方沛如 李曉玉 聶挺 常海鵬 鐘鑫

摘 要：通過(guò)理論支持與實(shí)驗(yàn)驗(yàn)證，探討通過(guò)機(jī)器學(xué)習(xí)對(duì)皮膚電反應(yīng)（GSR）信號(hào)的處理，能否實(shí)現(xiàn)對(duì)情緒模式的區(qū)分與異常心理的量化評(píng)估。最終驗(yàn)證GSR信號(hào)是否具有應(yīng)用于異常心理檢測(cè)的條件。

關(guān)鍵詞：異常心理；皮膚電反應(yīng)；機(jī)器學(xué)習(xí)；異常檢測(cè)

中圖分類(lèi)號(hào)：B845.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2018）03-0186-04

Simple Exploration of Galvanic Skin Response in Abnormal Psychological Assessment

FANG Peiru，LI Xiaoyu，NIE Ting，CHANG Haipeng，ZHONG Xin

（Hefei University of Technology School of Computer and Information，Hefei 230601，China）

Abstract：With theoretical support and experimental verification，it is discussed whether the processing of galvanic skin response（GSR）signals can achieve quantitative assessment of abnormal psychology and distinguish emotional patterns by using machine learning. Finallyverify that the GSR signal has conditions for abnormal psychology evaluation.

Keywords：abnormal psychology；galvanic skin response；machine learning；abnormal detection

1 理論依據(jù)

1.1 異常心理

異常心理是針對(duì)心理健康的標(biāo)準(zhǔn)而存在的，是一種影響正?，F(xiàn)實(shí)生活的異樣或病態(tài)的心理與行為，是在人與客觀現(xiàn)實(shí)關(guān)系失調(diào)的基礎(chǔ)上產(chǎn)生的對(duì)客觀實(shí)現(xiàn)的歪曲反應(yīng)。異常心理使人的行為表現(xiàn)與環(huán)境失去同一性。

情緒是一種復(fù)雜的身體與心理變化模式，包括生理喚醒、感覺(jué)、認(rèn)知過(guò)程及表情手勢(shì)等外顯表達(dá)以及特殊的行為反應(yīng)。情緒是對(duì)具體事件的特殊反應(yīng)，具有持續(xù)時(shí)間短、表現(xiàn)強(qiáng)烈等特點(diǎn)。情緒在生理上表現(xiàn)為自主神經(jīng)系統(tǒng)（ANS，Autonomic Nervous system）的活動(dòng)，對(duì)于不愉快的刺激，交感系統(tǒng)更加活躍；對(duì)于愉快的刺激，副交感系統(tǒng)更加活躍。刺激的強(qiáng)度增大時(shí)，會(huì)同時(shí)導(dǎo)致兩種系統(tǒng)的活動(dòng)增強(qiáng)。同時(shí)，在心理學(xué)家的跨文化研究中，生理上的相同情緒在跨文化條件下具有極為相似的情緒模式。

心理狀態(tài)在同一刺激與環(huán)境下能夠形成與情緒相關(guān)的穩(wěn)定映射，且極端情緒本身會(huì)帶來(lái)諸如嚴(yán)重抑郁癥（major depressive disorder）和雙相障礙（bioplar disorder）等心境障礙（mood disorders）。本文基于以上理論，期望通過(guò)識(shí)別情緒異常來(lái)嘗試對(duì)異常心理進(jìn)行量化評(píng)估。

本文對(duì)于情緒異常以及心理狀態(tài)異常的定義均是在統(tǒng)計(jì)學(xué)中表現(xiàn)出的情緒數(shù)據(jù)的異常，尚不能將文內(nèi)描述的數(shù)據(jù)異常與現(xiàn)實(shí)定義下的異常心理建立相關(guān)。

1.2 皮膚電反應(yīng)

