一种复杂情绪场景下的脑电信号数据分类方法技术

一种复杂情绪场景下的脑电信号数据分类方法，包括以下步骤：(1)采集原始数据：让受测者首先平静若干分钟，之后通过不同的电影短片引导受测者的情绪，采集实时脑电信号数据，采集到若干数据则结束测试；(2)将采集好的数据运用归一化进行预处理：将采集好的数据运用归一化进行预处理，减少该方法的数据运算的时间复杂度；(3)在数据进行了预处理后，首先将数据进行快速傅里叶变换，如公式[1]，之后对于运算后的数据进行主成分分析(PCA)。本发明专利技术的有益效果是本方法可以有效的运用在各个复杂情绪场景下对于脑电数据进行有效的分类，可以被广泛运用于医学检测，测谎和人机交互领域。

A classification method of EEG signals in complex emotional scenes

A method of classification of EEG data data in complex emotional scenes, including the following steps: (1) collecting the original data: let the recipient first calm a number of minutes, then guide the subjects' emotions through different films, collect real-time EEG data, collect a number of data and end the test; (2) it will be collected. The data is preprocessed using normalization: preprocessing the collected data using normalization to reduce the time complexity of the data operation of this method; (3) after the data is preprocessed, the data is first transformed by fast Fu Liye transform, such as formula [1], and then the principal component analysis (PCA) is performed on the data after the operation. The beneficial effect of the invention is that the method can effectively classify the EEG data in various complex emotional scenes, and can be widely used in the fields of medical detection, lie detection and human-computer interaction.

【技术实现步骤摘要】
一种复杂情绪场景下的脑电信号数据分类方法
本专利技术涉及一种脑电信号的数据分类系统，具体涉及一种复杂情绪场景下的脑电信号数据分类方法。
技术介绍
近些年来，随着生物工程领域及数据挖掘领域的研究和发展，基于脑电信号的非侵入式脑机接口技术发展的越来越成熟，研究者希望可以通过脑电信号判别越来越复杂的情绪种类，因为脑电信号具有数据维度高，噪点多，实时性强等特点，传统的脑电信号数据分类方法大多只可以识别5种一下的情绪类别，而另一些支持高精度和多分类的脑电信号数据分类方法则运算速度过长，无法满足实际产品中的需求。例如北京工业大学于2014年申请的《一种基于决策树的脑电信号特征选择方法》和天津大学于2013年申请的《一种跨诱发模式情绪脑电识别建模方法》，在实际的测试中针对于5类及以下的脑电信号数据分类测试均有较好的表现，但是在复杂的5类以上的脑电信号分类中都没有理想的效果。本专利技术的目的就是提供一种在5种以上的复杂情绪场景下的脑电数据分类方法，用以满足实际产品的需求。
技术实现思路
本专利技术的目的在于提供一种复杂情绪场景下的脑电信号数据分类方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种复杂情绪场景下的脑电信号数据分类方法，包括以下步骤：(4)采集原始数据：让受测者首先平静若干分钟，之后通过不同的电影短片引导受测者的情绪，采集实时脑电信号数据，采集到若干数据则结束测试；(5)将采集好的数据运用归一化进行预处理：将采集好的数据运用归一化进行预处理，减少该方法的数据运算的时间复杂度；(6)在数据进行了预处理后，首先将数据进行快速傅里叶变换，如公式[1]，之后对于运算后的数据进行主成分分析，将公式[1]的结果带入主成分分析算法的协方差公式，样本的训练样本集为{X(1)，X(2)，…，X(K)}可得公式[2]，最终完成整个数据特征提取工作；(4)使用加权的KNN算法进行特征分类运算：加权的KNN算法可以更好的解决多类的数据集分类问题且运算时间复杂度低。算法假定所有例子都处于N维空间，每一个例子都被表示为特征向量<a1(x)，a2(x)，...an(x)>这里ar(x)表示例子x第r个属性值，那么两个例子xi，xj之间的相似度可以采用欧氏距离，设Wj为特征权值，加权方法采用文献提出的加权方法，公式可简化如下：作为本专利技术进一步的方案是：所述步骤(1)共选取了十种不同复杂情绪场景。作为本专利技术再进一步的方案是：所述步骤(1)中受测者的冷静时间为10min-20min。本专利技术的有益效果是本方法可以有效的运用在各个复杂情绪场景下对于脑电数据进行有效的分类，可以被广泛运用于医学检测，测谎和人机交互领域。附图说明图1为本专利技术的流程框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术实施例中，一种复杂情绪场景下的脑电信号数据分类方法，包括以下步骤：(7)采集原始数据：让受测者首先平静若干分钟，之后通过不同的电影短片引导受测者的情绪，采集实时脑电信号数据，采集到若干数据则结束测试；(8)将采集好的数据运用归一化进行预处理：将采集好的数据运用归一化进行预处理，减少该方法的数据运算的时间复杂度；(9)在数据进行了预处理后，首先将数据进行快速傅里叶变换，如公式[1]，之后对于运算后的数据进行主成分分析(PCA)，将公式[1]的结果带入主成分分析(PCA)算法的协方差公式，样本的训练样本集为{X(1)，X(2)，...，X(K)}可得公式[2]，最终完成整个数据特征提取工作，该运算的主要目的是在有效提取数据集特征值的基础上降低数据集的维度且剔除数据集中的噪声，使得该方法可以大大减少运算的时间复杂度的同时还可以提升最终精度；(4)使用加权的KNN算法进行特征分类运算：加权的KNN算法可以更好的解决多类的数据集分类问题且运算时间复杂度低。算法假定所有例子都处于N维空间，每一个例子都被表示为特征向量<a1(x)，a2(x)，...an(x)>这里ar(x)表示例子x第r个属性值，那么两个例子xi，xj之间的相似度可以采用欧氏距离，设Wj为特征权值，加权方法采用文献提出的加权方法，公式可简化如下：所述步骤(1)共选取了十种不同复杂情绪场景。所述步骤(1)中受测者的冷静时间为10min-20min。本方法对于10种复杂情绪场景下的脑电数据分类方法进行了测试，取得了良好的结果，实践证明本方法可以有效的运用在各个复杂情绪场景下对于脑电数据进行有效的分类，可以被广泛运用于医学检测，测谎和人机交互领域。对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的精神或基本特征的情况下，能够以其他的具体形式实现本专利技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本专利技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本专利技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。本文档来自技高网...

