基于多模态生理信号的情绪识别嵌入式系统设计

张开发
• 2026/4/21 21:43:22 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

基于多模态生理信号的情绪识别嵌入式系统设计
基于多模态生理信号的情绪识别嵌入式系统设计摘要情绪识别技术在人机交互、心理健康监测和智能医疗等领域具有广阔的应用前景。本文设计并实现了一套基于多模态生理信号的情绪识别嵌入式系统，采用6通道脑电图（EEG）和单通道心电图（ECG）作为信号采集源。系统在树莓派（Raspberry Pi）嵌入式平台上运行，集成了信号采集、预处理、特征提取、深度学习模型推理和结果输出等功能。针对嵌入式环境的资源限制，设计了轻量级1DCNN-BiLSTM神经网络模型，通过模型量化技术将内存占用降至17.4 KB，单次推理计算量为1.7 MFLOPs，推理速度达到352.51 ms，实现了在资源受限设备上的实时情绪识别。1. 引言1.1 研究背景与意义情绪作为人类智能的重要组成部分，在人际交往和认知决策中扮演着关键角色。随着人工智能技术的发展，情感计算（Affective Computing）已成为人机交互领域的重要研究方向，其核心目标之一是赋予机器感知和理解人类情绪的能力。情绪识别技术在心理健康诊断、自适应教学、智能康复等场景中展现出巨大的应用潜力。传统的情绪识别方法主要依赖面部表情、语音语调等外部信号。然而，这些外部信号容易受到主观控制和环境因素的干扰，难以真实反映个体的内在情绪状态。相比之下，生理信号（如EEG、ECG、皮电反应等）具有客观性强、不易伪装的优势，能够更准确地表征情绪变化。研究表明，多模态生理信号的融合能够实现更全面的情绪刻画，已成为情绪识别领域的研究热点。脑电图（EEG）信号直接反映大脑皮层的电活动，与情绪

更多文章