皮膚電反應(yīng)（GSR，galvanic skin response），是一項(xiàng)情緒生理指標(biāo)，它代表機(jī)體受到刺激時(shí)皮膚電傳導(dǎo)的變化。皮膚電反應(yīng)的原理是，當(dāng)機(jī)體受到外界刺激或情緒狀態(tài)發(fā)生改變時(shí)，自主神經(jīng)系統(tǒng)的活動(dòng)就會(huì)引起血管的舒張和收縮以及汗腺分泌等變化，從而導(dǎo)致皮膚電阻變化。情緒覺(jué)醒水平的變化能夠引起相應(yīng)的皮膚電反應(yīng)變化，因此，GSR信號(hào)能廣泛地應(yīng)用于情感計(jì)算領(lǐng)域。

皮膚電反應(yīng)基礎(chǔ)水平與個(gè)體特征有關(guān)，并且還受到覺(jué)醒水平、溫度及活動(dòng)等三種因素的影響。因此，不同人在不同的時(shí)間段，其皮膚電傳導(dǎo)性都會(huì)存在差異。

根據(jù)西南大學(xué)對(duì)于皮膚電反應(yīng)信號(hào)在情感狀態(tài)識(shí)別的研究結(jié)果顯示，皮電信號(hào)能夠在合適的激發(fā)素材的前提下對(duì)憤怒、厭惡、恐懼、高興、驚訝及悲傷等六種情緒模式有較好的識(shí)別。

同時(shí)臨床心理學(xué)研究結(jié)果表明，不可預(yù)測(cè)下的中性刺激誘發(fā)的皮膚電反應(yīng)差異可依區(qū)分高、低焦慮個(gè)體，說(shuō)明皮膚電反應(yīng)的差異可以對(duì)部分異常狀態(tài)進(jìn)行甄別。

由此，我們推測(cè)可以通過(guò)采集分析得到憤怒、厭惡、恐懼、高興、驚訝及悲傷等六種情緒的皮電信號(hào)模式，尋找與大多數(shù)個(gè)體數(shù)據(jù)存在差異的情緒數(shù)據(jù)，將其定義為異常心理狀態(tài)。

1.3 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)（Machine Learning）是指機(jī)器模擬人類(lèi)的學(xué)習(xí)行為。它以獲取新的知識(shí)或技能來(lái)完善自身知識(shí)結(jié)構(gòu)的過(guò)程，是人工智能的重要分支。

機(jī)器學(xué)習(xí)根據(jù)是否有人為標(biāo)記可以分為有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。無(wú)監(jiān)督學(xué)習(xí)中的異常檢測(cè)適用于正常樣本較多的情況，它不需要預(yù)先進(jìn)行人工標(biāo)記，對(duì)樣本數(shù)的需求量也較小，適應(yīng)于當(dāng)前需求與樣本數(shù)量。但同時(shí)也要求我們提取出的特征值盡量滿足概率學(xué)上的正態(tài)分布，即：

x～（?，σ2）

本文數(shù)據(jù)處理中的機(jī)器學(xué)習(xí)過(guò)程為：通過(guò)對(duì)情緒相關(guān)數(shù)據(jù)進(jìn)行歸一化與降噪等預(yù)處理，提取出特征值。以特征值擬合數(shù)學(xué)模型尋找邊緣化的數(shù)據(jù)，將其定義為某種異常狀態(tài)。

2 實(shí)驗(yàn)驗(yàn)證

2.1 實(shí)驗(yàn)準(zhǔn)備

針對(duì)憤怒、厭惡、恐懼、高興、驚訝及悲傷這六種基本情緒篩選對(duì)應(yīng)的刺激視頻各兩組，共十二組視頻。為了避免實(shí)驗(yàn)對(duì)象因提前觀看過(guò)素材而產(chǎn)生偏差，我們舍棄了過(guò)于大眾化的視頻素材。預(yù)先通過(guò)組內(nèi)測(cè)試保證刺激素材具備足夠的情緒激發(fā)效果，并初步驗(yàn)證通過(guò)傳感器采集得到的GSR數(shù)據(jù)可隨情緒變化會(huì)出現(xiàn)明顯的數(shù)值變化。

