情绪的识别途径和目的

情绪识别原本是指个体对于他人情绪的识别，现多指AI通过获取个体的生理或非生理信号对个体的情绪状态进行自动辨别，是情感计算的一个重要组成部分。情绪识别研究的内容包括面部表情、语音、心率、行为、文本和生理信号识别等方面，通过以上内容来判断用户的情绪状态。

什么是生理信号:

人体器官组织因某些原因而向人脑发送的生理信息。

常见的如：

1如人很久没饮水了，咽喉会发干，人会感到口渴。因此发出要喝水的生理信号；

2胃部过涨或长久未进食，感到难受，胃涨或胃壁发出声音，也算是一种生理信号等等；

该理论认为，人体受生理节律曲线影响，因此可以对这些曲线进行预测并依据预测结果来安排任务和计划。这些固定的周期性节律被认为可以控制或引起各种生理进程。有三种经典的周期节律被认为可以控制人类行为并可以表现出自然生理改变的先天周期，它们分别是：

身体节律（23 天） 情感节律（28 天） 智力节律（33 天） 经典三节律属于固有的超昼夜节律（Endogenous Infradian Rhythm），其理论基于生理周期和情感周期。通常它们被表示为对称性的曲线图，而最常用的形式是正弦波曲线。每个周期按正弦曲线在正位置（0%100%）和负位置（0%-100%）之间振荡。在大多数理论中，该曲线始于基线位置（0%），表示个体出生时的状态。每当该曲线越过基线位置时，当日即被称为临界日，即认为在该日进行的工作状况会比非临界日的情况不稳定得多。通常，构造这样的曲线是为了进行临界日的计算，以便进行或是避免某些活动。

其正弦曲线的计算方法为：

身体: sin(2πt / 23), 情感: sin(2πt / 28), 智力: sin(2πt / 33), 直觉: sin(2πt / 38), 经典三节律理论仅适用于人类。按照经典理论，每个人的各个周期值都可以在任意时间计算得出，现在也有很多网站提供这样的服务。

UE计算发射功率时，估计的路损是下行方向。

1什么是路损？

路损是指信号在传输过程中受到的衰减，其中包括自由空间路径损耗、多径衰落损耗、反射、折射、衍射等因素。

2为什么需要估计路损？

无线通信系统中，如果不考虑路损，信号的发送功率将很难得到控制。接收端由于受到噪声干扰等因素，必须通过信号的强度来判断目标位置和距离，而路损直接影响到信号的强度。因此，在进行无线通信系统规划和设计时，需要对路损进行估计。

3下行方向与上行方向的区别是什么？

上行方向是指移动终端向基站发送信号的方向，下行方向是指基站向移动终端发送信号的方向。在无线通信系统中，两个方向的信号功率和路损参数是不一样的。

4UE计算发射功率时为什么只考虑下行方向的路损？

在无线通信系统中，UE作为被动接收信号的终端，其发射功率要根据接收到的信号强度进行控制。因此，在计算UE的发射功率时，只需要考虑下行方向的路损即可，而上行方向的路损则不需要考虑。

5路损估计的方法有哪些？

常见的路损估计方法包括测量法、经验公式法、仿真模拟法等。其中测量法是较为准确的方法，但需要较长时间和专业设备；经验公式法则是基于统计分析得出的经验公式，适用于一定范围内的系统设计；仿真模拟法则是采用计算机模拟的方式来进行路损估计，可以提供较为详细的数据分析与预测。

路损的估计对于无线通信系统的规划和设计至关重要，因此需要选择适合的方法进行计算。同时，在实际应用中也需要考虑到其他因素的影响，如天气、建筑物等。只有综合考虑这些因素，才能得到更加准确的路损估计值，为无线通信系统的优化提供有效的参考。

