数据集下载地址：https://gitee.com/CodeStoreHub/Emotion-Recognition-Dataset

1. 背景介绍

WESAD 是由德国联邦理工学院（Universität Siegen）于 2018 年发布的一个多模态情绪识别数据集，旨在通过可穿戴传感器识别个体的不同情绪状态。该数据集被广泛应用于情绪识别、压力检测、生理信号处理等研究领域。

2. 数据采集设备

• RespiBAN（胸带式传感器）：

  • 采集以下生理信号：

    • 呼吸（Respiration）

    • 皮肤电反应（EDA，Electrodermal Activity）

    • 体温（Temperature）

    • 三轴加速度（ACC）

    • 心电图（ECG）

    • 光体积脉搏（PPG）

• Empatica E4（腕带式传感器）：

  • 采集：

    • 皮肤电反应（EDA）

    • PPG

    • 体温

    • 三轴加速度（ACC）

3. 数据集内容

• 被试人数：17 名受试者

• 实验设置：每位受试者经历三个不同的情绪状态：

  • 基线状态（Baseline）：受试者放松看风景片段或阅读。

  • 压力状态（Stress）：包括智力测试（数学题）+ 社交压力（摄像头+监督者盯着看）。

  • 愉悦状态（Amusement）：观看幽默视频片段。

• 标签：

  • baseline, stress, amusement 三种情绪类别

4. 数据格式

• 原始数据存储为 .pkl（Pickle）格式，结构如下：

  python

  复制编辑

  { 'signal': { 'respiration': ..., 'eda': ..., 'ecg': ..., 'temp': ..., 'ppg': ..., 'acc': ... }, 'label': ..., # 时间戳上的状态标签 'subject_id': ... }

5. 使用案例

• 情绪分类：使用多模态生理信号训练模型识别不同情绪状态。

• 传感器对比：比较胸带与腕带在识别准确率上的差异。

• 深度学习建模：使用 CNN、LSTM、Transformer 等模型处理多模态时间序列数据。

🔧 下载方式

WESAD 数据集可在以下链接申请下载（需签署协议）：

• GitHub 项目主页：https://gitee.com/CodeStoreHub/Emotion-Recognition-Dataset

📌 总结