皮膚電反應(yīng)數(shù)據(jù)采集對(duì)象為在校大學(xué)生，心智正常，男女不限，出于自愿原則參與數(shù)據(jù)采集，并提前簽訂數(shù)據(jù)采集協(xié)議。為保證采集對(duì)象對(duì)于實(shí)驗(yàn)過(guò)程及實(shí)驗(yàn)素材具有相似的了解程度，每人只進(jìn)行一次數(shù)據(jù)采集。

采集設(shè)備為HK2013/2紅外脈搏皮膚電阻采集器，使用USB供電，采用外部電流激勵(lì)方式，以200Hz采樣頻率測(cè)量人體皮膚電阻變化信號(hào)。該傳感器采用了精密運(yùn)算放大器，輸出高精度皮膚電阻變化數(shù)據(jù)，皮膚電阻量程為100～2500K歐姆。

2.2 實(shí)驗(yàn)過(guò)程

實(shí)驗(yàn)對(duì)象與實(shí)驗(yàn)小組達(dá)成意向后簽訂數(shù)據(jù)采集協(xié)議，實(shí)驗(yàn)小組為實(shí)驗(yàn)對(duì)象提供相似的安靜、安全的環(huán)境，以保證實(shí)驗(yàn)對(duì)象的情緒受到較少的環(huán)境因素干擾。之后按照“實(shí)驗(yàn)介紹—播放刺激視頻一—自我情緒評(píng)價(jià)—播放平靜視頻—播放刺激視頻二—自我情緒評(píng)價(jià)……”的循環(huán)流程進(jìn)行實(shí)驗(yàn)數(shù)據(jù)采集工作。

刺激視頻順序由采集程序隨機(jī)產(chǎn)生，在每個(gè)刺激視頻前都會(huì)播放過(guò)渡視頻幫助實(shí)驗(yàn)對(duì)象平復(fù)前一段視頻帶來(lái)的情緒變化，從而減少已播放素材對(duì)于后續(xù)素材情緒激發(fā)的影響。

由于在強(qiáng)烈的情緒產(chǎn)生后，接受刺激過(guò)程中自主神經(jīng)系統(tǒng)促進(jìn)釋放的激素會(huì)殘留在血液中，使得機(jī)體會(huì)保持一段時(shí)間的情緒喚醒，因此我們需要為實(shí)驗(yàn)對(duì)象保留無(wú)刺激的過(guò)渡期，等待機(jī)體生理反應(yīng)恢復(fù)基礎(chǔ)水平。平靜期的GSR信號(hào)也為后續(xù)數(shù)據(jù)歸一化處理提供了不同實(shí)驗(yàn)對(duì)象的皮膚電反應(yīng)基礎(chǔ)水平，使得我們能夠?qū)?shí)驗(yàn)過(guò)程中GSR信號(hào)的變化進(jìn)行更好的了解。

每段刺激視頻觀看結(jié)束后，實(shí)驗(yàn)對(duì)象要對(duì)該視頻進(jìn)行主觀的自我情緒評(píng)價(jià)。實(shí)驗(yàn)對(duì)象需要選擇憤怒、厭惡、恐懼、高興、驚訝及悲傷這六種基本情緒及其對(duì)應(yīng)的情緒強(qiáng)度。根據(jù)實(shí)驗(yàn)對(duì)象的自我評(píng)價(jià)，驗(yàn)證了我們情緒激發(fā)素材的選取對(duì)于各類(lèi)情緒具有較好的激發(fā)效果。

2.3 實(shí)驗(yàn)結(jié)果

此輪實(shí)驗(yàn)參與數(shù)據(jù)采集者共計(jì)100人次，其中可用數(shù)據(jù)95組，用于機(jī)器學(xué)習(xí)訓(xùn)練集20組，其余留作驗(yàn)證集與測(cè)試集。