情感是一种特殊的主观反映，其发生过程实际上是人脑对于事物价值特性的刺激与感受的生理过程，它与一般意义的刺激与感受生理过程的不同之处在于：刺激信号不是事物的物理或化学特性，而是事物的价值特性，具体地讲就是事物的“价值率高差”（即事物的价值率与主体的平均价值率之差）。这种刺激信号往往是一种抽象化的、复合型的关系信号，它既可以是复合的色彩、形状、体积、重量、声音、图象等物理化学信号，也可以是语言与文字所组成的第二信号系统，这些复合型信号代表着事物的价值特性，而不是代表着事物的某种物理化学特性。当事物的价值特性作用于或即将作用于人时，人脑将以一定的情感强度来感受它。

既然情感的产生过程是一种特殊的刺激与感受的生理过程，那么情感强度与事物的价值率高差的关系同样应该遵循“费希纳定律”，由此可得:

情感强度第一定律（即情感强度对数正比定律）：情感强度与事物的价值率高差的对数成正比，即:

μ=Kmlog（1+ΔP） (1—23)

其中，Km为强度系数，ΔP为价值率高差，μ为情感强度。

不难发现：当情感强度很小时，情感强度与价值率高差近似地成正比；当情感强度很大时，情感强度与价值率高差的对数成正比；当价值率高差为0时，情感强度亦为0；当价值率高差趋近于－1时，情感强度趋近于负无穷大。

　　不少人都翘首以盼，计算机会变得越来越聪明，在不久的将来，它就能像人一样具有情感，与人进行自然、亲切和生动的智能交互。　认知科学（Cognitive Science）是在心理学、计算机科学、人工智能、神经科学、科学语言学、科学哲学以及其他基础科学（如数学、理论物理学）共同感兴趣的界面上，即理解人类的、乃至机器的智能的共同兴趣上，涌现出来的高度跨学科的新兴科学。认知科学试图依靠众多学科的共同努力，理解心智的性质，可能的话，在此基础上制造出能思维的机器。而认知心理学由于关注和研究人的心智活动，在认知科学中发挥着重要的作用。

认知心理学: 人脑与计算机类比

认知心理学是20世纪60年代兴起的心理学研究取向，它不仅研究心智活动的“软件”（即心智活动的过程，如人对信息的编码、储存和提取），而且研究心智活动的“硬件”（即心智活动的结构，如认知功能的脑定位或脑机制），提出了极富特色的理论，促进了对人类心智活动的细微剖析和准确理解，成为现代心理学的主流方向。

信息加工系统（Information-Processing System）也被称为符号操作系统（Symbol Operation System）或物理符号系统（Physical Symbol System）。一个完整的物理符号系统具有信息的输入（Input）、输出（Output）、存储（Store）、复制（Copy）、建立符号结构（Build Symbol Structure）和条件性迁移（Conditional Transfer）六种功能。物理符号系统假设提出，任何一个系统，如果能够表现出智能的话，就必能执行上述六种功能; 反之，任何系统如果具有这六种功能，就能表现出智能。其推论自然是: 人具有智能，人一定是个物理符号系统; 计算机是个物理符号系统，计算机一定能表现出智能。既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就可以用计算机来模拟人的智能活动。认知心理学所做的，就是试图用物理符号系统假设中的基本规律来解释人类复杂的心理现象。

心智的计算-表征理解（Computa-tional-Representational Understanding of Mind，简称CRUM）是一种对心智问题的理解方式，认为对思维最恰当的理解是将其视为心智中的表征结构以及在这些结构上进行操作的计算程序。 心智表征属于系统的内部状态，是相对于外部事件或事件的语义加以界定的，是一种形式化的符号表达式; 而所有与系统有关的语义内容，都依照深层的符号表达式及其变换的形式和符号关系结构加以规定，这是一种物理符号操作，是一种计算。表征与计算二者的关系密不可分，因为一定的计算总是建立在一定的表征之上，表现为对表征的某种操作和转换; 而一定的计算也总是会产生某种新的表征。

