一种基于脑电信号的情绪识别方法技术

本发明专利技术涉及一种基于脑电信号的情绪识别方法，包括：步骤1、脑电信号的采集：采用多通道脑电采集设备采集被试脑电信号；步骤2、脑电信号的预处理：对步骤1所得的脑电信号进行预处理，以减少伪迹干扰，提高最终分类识别率；步骤3、特征提取与选择；步骤4、情绪模式的学习和分类。本发明专利技术针对基于EEG的情绪识别技术在稳定性、准确性和实用性方面的要求，对基于EEG进行情绪识别中的伪迹自动去除方法、特征选择方法以及利用fMRI辅助的EEG通道选择方法等问题进行了研究，得到较好的情绪分类识别效果。

An emotion recognition method based on EEG signals

The invention relates to an emotion recognition method based on EEG signal comprises: Step 1, EEG signal acquisition: a multi channel EEG acquisition equipment acquisition test EEG; preprocessing step 2, EEG: EEG signal of the preprocessing step 1, to reduce the false trace interference, improve the final recognition rate; step 3, feature extraction and selection; learning and classification step 4, emotional patterns. The present invention based on emotion recognition technology of EEG in stability, accuracy and practicality of the requirements, problems and characteristics of the automatic removal of artifacts of emotion recognition based on the EEG selection method and the use of fMRI aided EEG channel selection method and so on, get emotional recognition effect better.

