韩晶等：面向老人迟滞性特征的可信情感计算 ·1595· 0.50m 人的情感状态变化更加趋向于老人实际的情感状态变 一高兴 0.45 受到迟滑性影响的高兴 悦 化，有利于促进人机交互过程更加自然友好 0.40 受到迟滞性影响的愉悦 要实现可信的情感计算必须保证加解密过程的有 0.35 惊讶 0.30 受到迟滞性影响的惊讶 效性和准确性，因此首先通过Modelsim仿真器对高级 0.25 加密标准加解密进行仿真，验证加解密的正确性和时 到迟滞性影响的生气 序性能.采用文本输人的方式，分别输入明文、密钥和 0.15 组丧 受到迟滞性影响的沮丧 密文及密钥进行仿真，加密波形仿真图如图6所示 0.10 其中，可观察到的信号有明文输入text_in和密文 0.05 0X0 输出texl_out,密钥信号key,时钟信号ck,复位信号 -20246810 认知重评参数 rst,加密开始信号load和结束信号done.在加密过程 图4刺激为奖励时的情感转移概率变化趋势 中，当加密开始信号load为低电平时，开始进行加密 Fig.4 Emotional transition probability change trend for reward stimu- 处理和密钥扩展过程，两个过程同时进行，整个过程总 lus 共进行10轮处理，每轮处理都会有个输出，但是当且 仅当done为1时，表示l0轮加密完成，最后的text_out 0.50 0.45 变脊迟清性影响的高兴 为最终加密输出结果.图6中所示，最后输出的仿真 0.40 结果同本文中所提供的数据一致，并且整个加密时长 0.35 愉悦 受到迟滞性影响的喻悦 为微秒量级，可知在128位数据宽度的仿真测试中，确 保加密过程准确性的同时还提升了计算速度，增强了 0.25 惊讶 迟滞性影响的惊讶 02 自然人机交互的可行性.解密过程同理可知. 0.15 到迟滞性影响的生气 4实验验证 0.10 受到迟滞性影响的沮丧 0.05 为进一步验证本文所提方法的可行性和有效性. 00 6 -4-20246810 我们以智能服务机器人为情感计算模型的载体，通过 认知重评参数 触摸屏和语音作为交互方式，基于Android系统开发 图5刺激为惩罚时的情感转移概率变化趋势 了针对表情的认知心理测试.该测试设立了五组不同 Fig.5 Emotional transition probability change trend for punishment 类型的认知测试，包括：表情学习、表情测试、表情模 stimulus 仿、表情拼图及情景测试.实验过程中，我们邀请了 0.19下降到0.13，负向情感的转移概率变化幅度也都 100位测试者与智能服务机器人进行交互，并依次体 有相应的减小.在刺激事件为惩罚时，未引入迟滞性 验了机器人的五种测试，在数据库中形成有效数据. 时厌恶的转移概率从0.46下降到0.23，而引入后的转 测试者随机分配成四组，第一组与采用迟滞性因子修 移概率从0.45下降到0.28，变化幅度从0.23下降到 正后的可信情感计算模型的认知服务机器人进行交 0.17:生气的变化幅度从0.16减小到0.12.由数据可 互，进行认知训练，第二组与采用未修正的可信情感计 知，无论何种情感刺激，引入迟滞性之前情感转移概率 算模型的认知服务机器人进行交互，第三组与未实现 的变化更为明显，情感状态的波动更加剧烈：引入迟滞 可信、采用迟滞性因子修正后的情感计算模型的认知 性之后情感转移概率的变化趋势逐渐平缓，情感状态 服务机器人进行交互，第四组与未实现可信、采用未修 的波动也趋于缓和，仿真结果与上文中的分析一致. 正的情感计算模型的认知服务机器人进行交互.交互 通过迟滞性因子对认知重评能力进行修正，获得机器 过程中，每个测试者按照五组认知测试依次进行训练， ®0阁溪I1⑧号日重s目严？声产8产国达当：个日)xL0:Fa里口x1阳d Value 0800D000800600i0 n127 0021002100g000100100 1t01161110100i001 图6加密波形仿真图 Fig.6 Waveform simulation diagram of AES encryption韩 晶等: 面向老人迟滞性特征的可信情感计算 图 4 刺激为奖励时的情感转移概率变化趋势 Fig. 4 Emotional transition probability change trend for reward stimu鄄 lus 图 5 刺激为惩罚时的情感转移概率变化趋势 Fig. 5 Emotional transition probability change trend for punishment stimulus 0郾 19 下降到 0郾 13,负向情感的转移概率变化幅度也都 图 6 加密波形仿真图 Fig. 6 Waveform simulation diagram of AES encryption 有相应的减小. 在刺激事件为惩罚时,未引入迟滞性 时厌恶的转移概率从0郾 46 下降到0郾 23,而引入后的转 移概率从 0郾 45 下降到 0郾 28,变化幅度从 0郾 23 下降到 0郾 17;生气的变化幅度从 0郾 16 减小到 0郾 12. 由数据可 知,无论何种情感刺激,引入迟滞性之前情感转移概率 的变化更为明显,情感状态的波动更加剧烈;引入迟滞 性之后情感转移概率的变化趋势逐渐平缓,情感状态 的波动也趋于缓和,仿真结果与上文中的分析一致. 通过迟滞性因子对认知重评能力进行修正,获得机器 人的情感状态变化更加趋向于老人实际的情感状态变 化,有利于促进人机交互过程更加自然友好. 要实现可信的情感计算必须保证加解密过程的有 效性和准确性,因此首先通过 Modelsim 仿真器对高级 加密标准加解密进行仿真,验证加解密的正确性和时 序性能. 采用文本输入的方式,分别输入明文、密钥和 密文及密钥进行仿真,加密波形仿真图如图 6 所示. 其中,可观察到的信号有明文输入 text_in 和密文 输出 text_out,密钥信号 key,时钟信号 clk,复位信号 rst,加密开始信号 load 和结束信号 done. 在加密过程 中,当加密开始信号 load 为低电平时,开始进行加密 处理和密钥扩展过程,两个过程同时进行,整个过程总 共进行 10 轮处理,每轮处理都会有个输出,但是当且 仅当 done 为 1 时,表示 10 轮加密完成,最后的 text_out 为最终加密输出结果. 图 6 中所示,最后输出的仿真 结果同本文中所提供的数据一致,并且整个加密时长 为微秒量级,可知在 128 位数据宽度的仿真测试中,确 保加密过程准确性的同时还提升了计算速度,增强了 自然人机交互的可行性. 解密过程同理可知. 4 实验验证 为进一步验证本文所提方法的可行性和有效性. 我们以智能服务机器人为情感计算模型的载体,通过 触摸屏和语音作为交互方式,基于 Android 系统开发 了针对表情的认知心理测试. 该测试设立了五组不同 类型的认知测试,包括:表情学习、表情测试、表情模 仿、表情拼图及情景测试. 实验过程中,我们邀请了 100 位测试者与智能服务机器人进行交互,并依次体 验了机器人的五种测试,在数据库中形成有效数据. 测试者随机分配成四组,第一组与采用迟滞性因子修 正后的可信情感计算模型的认知服务机器人进行交 互,进行认知训练,第二组与采用未修正的可信情感计 算模型的认知服务机器人进行交互,第三组与未实现 可信、采用迟滞性因子修正后的情感计算模型的认知 服务机器人进行交互,第四组与未实现可信、采用未修 正的情感计算模型的认知服务机器人进行交互. 交互 过程中,每个测试者按照五组认知测试依次进行训练, ·1595·