使用雷达系统进行远程生命体征评估在研究界引起了广泛讨论，主要是因为它的实用性和可靠性。这种系统从现在起被称为生物雷达系统，它可以通过测量心肺功能期间胸壁位移来捕捉呼吸和心脏信号，无需任何接触或身体传感器。这些系统通常基于微多普勒效应，向受试者的胸壁发射电磁波，随后被雷达反射和接收。胸壁位移改变了电磁波的传播路径，这被视为对包含生命体征信息的接收信号的相位调制 [ 1 ]。
生物雷达可以应用于多种场景，既可以通过与受试者进行非侵入式交互来协助医疗领域，也可以应用于其他领域/日常情况。在这方面，考虑到临床和研究环境，心理学和精神病学都是很有前途的应用领域，因为对心理生理反应进行更客观的评估和监测并不总是可用或可能实现。心理生理反应可以提供有关情绪反应的关键客观信息，在许多情况下，非侵入式、轻松且安全的设备对于这种评估尤为重要，例如儿童 [ 2 ]，或感觉过敏、行为问题或难以表达情绪和感受的人（例如，在自闭症患者身上观察到的 [ 3 ]）。在这些情况下，使用生物雷达将允许在更生态的环境中研究受试者，因为这种设置允许更真实的配置，而不会干扰日常生活。
通过生命体征评估受试者情绪的能力已被广泛报道，并被证明是安全有效的[ 4、5 ]。情绪会触发中枢和周围神经系统的激活，从而反映在我们的生理反应中。例如，通过心电图 (ECG) 测量的心率变异性 (HRV)提供了副交感神经系统 (也称为迷走神经张力) 的指数 [ 6 ]，它负责让我们的身体调节和适应突然的心理生理变化，这是保证体内平衡所必需的 [ 7 ]。此外，心电图分析的最新进展，如 COVID-ECG-RSNet 模型，在对心脏病和相关健康问题进行分类方面已显示出很高的准确性，这表明通过生命体征进行情绪识别具有进一步应用的潜力 [ 8 ]。
同样，各种各样的生命体征都包含有关受试者心理状态的信息元素，其中一些比其他元素更具信息量。在 [ 9 ] 中，作者确定多种生命体征的组合可以更准确地识别恐惧、快乐和中性状态，因为所有信号都包含不同的信息内容和模式，这些内容和模式结合起来可能会改善系统感知的情绪。作者还认为，心电图是这一领域最有效的信号。使用应用于生命体征的机器学习算法来识别情绪，目的是识别模式。更具体地说，在 [ 9 ] 中，作者将随机森林 (RFO) 和人工神经网络 (ANN) 应用于心电图、皮肤电活动 (EDA) 和肌电图 (EMG) 颧骨和内侧额叶信号。传统方法是使用附在受试者胸部的胸带获取呼吸信号，并使用三导皮肤接触电极测量心电图，而生物雷达系统能够同时捕捉心脏和呼吸信号，而无需直接接触受试者。这种非接触式原理可用于生态实现，根据感受到的情绪提供无偏见的受试者反应。
我们的工作始于 [10]，当时我们报告了一些初步结果，仅使用呼吸信号识别了 9 名受试者的快乐、恐惧和中性状态。在 [10] 中，呼吸信号是使用 Bio-Radar (bR) 和 BIOPAC（来自美国 BIOPAC Systems, Inc.）（bP）同时采集的，其中后者是经过认证的测量设备，可作为验证的参考。文献[10] 获得的三种情绪识别结果表明，bR 和 bP 系统之间的差异并不重要；然而，通过添加心脏信号以及改进整体设置、提取算法和特征选择，可以提高 bR 的准确性。
为了推进这项研究，我们在此提出工作的主要贡献是充分验证了生物雷达在情绪识别中的使用。我们遵循了 [10] 中考虑的相同设置和协议，但分析的人群增加到 20 人，并包括心脏信号。使用 bR 和 bP 系统同时采集的呼吸和心脏信号来识别快乐、恐惧和中性状态。为此，对两个系统采集的信号应用了三种不同的机器学习算法，即支持向量机 (SVM)、K 最近邻 (KNN) 和 RFO。此外，还调查并计算了 bR 和 bP 信号中文献中常用的特征，随后探索哪些特征能够在统计上区分情绪。
该论文对使用生物雷达系统进行情绪识别的主要贡献概述如下：
