标签说明

可以使用情景标签1 2 3 4
也可以使用用户问卷标签

参考文献

Philip Schmidt, Attila Reiss, Robert Duerichen, Claus Marberger and Kristof Van Laerhoven. 2018. Introducing WESAD, a multimodal dataset for Wearable Stress and Affect Detection. In 2018 International Conference on Multimodal Interaction (ICMI ’18), October 16–20, 2018, Boulder, CO, USA. ACM, New York, NY, USA, 9 pages. https://doi.org/10.1145/3242969.3242985