【技术实现步骤摘要】
一种基于脑电信号的情绪识别方法
：本专利技术属于生物特征识别领域的脑电信号特征分类，具体涉及一种基于脑电信号的情绪识别方法。
技术介绍
：情绪是人的感觉、思想和行为的综合状态，它既包括人们由于个人经历对外界或自身剌激的心理反应，也包括随之产生的生理反应。情绪在人们的日常生活沟通交流中至关重要。脑机接口领域的情绪检测可以应用在多个领域，如：娱乐、教育、卫生保健，甚至市场营销领域。之前对于情绪的研究通常是使用人们的面部表情、声音和肢体语言等外在特征。虽然这些特征容易获取，但是也容易被伪装，尤其是当人们不想别人知道他们的内心想法时。所以，基于脑电信号的情绪识别引起更多关注。
技术实现思路
：本专利技术的目的是针对现有技术的不足，提供了一种基于脑电信号的情绪识别方法，通过基于EEG的情绪识别技术在稳定性、准确性和实用性方面的要求，对基于EEG进行情绪识别中的伪迹自动去除方法、特征选择方法以及利用fMRI辅助的EEG通道选择方法等问题进行了研究。本专利技术采用的技术方案在于：一种基于脑电信号的情绪识别方法，包括如下步骤：步骤1、脑电信号的采集：采用多通道脑电采集设备采集被试脑电信号；步骤2、脑电信号的预处理：对步骤1所得的脑电信号进行预处理，以减少伪迹干扰，提高最终分类识别率；步骤3、特征提取与选择；步骤4、情绪模式的学习和分类。优选地，步骤2所述的脑电信号的预处理，减少伪迹干扰的方法为基于先验信息的脑电伪迹在线自动去除方法。优选地，步骤3所述的特征提取方法采用的是过滤式(Filter)算法，所述的特征选择方法采用的是fMRI通道选择方法。优选地，步骤4所述的情绪模式的学习和分类主要可分为无监督的学习方法和有监督的学习方法两大类。本专利技术的有益效果是：本专利技术提供了一种基于脑电信号的情绪分类方法，该方法对脑电数据进行特征提取时，与以往不同的是，针对基于EEG的情绪识别技术在稳定性、准确性和实用性方面的要求，对基于EEG进行情绪识别中的伪迹自动去除方法、特征选择方法以及利用fMRI辅助的EEG通道选择方法等问题进行了研究，得到较好的情绪分类识别效果。具体实施方式：步骤1、脑电信号的采集：采用多通道脑电采集设备采集被试脑电信号。步骤2、脑电信号的预处理，对步骤1所得的脑电信号进行预处理，以减少伪迹干扰，提高最终分类识别率。所述的脑电信号的预处理，减少伪迹干扰的方法为基于先验信息的脑电伪迹在线自动去除方法，该方法通过增加少量时间的特异性伪迹先验信息在线采集部分，来克服伪迹先验信息与单次采集数据不匹配的问题。再利用结合小波分析的独立成分分析方法(WICA)进行伪迹成分分离，基于相关性判别分析实现伪迹成分的自动识别和去除，达到了仅利用少量伪迹先验信息便可有效分离和去除相应伪迹成分的目的。主要包括伪迹先验信息的在线采集和基于WICA和相关性判别的伪迹自动去除两个部分。步骤3、特征提取与选择。所述的特征提取方法采用过滤式(Filter)算法，其使用的评价准则共有四种：距离度量、信息度量、依赖度度量和一致性度量。下面分别对两种经典算法：以距离为度量的ReliefF算法和以信息为度量的FCBF算法进行重点介绍。Relief算法是根据特征对距离相近样本的区分能力来计算相关性的。首先随机从训练集D中取出一个样本R，然后在与R同类的样本中找出最近邻的样本H，称之为NearHit，在与R不同类的样本中找出最近邻的样本M，称之为NearMiss，然后根据如下规则来对每个特征的权重进行更新：如果R和H在某个特征上的距离小于R和M上的距离，那么说明该特征对于区分最近邻样本是否为同一类是有益的，则增加此特征的权重；相反，如果R和H在某个特征上的距离大于R和M上的距离，那么说明该特征对于区分最近邻样本是否为同一类起到了负面作用，则降低此特征的权重。重复以上过程m次，最终可以求出每个特征的平均权重。权重越大的特征对于正确分类的贡献就越大。Relief算法的运行效率与原始特征个数N和样本的抽样次数m有关。FCBF是基于互相关性度量的一种特征提取算法。该算法的主要思想是，计算出所定义的C-相关(表示特征和类别间的相互关系)和F-相关(表示特征之间的相互关系)，然后去除掉C-相关值小于所设定阈值的特征，再对剩余的特征进行冗余分析。所述选取采用的是fMRI通道选择方法。利用fMRI进行大脑功能研究，主要有静息态脑功能研究和任务相关脑功能研究两个方面。其中，任务相关的脑功能研究是通过精心设计实验任务，获得不同任务刺激条件下大脑BOLD响应信号，最终通过统计分析或者模式学习的方法来研究脑功能活动和不同任务刺激条件间的关系。步骤4、情绪模式的学习和分类。所述的情绪模式的学习和分类主要可分为无监督的学习方法和有监督的学习方法两大类。以上所述，仅为本专利技术较佳的具体实施方式，这些具体实施方式都是基于本专利技术整体构思下的不同实现方式，而且本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本专利技术的保护范围之内。因此，本专利技术的保护范围应该以权利要求书的保护范围为准。本文档来自技高网...

【技术保护点】
一种基于脑电信号的情绪识别方法，其特征在于，包括如下步骤：步骤1、脑电信号的采集：采用多通道脑电采集设备采集被试脑电信号；步骤2、脑电信号的预处理：对步骤1所得的脑电信号进行预处理，以减少伪迹干扰，提高最终分类识别率；步骤3、特征提取与选择；步骤4、情绪模式的学习和分类。

【技术特征摘要】
1.一种基于脑电信号的情绪识别方法，其特征在于，包括如下步骤：步骤1、脑电信号的采集：采用多通道脑电采集设备采集被试脑电信号；步骤2、脑电信号的预处理：对步骤1所得的脑电信号进行预处理，以减少伪迹干扰，提高最终分类识别率；步骤3、特征提取与选择；步骤4、情绪模式的学习和分类。2.根据权利要求1所述的一种基于脑电信号的情绪识别方法，其特征在于，步骤2所述的脑电信号的预处理...

【专利技术属性】
技术研发人员：韦琦，金子敦，马群，张付浩，朱莹莹，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23