【技术保护点】
1.一种复杂情绪场景下的脑电信号数据分类方法，其特征在于，包括以下步骤：(1)采集原始数据：让受测者首先平静若干分钟，之后通过不同的电影短片引导受测者的情绪，采集实时脑电信号数据，采集到若干数据则结束测试；(2)将采集好的数据运用归一化进行预处理：将采集好的数据运用归一化进行预处理，减少该方法的数据运算的时间复杂度；(3)在数据进行了预处理后，首先将数据进行快速傅里叶变换，如公式[1]，之后对于运算后的数据进行主成分分析，将公式[1]的结果带入主成分分析算法的协方差公式，样本的训练样本集为{X(1)，X(2)，...，X(K)}，可得公式[2]，最终完成整个数据特征提取工作；

【技术特征摘要】
1.一种复杂情绪场景下的脑电信号数据分类方法，其特征在于，包括以下步骤：(1)采集原始数据：让受测者首先平静若干分钟，之后通过不同的电影短片引导受测者的情绪，采集实时脑电信号数据，采集到若干数据则结束测试；(2)将采集好的数据运用归一化进行预处理：将采集好的数据运用归一化进行预处理，减少该方法的数据运算的时间复杂度；(3)在数据进行了预处理后，首先将数据进行快速傅里叶变换，如公式[1]，之后对于运算后的数据进行主成分分析，将公式[1]的结果带入主成分分析算法的协方差公式，样本的训练样本集为{X(1)，X(2)，...，X(K)}，可得公式[2]，最终完成整个数据特征提取工作；(4)使用加权的KNN算法进行特征分类...

【专利技术属性】
技术研发人员：陈东伟，邓春健，缪睿，张刘，徐立，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：广东,44