在訓(xùn)練集的20組數(shù)據(jù)內(nèi)，12個(gè)刺激素材的激發(fā)效果如表1所示，由于自我情緒評(píng)價(jià)是針對(duì)六種基本情緒同時(shí)打分，根據(jù)實(shí)驗(yàn)對(duì)象情感狀態(tài)以及自我判斷的不同，激發(fā)成功表示實(shí)驗(yàn)對(duì)象對(duì)該視頻的評(píng)價(jià)中預(yù)設(shè)情緒的分?jǐn)?shù)大于（包括等于）其他情緒。

在表1中，憤怒情緒多次與厭惡情緒相關(guān)聯(lián)，考慮到情緒感受同時(shí)受到認(rèn)知體系的影響而存在個(gè)體偏差，故而沒(méi)有舍棄樣本1。此外，驚訝刺激素材多次有較高的高興評(píng)分，由于刺激視頻本身的驚訝評(píng)分也很高，綜合考慮兩個(gè)驚訝素材后，舍棄樣本9，而保留樣本10。

3 數(shù)據(jù)處理與分析

本研究所用采集的設(shè)備采樣頻率高達(dá)200Hz，而GSR信號(hào)的有效變化頻率遠(yuǎn)小于采樣頻率，因此存在了大量無(wú)用的數(shù)據(jù)冗余。由于觀察發(fā)現(xiàn)連續(xù)的多個(gè)數(shù)據(jù)經(jīng)常只存在±1的差值，而個(gè)別數(shù)據(jù)偏差可能是設(shè)備干擾導(dǎo)致。因此我們忽略了偏移數(shù)據(jù)，每三個(gè)數(shù)據(jù)取其平均值替代原有數(shù)據(jù)用于數(shù)據(jù)處理，對(duì)冗余數(shù)據(jù)進(jìn)行了簡(jiǎn)單的、幾乎無(wú)損的壓縮。

由于GSR信號(hào)的特點(diǎn)，不同實(shí)驗(yàn)對(duì)象以及不同實(shí)驗(yàn)時(shí)間、不同實(shí)驗(yàn)溫度均會(huì)對(duì)皮膚電反應(yīng)的基礎(chǔ)水平帶來(lái)較大的影響。因此，我們?cè)趯?shí)驗(yàn)流程設(shè)計(jì)時(shí)便在每一個(gè)刺激視頻前都預(yù)留了一個(gè)平靜視頻，用于使實(shí)驗(yàn)對(duì)象平復(fù)刺激素材帶來(lái)的特定情緒，并且可以作為當(dāng)前實(shí)驗(yàn)對(duì)象GSR信號(hào)基礎(chǔ)水平，用于歸一化。

此外，實(shí)驗(yàn)采集得到的原始數(shù)據(jù)由于環(huán)境等外部干擾以及設(shè)備電傳導(dǎo)內(nèi)部干擾，原始數(shù)據(jù)本身會(huì)較大程度地受到干擾帶來(lái)的噪聲影響，因此，還要使用合適的濾波器對(duì)原始數(shù)據(jù)進(jìn)行降噪處理，以盡可能降低噪聲對(duì)數(shù)據(jù)可靠性的影響。

3.1 歸一化

皮膚電反應(yīng)基礎(chǔ)水平個(gè)體差異較大，不同的人在同一環(huán)境下的皮膚電水平差異巨大，同一個(gè)人在不同時(shí)間、不同環(huán)境下也會(huì)有不同的基礎(chǔ)水平。當(dāng)研究不同人的皮膚電水平時(shí)，需要去除個(gè)體GSR信號(hào)的基礎(chǔ)水平差異。此外，皮膚電反應(yīng)信號(hào)用于情緒相關(guān)的研究時(shí)，需要考慮的實(shí)際上是情緒變化引起的皮膚電反應(yīng)信號(hào)的變化值。

