有关情绪检测的多种信号依据

情绪对人类心理健康和生理状态至关重要，但准确测量和分析情绪一直是心理学和神经科学的挑战。传统方法依赖主观自述和行为观察，易受个体和环境影响。近年来，生理信号采集技术为客观情绪识别提供了新方向。

生理信号采集方法
心电图（ECG）
技术：非侵入性记录心脏电活动。
信号特征：包含P波、QRS波群、T波，反映心脏收缩/舒张状态。
应用：通过波形形状和间距分析心脏节律与情绪关联。

皮肤电反应（EDA）
技术：测量皮肤电导率变化。
原理：自主神经系统活动（如情绪激发）导致皮肤水分变化，影响电导率。
方法：通过皮肤表面电极采集信号。

脑电图（EEG）
技术：记录大脑皮层电活动。
信号特征：不同频率成分对应不同脑区活动和认知功能。
方法：头皮多电极采集。

心率变异性（HRV）
技术：测量心率变异性
信号特征：平时心率是在一直变换的有微弱的差异，当压力存在时会使心率变得更加稳定，压力消失心率变异性又会增大。
方法：通过皮肤表面电极采集信号。

1. 情绪分析难点：传统方法主观性强，生理信号提供客观途径。影响信号比较多，采集数据的准确性要求高。
2. 四种技术：
   ECG → 心脏活动 → 情绪相关节律。
   EDA → 自主神经反应 → 情绪激发。
   EEG → 脑电波 → 认知与情绪关联。
   HRV → 心率变异性→ 压力与情绪关联。
   在华为传感器的文档上还有皮肤温度的采集，我将继续查阅文献当情绪波动时是否会出现体温的变化，如果有相应的关联，皮肤温度也将是一个重要的参考依据。

而在我的项目中，EEG的采集可以放到发箍猫耳上来实现、EDA和HRV可以通过手环来获取，而对于ECG我查看手表检测时还需要一个手指按在电极上，这与我的实时监测功能有些出入，暂时先不予考虑，而且在文献中查阅到，ECG和HRV相比HRV的数据与情绪的状态关联性更高，如果后续涉及到多模态的问题会加上表情的识别。