认知心理学研究心智结构和信息加工过程的方法主要由四个步骤构成，即理论、模型、程序和平台。一个认知理论首先要假定一套表征结构和一套在这些结构上进行操作的加工过程; 然后，通过与由数据结构和算法构成的计算机程序进行类比，设计一个计算模型使得这些表征结构和过程更为精确。有关表征的模糊概念可以用准确的关于数据结构的计算概念予以补充，而心理过程则可由算法来定义; 为了测试该模型，必须用一种编程语言将其在一个软件程序中实现; 最后，该程序应该可以在各种软硬件平台上运行。实际上，无论是信息加工取向对规则和搜索策略等进行的抽象的串行的分析，还是联结主义取向强调的分布式表征和平行加工，各种心智结构和信息加工过程均可采用上述方法进行研究。理论、模型、程序、平台一起构成了认知心理学的基本研究构架。大量研究都遵循着这个途径，并通过实验将各个步骤贯穿起来。

情感计算: 人与计算机交互

显然，情感交流是个复杂的过程，不仅受时间、地点、环境、人物对象和经历的影响，而且有表情、语言、动作或身体的接触。情感计算研究试图通过不断加深对人的情感状态和机制的理解，创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友好反应的计算系统。

作者简介:傅小兰

研究员，现任中国科学院心理研究所副所长，研究领域为认知心理学，主要关注人的基本认知过程、信息加工动态机制、知识表征、认知绩效以及人机交互中的心理与行为问题。担任脑与认知科学国家重点实验室副主任，中国心理学会常务理事、副秘书长、中国人类工效学会理事、认知工效学专业委员会副主任委员，全国人类工效学标准化技术委员会副主任委员等。

情感计算研究有助于提高计算机感知情境，理解人的情感和意图，做出适当反应的能力。情境化是人与计算机交互研究中的新热点。在人与计算机的交互中，计算机需要捕捉关键信息，觉察人的情感变化，形成预期，进行调整，做出反应。例如，通过对不同类型的用户建模（例如: 操作方式、表情特点、态度喜好、认知风格、知识背景等），以识别用户的情感状态，利用有效的线索选择合适的用户模型（例如，根据可能的用户模型主动提供相应有效信息的预期），并以适合当前类型用户的方式呈现信息（例如: 呈现方式、操作方式、与知识背景有关的决策支持等）; 在对当前的操作做出即时反馈的同时，还要对情感变化背后的意图形成新的预期，并激活相应的数据库，及时主动地提供用户需要的新信息。

情感计算是一个高度综合化的技术领域。目前情感计算研究面临的挑战仍是多方面的: （1）情感信息的获取与建模，例如细致和准确的情感信息获取、描述及参数化建模，海量的情感数据资源库，多特征融合的情感计算理论模型; （2）情感识别与理解，例如多模态的情感识别和理解; （3）情感表达，例如多模态的情感表达（图像、语音、生理特征等），自然场景对生理和行为特征的影响; （4）自然和谐的人性化和智能化的人计交互的实现，例如情感计算系统需要将大量广泛分布的数据整合，然后再以个性化的方式呈现给每个用户。

情感计算有广泛的应用前景。计算机通过对人类的情感进行获取、分类、识别和响应，进而帮助使用者获得高效而又亲切的感觉，并有效减轻人们使用电脑的挫败感，甚至帮助人们理解自己和他人的情感世界。计算机的情感化设计能帮助我们增加使用设备的安全性，使经验人性化，使计算机作为媒介进行学习的功能达到最佳化。在信息检索中，通过情感分析的概念解析功能，可以提高智能信息检索的精度和效率。

在电子商务领域，在设计购物网站和股票交易网站等时充分利用人的情感因素的作用，以改变客流量。多模式的情感交互技术能构筑更贴近人们生活的智能空间或虚拟场景，而机器人、智能玩具、游戏等产业则能构筑出更加拟人化的风格和更加逼真的场景。