因此，可以采用歸一化的手段，將GSR信號(hào)的絕對(duì)值轉(zhuǎn)變?yōu)橄鄬?duì)值，即變化值，從而在保證實(shí)驗(yàn)需求的情況下去除基礎(chǔ)水平差異帶來(lái)的數(shù)據(jù)差異。我們將平靜視頻下的數(shù)據(jù)視為個(gè)體當(dāng)時(shí)的基礎(chǔ)水平，用實(shí)驗(yàn)對(duì)象在刺激視頻下的數(shù)據(jù)減去對(duì)應(yīng)平靜視頻下的數(shù)據(jù)均值，得到的數(shù)據(jù)便去除了個(gè)體與外界環(huán)境帶來(lái)的差異，也就是對(duì)數(shù)據(jù)進(jìn)行了歸一化。

在對(duì)不同實(shí)驗(yàn)對(duì)象的同一情緒進(jìn)行歸一化處理時(shí)，可以觀察到不同對(duì)象的同一情緒變化存在相似的變化曲線與變化范圍，這為我們提供了在同種情緒數(shù)據(jù)中尋找差異性的基本條件。

3.2 濾波器

采集到的皮膚電信號(hào)本身作為生物電信號(hào)是非常微弱的，采集設(shè)備對(duì)其采用了精密運(yùn)算放大器進(jìn)行放大，但同時(shí)微弱的信號(hào)干擾也隨之放大，甚至?xí)蜎](méi)正常信號(hào)。

濾波器可以對(duì)信號(hào)中指定頻段或該頻段以外的頻率進(jìn)行有效濾除，從而得到指定頻段下的電源信號(hào)，或?yàn)V除指定頻段后的電源信號(hào)。采用濾波器可以滿足我們?nèi)コ盘?hào)干擾以及無(wú)用數(shù)據(jù)的需求，并且可以平滑曲線以便于特征值提取。

由于GSR信號(hào)的有效變化頻率主要在0.2Hz以下，而干擾信號(hào)的頻率較高，所以可以使用巴特沃斯低通濾波器，有效濾除高頻噪聲，留下平滑的低頻GSR信號(hào)。

圖1～圖6是進(jìn)行歸一化及濾波處理后得到的六種基本情緒圖示。

在可視化展示中，可以看到六種基本情緒呈現(xiàn)不同的變化曲線模式，驗(yàn)證了實(shí)驗(yàn)過(guò)程的設(shè)計(jì)、實(shí)驗(yàn)素材選取以及實(shí)驗(yàn)數(shù)據(jù)的采集、處理工作具有準(zhǔn)確性。隨后進(jìn)行特征值的選擇與提取工作，完成最后的異常檢測(cè)。

對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行一階差分與二階差分。一階差分可以體現(xiàn)數(shù)據(jù)的變化趨勢(shì)與變化速率，從而區(qū)分出局部極值；二階差分則能夠區(qū)分出局部信號(hào)的拐點(diǎn)，能夠較好體現(xiàn)生理的信號(hào)的變化規(guī)律。同時(shí)提取均值、最大值、最小值、極差、標(biāo)準(zhǔn)差等特征值。

4 結(jié) 論

根據(jù)現(xiàn)代心理學(xué)理論和對(duì)實(shí)驗(yàn)數(shù)據(jù)的前期處理，我們驗(yàn)證了相同情緒存在著相似的情緒模式，而且這些模式可以被皮膚電反應(yīng)信號(hào)較好地識(shí)別和展現(xiàn)。我們同時(shí)對(duì)提取出的特征值依次進(jìn)行了計(jì)算，但是數(shù)值的分布情況并不理想，不能很好地?cái)M合正態(tài)分布曲線。

分析可能的原因，一是用于學(xué)習(xí)的樣本量過(guò)少，樣本中采集對(duì)象的分布不夠分散，數(shù)據(jù)缺乏區(qū)分度；二是參考資料內(nèi)的特征值主要用于進(jìn)行情感模式的識(shí)別，識(shí)別不同的情感模式的差距，對(duì)于同一情緒下不同個(gè)體尋找異常時(shí)適應(yīng)性不佳；三是情緒以及異常心理本身成因復(fù)雜，表現(xiàn)各異，并不如同假設(shè)那樣形成正態(tài)分布，故需要考慮采取更加復(fù)雜的異常檢測(cè)方式。

