情感是表征生命体心智状态的一种信息，将情感信息视为情绪过程产生的观察序列并假定这种情绪过程是一种马尔可夫过程，HMM信号模型为描述情感信号处理过程提供了理论基础，从而可以获得期望的输出；其次，对情感信号建模可以更好地研究信号源——情绪过程，并且可以模拟信号源产生信号[12]。如果拥有了这种情感信号模型，就能够预测信号将来最有可能出现的主特征值。由HMM模型中，可以得到心理状态的主特征趋势，并由此得到主特征值，那么如何区分呢？每个人的性格特点决定了他们的情感转移特点。不同性格的人，在这种情况下，从当前的情感状态向其他情感状态的转移速度快慢是不同的。因此，有必要引进情绪熵的概念，在程序中通过情绪熵的设置来控制机器人转移情感的速度快慢。

先了解一下熵的概念，在客观世界中，任一事物都是能发出信息的信源。而信源产生的信息带有随机性，即不定性。为了度量“不定性”，使信息定量化，1948香农（Shannon）在《通信的数学理论》这一信息论的奠基性论文中，建立了定量“不定性”的函数式

式中 H——信源的平均信息量，也叫信息熵；

P_i——信源第i种信号出现的概率；

C——与对数的底及单位选择有关的常数。

香农的伟大贡献在于，利用概率分布的理论给出“熵”的严格定义。根据香农的定义，确定发生的事件如“太阳从东边升起”与确定不发生的事件如“太阳从西边升起”，其熵都是零。只有当发生与不发生的概率相同时，事件的熵才达到极大，其中所蕴涵的信息量达到最大。

基于以上讨论，由于情感是信息的一种，于是可以利用信息熵的方法去度量情感。我们来研究某生命体的m种情感，其中每种情感划分了n个级别，于是就具有了n^m个情感状态。令l=n^m，那么情感空间中具有了l个情感状态，设p_i（i=1，2，…，l）为第i个情感状态的出现概率。

那么情绪熵就可以定义为

式中 e_i——第i种状态的情绪熵；(www.daowen.com)

P_ij——第i种情感状态到第j种情感状态的概率；

C——与对数底及单位选择有关的常数。

情绪熵是人类情感稳定性的度量尺度。就是说，当情绪熵的值越大，意味着情绪变化的倾向越不明确，表现为一种情绪的不稳定状态，而情绪熵的值越小，意味着情绪变化倾向越清晰明确，是情绪处于稳定状态的表示。所以，对于不同的人物，他们的各种心理状态下的情绪熵的最大值反映了他们的性格特征。就是说，利用情绪熵，可以构造出不同个性的机器人的感情。

在这里引用情绪熵的概念并进行相应简化，以方便模拟机器人的内外向的性格特征，这里规定情绪熵越小，机器人的个性趋向于内向；情绪熵越大，机器人的个性趋向于外向，见表5-2。

表5-2 情绪熵与动作循环次数的转化表

将上述的表达通过程序流程图来表示，如图5-15所示。

图5-15 具有情绪熵的情感状态转移的程序流程图

由此可知，情绪熵的选取具有很重要的意义，它决定了个性空间设计的效果。在双足步行机器人的情感转化与行为决策的实现方面，情绪熵的选择给机器人添加了性格内外向的特征，使得双足步行机器人在人工心理与人工情感领域的应用中，更接近人的性格品性。