Metody pro analýzy emocí z biologických signálů

Eliška Szalbotová

Master's thesis

Methods for Emotion Analysis from Biological Signals

Anotácia:

Diplomová práce je zaměřena na zpracování variability srdeční frekvence (HRV) a zejména průběhů signálů galvanické kožní odpovědi (GSR) za účelem klasifikace jedince na základě výsledků meditace. Teoretická část obsahuje základní informace o signálech GSR a HRV a jejich souvislost s emočním stavem. Dále jsou zde zmíněny procesy akvizice a předzpracování dat, relevantní příznaky, které popisují vlastnosti daných signálů, algoritmy extrakce příznaků, metody klasifikace příznaků a vyhodnocení výsledků klasifikace. V praktické části je provedena spojitá dekompoziční analýza GSR signálů pomocí SW Ledalab. Z rozložených signálů jsou počítány příznaky, na základě kterých jsou shlukovací analýzou Fuzzy C-Means klasifikována jednotlivá měření a probandi. Cílem diplomové práce je časová analýza jednotlivých měření, klasifikace probanda dle výsledků meditace do tříd a definice těchto tříd. Součástí praktické části je analýza HRV signálů, kterými se práce zabývá pouze v omezené míře.

Abstract:

The diploma thesis is focused on the processing of heart rate variability (HRV) signals and especially galvanic skin response (GSR) in order to classifying subjects according to meditation results. The theoretical part of the thesis contains basic information about GSR and HRV signals and their connections with emotional state. Furthermore, data acquisition and their preprocessing processes, appropriate features that describe the properties of the signals, features extraction algorithms, methods of features classification and evaluation of classification results are mentioned there. In the practical part, a continuous decomposition analysis of GSR signals by using SW Ledalab is performed and features are calculated from the decomposed signals. Based on the features, Fuzzy C-Means clustering is used to classify individual measurements and subjects. The aim of the thesis is the time analysis of individual measurements, the classification of each subject into clusters according to meditation results and definition of each cluster. The analysis of HRV signals is a part of the practical part only marginally.

Kľúčové slová

galvanická kožní odpověď (GSR), variabilita srdeční frekvence (HRV), relaxace s pravidelným dechovým vzorcem, meditace, emoce, biosignál, Fuzzy C-Means shlukování (FCM), Ledalab

Keywords

Galvanic Skin Response (GSR), Heart Rate Variability (HRV), relaxation with the regular breathing, meditation, emotion, biosignal, Fuzzy C-Means clustering (FCM), Ledalab

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 30. 4. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 2. 6. 2023
• Vedúci: Jan Kubíček
• Oponent: Martin Malčík

VSB – Technical University of Ostrava

Fakulta elektrotechniky a informatiky

Master programme:
Biomedicínské inženýrství