由于情緒會(huì)受到不同心理健康狀態(tài)、不同心境的綜合影響，在后續(xù)數(shù)據(jù)采集工作中引入針對(duì)個(gè)體不同狀態(tài)下多次采集情緒數(shù)據(jù)的實(shí)驗(yàn)流程，將能夠建立更加優(yōu)化的個(gè)人情緒模式數(shù)據(jù)，并對(duì)心理健康狀態(tài)、心境基于數(shù)據(jù)有進(jìn)一步了解。

根據(jù)瑪麗·米克爾2017年的《互聯(lián)網(wǎng)趨勢(shì)》對(duì)于醫(yī)療健康領(lǐng)域拐點(diǎn)來(lái)臨的預(yù)測(cè)，醫(yī)療健康數(shù)據(jù)可擁有高達(dá)到48%的高年增長(zhǎng)率。同時(shí)，隨著皮膚電反應(yīng)信號(hào)的廣泛應(yīng)用與機(jī)器學(xué)習(xí)算法的深入探討，結(jié)合未來(lái)海量的數(shù)據(jù)，計(jì)算機(jī)科學(xué)可以在醫(yī)療健康領(lǐng)域?yàn)榇蟊娞峁└丫珳?zhǔn)、個(gè)性化的心理健康服務(wù)，以應(yīng)對(duì)現(xiàn)代人類(lèi)心理問(wèn)題頻發(fā)的現(xiàn)實(shí)。

參考文獻(xiàn)：

[1] 金艷，郭展鵬，鄭希付.特質(zhì)焦慮大學(xué)生對(duì)中性刺激的預(yù)測(cè)偏向 [J].中國(guó)臨床心理學(xué)雜志，2015，23（2）：213-217.

[2] 楊長(zhǎng)河，徐盼.大學(xué)生常見(jiàn)異常心理的發(fā)生規(guī)律研究 [J].廣東青年職業(yè)學(xué)院學(xué)報(bào).2016.30（3）：29-33.

[3] 蔡菁.皮膚電反應(yīng)信號(hào)在情感狀態(tài)識(shí)別中的研究 [D].重慶：西南大學(xué)，2010.

[4] 劉俸汝.基于皮膚電情感識(shí)別的情感調(diào)節(jié)策略研究 [D].重慶：西南大學(xué)，2013.

[5] 祁正慶.《醫(yī)學(xué)心理學(xué)》教材中關(guān)于異常心理判斷標(biāo)準(zhǔn)的思考 [J].醫(yī)學(xué)與哲學(xué)（A），2014，35（5）：35-36.

[6] Meeker M. A procedure for relating stanford Binet behavior samplings to Guilford's structure of the intellect [J].Journal of School Psychology，1965，3（3）：26-36.

[7] 理查德·格里格，菲利普·津巴多著王壘，等譯.心理學(xué)與生活 [M].北京：人民郵電出版社，2003.

[8] 陳斌，陳松燦，潘志松，等.異常檢測(cè)綜述 [J].山東大學(xué)學(xué)報(bào)（工學(xué)版），2009，39（6）：13-23.

[9] 陳飛宇.基于集成學(xué)習(xí)算法的異常檢測(cè)研究 [D].南京：南京大學(xué)，2015.

[10] 張穎，羅森林.情感建模與情感識(shí)別 [J].計(jì)算機(jī)工程與應(yīng)用，2003（33）：98-102.

[11] 于冰潔，夏戰(zhàn)國(guó)，王久龍.基于高斯過(guò)程模型的異常檢測(cè)算法 [J].計(jì)算機(jī)工程與設(shè)計(jì)，2016，37（4）：914-920+953.

[12] 李鳳蘭.中國(guó)公眾的心理疾病觀：內(nèi)容、結(jié)構(gòu)及測(cè)量 [D].武漢：華中師范大學(xué)，2015.

作者簡(jiǎn)介：方沛如（1999.07-），女，安徽樅陽(yáng)人，本科。研究方向：情感計(jì)算與人工智能、嵌入式與物聯(lián)網(wǎng)。