The present invention provides an audiovisual evoked emotion recognition method and system based on EEG signal, which includes: firstly, acquisition of EEG signal based on audiovisual evoked, preprocessing by bandpass filter; secondly, multi-channel EEG signal is decomposed by multi-empirical mode decomposition with non-uniform sampling, and effective intrinsic mode function is selected to extract the characteristics of emotional EEG signal. Secondly, the sequential floating forward selection method is used as the search strategy to select and delete feature sets, and the features extracted from emotional EEG signals are screened by combining filter and encapsulator as the evaluation criteria of the optimal feature subset. Then, the selected feature subset is input into the support vector machine for classification, and the classification results are obtained. Finally, according to the classification results, the emotions are obtained. Recognition results, to achieve emotional recognition. On the basis of exploring the rules of emotional EEG, the invention carries out the research of emotion recognition methods of various induced modes, and effectively improves the recognition accuracy.
【技术实现步骤摘要】
一种基于脑电信号的视听诱发情绪识别方法及系统
本专利技术涉及脑电信号处理
,具体涉及一种基于脑电信号的视听诱发情绪识别方法及系统。
技术介绍
通过有效手段自动进行情绪识别对先进人机交互系统有着重要的意义,快速准确的情绪识别可以使人机交互过程更加友好和智能,因此情绪识别已经成为计算机科学和人工智能领域的热门课题。人的表情、语音、肢体和各类生理信号在一定程度上都可以反映心理状态和情绪变化,都可以作为情绪识别的信号源,但是人的行为特征、语言特征和表情特征等外在特征在很大程度上可以被人的主观意志影响并控制,而通过生理信号进行情绪识别无法人为掩饰隐藏,很难受到人的主观意志控制。因此脉搏、呼吸、皮肤电和脑电等生理信号常用于情绪识别研究中,其中脑电信号作为中枢神经生理信号,是大脑皮层表面神经元活动规律的表现,和情绪有着更加紧密的联系。近年来,先进的脑电采集设备愈发普及,信号精度和可靠性增加,在模式识别、机器学习和信号处理等领域中,脑电信号分析方法和工具得到迅速发展,基于脑电信号的情绪识别能够更加真实地反映人的情绪状态,其结果更加具有准确性和客观性,因此越来越多的学者使用脑电信号来研究情绪识别课题。现有技术中,情绪的二维坐标体系效价-唤醒度模型(Valence-Arousal,VA)是心理学界进行情感度量的重要模型之一。其中,效价代表受试对象的愉悦程度,可以分为正负效价,唤醒度代表受试对象心理激活的强烈程度和警觉水平,可以分为高低唤醒度。本专利技术申请人在实施本专利技术的过程中,发现现有方法中,主要存在下述技术问题:维度模型下情绪识别的正确率亟待提高,情绪脑电研究过 ...
【技术保护点】
1.一种基于脑电信号的视听诱发情绪识别方法,其特征在于,包括:步骤S1:采集基于视听诱发产生的脑电信号,步骤S2:通过带通滤波器进行预处理,获得多通道脑电信号;步骤S3:对多通道脑电信号进行非均匀采样的多元经验模态分解,并选择有效的固有模态函数提取情绪脑电信号特征;步骤S4:将序列浮动前向选择方法作为选择和删除特征集合的搜索策略,结合过滤器和封装器作为最优特征子集的评价准则,对提取出的情绪脑电信号特征进行筛选;步骤S5:将筛选出的特征子集输入至预设支持向量机中进行分类,获得分类结果;步骤S6:根据分类结果,获得情绪识别结果。
【技术特征摘要】
1.一种基于脑电信号的视听诱发情绪识别方法,其特征在于,包括:步骤S1:采集基于视听诱发产生的脑电信号,步骤S2:通过带通滤波器进行预处理,获得多通道脑电信号;步骤S3:对多通道脑电信号进行非均匀采样的多元经验模态分解,并选择有效的固有模态函数提取情绪脑电信号特征;步骤S4:将序列浮动前向选择方法作为选择和删除特征集合的搜索策略,结合过滤器和封装器作为最优特征子集的评价准则,对提取出的情绪脑电信号特征进行筛选;步骤S5:将筛选出的特征子集输入至预设支持向量机中进行分类,获得分类结果;步骤S6:根据分类结果,获得情绪识别结果。2.如权利要求1所述的方法,其特征在于,步骤S3具体包括:S3.1:计算多维空间的方向向量并对其进行重新定位,将输入信号映射到重定位的方向向量上,其中,多维空间的方向向量为n元序列代表一个n元信号,n维向量的长度为T,表示在(n-1)维球面上对应角的方向向量集,其中k=1,2,...,K;S3.2:计算所有方向向量上的瞬时时刻对应映射信号极值点,获得多元包络,根据多元包络获得信号均值,具体为:所有方向向量上的瞬时时刻对应映射信号极值点,l表示极值点位置,其中l∈[1,T],采用多元样条插值函数插值极值点得到K个多元包络再根据多元包括获得信号均值S3.3:根据输入信号与信号均值之间的差值获得固有模态分量,判断固有模态分量是否满足预设判断准则,如果满足,则将输入信号与固有模态分量的差值作为输入重新执行步骤S3.1,如果不满足,则将固有模态分量作为输入重新执行步骤S3.1,判断所有方向向量的极值点个数是否满足预设条件,如果满足,则输出分解结果,将其作为提取的情绪脑电信号特征。3.如权利要求2所述的方法,其特征在于,步骤S3.1具体包括:步骤S3.1.1:在(n-1)维球面上通过Hammersley序列采样法获得到n维空间的K个方向向量步骤S3.1.2:计算信号v(t)的离散程度d=1-e-cv,v(t)协方差矩阵的最大特征向量和其v1反向向量v2;步骤S3.1.3:计算每个方向向量到v1的欧式距离,选择一半的方向向量离v1较近,通过重新定位,选择另一半的方向向量离v2较近,通过重新定位;步骤S3.1.4:将输入信号v(t)映射到每个方向向量上从而得到空间非均匀映射向量4.如权利要求2所述的方法,其特征在于,在步骤S3.3后,所述方法还包括:选取与每个导联相关系数最大的前4个固有模态分量进行特征提取,提取各阶分量的平均能量、能量百分比和相邻分量的幅值差、左右脑电极对的不对称性、Hjorth参数、Higuchi分形特征作为特征量。5.如权利要求1所述的方法,其特征在于,步骤S4具体包括:步骤S4.1:从原始特征集合Ym中查找出一个评估JF值最优的特征,循环查找,直到已选择的特征数Xk满足起始特征数,其中,JF表示基于几何距离的可分性判据中基于散布矩阵的类别可分性度量,在混合SFFS中,Ym表示具有m个特...
【专利技术属性】
技术研发人员:陈昆,艾青松,刘泉,何悦,
申请(专利权)人:武汉理工大学,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。