[发明专利]一种基于WiFi信号的情绪识别方法

说明书

一种基于WiFi信号的情绪识别方法，包括步骤：A1，收集在不同情绪下，WiFi路由器发出的无线信号；A2，从无线信号中提取出CSI信号；A3，对CSI数据处理，建模，提取心室波动曲线、心房波动曲线和呼吸波动曲线；A4，提取情绪波动曲线，进行聚类分析；A5，通过深度学习识别内在情绪；A6，根据实测的准确率，返回步骤A4进行迭代分析。

技术领域

本发明属于人工智能技术领域，特别涉及一种基于WiFi信号的情绪识别方法。

背景技术

随着人工智能与机器人的快速发展，人机交互中对用户情绪识别的需求越来越强烈，大多数的情绪识别通过摄像头装置使用计算机视觉算法识别人脸情绪，但是这种方案存在着很大的局限性，往往不能够识别出用户的内在情绪。比如，通过计算机视觉检测到人脸呈现出微笑状态，判断这个人是高兴的，但是有些这样的“微笑状态”是负面的，可能是轻蔑，可能是无奈，可能是习惯性的平静。

最近几年有一些研究者提出了使用ECG(心电图)来识别人脸情绪，通过心律的变化去识别人的开心，高兴，生气，悲伤等情绪，并且具有比较高的精准率。然而，这种方案需要用户穿戴ECG设备，才能够检测到用户的内在情绪。

发明内容

本发明提出了一种基于WiFi信号的情绪识别方法，不需要用户穿戴任何设备，只需要安装在家庭、办公室等的普通WiFi设备。利用WiFi中CSI信号描述了信号在每条传输路径上的衰弱因子，比如信号散射，环境衰弱，距离衰减等信息，对微弱信号具有很高的敏感性。本发明通过WiFi中的CSI信号数据提取用户的偏强烈的正面情绪和负面情绪特征数据，识别出用户的内在真实情绪。

一种基于WiFi信号的情绪识别方法，该方法包括以下步骤：

A1，收集在不同情绪下，WiFi路由器发出的无线信号；

A2，从无线信号中提取出CSI信号；

A3，对CSI数据处理，建模，提取心室波动曲线、心房波动曲线和呼吸波动曲线；

A4，提取情绪波动曲线，进行聚类分析；

A5，通过深度学习识别内在情绪；

A6，根据实测的准确率，返回步骤A4进行迭代分析；

其中，对于步骤A3，对于CSI数据处理包括：

B1，数据预处理，包括：

针对由情绪引起的心率变动和呼吸变动是微小变动，使用带通滤波过滤高频数据；

针对不同WiFi设备发送功率对CSI数据的影响，对CSI数据进行归一化处理；

B2，去除环境噪声，包括：

多径抑制，即，将CSI从频域变换到时域(IFFT)，再通过移除与心率，呼吸不相关的长时延的信号成分，以减轻环境变化和人体移动引起的多径变化；

小波滤波，即，利用离散小波变换去除高频噪声；

B3，去除个体差异，即在收集的数据中排除与情绪无关的影响因素，包括性别、年龄、当前的活动量；

又有，步骤A4包括：

提取情绪波动曲线，即，通过对CSI频域数据特征分析，提取和心率，呼吸相关的信道数据，将这些周期性数据提取出来；并与实验室记录的情绪发生时间，持续时间匹配与对比，在统计上使用F检验，找出波动明显的数据；

接着进行情绪识别，即对心房波动曲线、心室波动曲线、呼吸曲线，分析IPI(Inter-Peak-Interval,波峰间隔)，SDIPI(即波峰间隔的标准差)；

并且分析不同情绪的功率谱表现，对这些数据做聚类分析，再分析与调整相关特征数据；