一种基于脑电信号的视听诱发情绪识别方法及系统技术方案

本发明专利技术提供了一种基于脑电信号的视听诱发情绪识别方法及系统，其中的方法包括：首先采集基于视听诱发产生的脑电信号，通过带通滤波器进行预处理；然后对多通道脑电信号进行非均匀采样的多元经验模态分解，选择有效的固有模态函数提取情绪脑电信号特征；接着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；再将选择好的特征子集输入到支持向量机中进行分类，获得分类结果，最后根据分类结果，获得情绪识别结果，实现情绪识别。本发明专利技术在探索情绪脑电规律的基础上开展了多类诱发方式的情绪识别方法研究，有效提升了识别准确率。

A Method and System of Audiovisual Emotion Recognition Based on EEG Signal

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，情绪脑电研究过程具体如下：信号采集、预处理、特征提取和选择、模式识别，其中情绪识别的准确率很大程度上取决于从脑电信号中提取的特征和送入分类器中的特征向量，这也是限制维度模型下情绪识别正确率的两大因素；其次现实生活中情绪往往是由多类刺激源诱发，因此多类诱发方式下情绪维度空间的识别研究需进一步开展。由上可知，现有技术的识别方法存在情绪识别准确率不高的技术问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于脑电信号的视听诱发情绪识别方法及系统，用以解决或者至少部分解决现有技术的识别方法存在情绪识别准确率不高的技术问题。本专利技术第一方面提供了1、一种基于脑电信号的视听诱发情绪识别方法，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。基于同样的专利技术构思，本专利技术第二方面提供了一种基于脑电信号的视听诱发情绪识别系统，包括：信号采集模块，用于采集基于视听诱发产生的脑电信号；预处理模块，用于通过带通滤波器进行预处理，获得多通道脑电信号；特征提取模块，用于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；特征筛选模块，用于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；分类模块，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；情绪识别模块，用于根据分类结果，获得情绪识别结果。基于同样的专利技术构思，本专利技术第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被执行时实现第一方面的所述的方法。本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：在本专利技术提供的基于脑电信号的视听诱发情绪识别方法，首先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，通过多元经验模态分解方法(MEMD)可以有效地提取脑电信号特征，从而可以提高情绪脑电信号的分类正确率，并且针对特征提取过程中存在特征冗余、特征维度高的问题，以SFFS(序列浮动前向选择方法)作为最优特征集合选入和剔除的搜索策略，结合过滤器和封装器作为最优特征子集的评价准则，提出了混合SFFS的特征选择算法来优化特征提取形成的高维向量空间，可以有效降低特征维度、剔除冗余特征的同时提高脑电信号的分类准确性，然后通过分类结果可以得到情绪识别结果，故而可以提高情绪识别的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一种实施例中基于脑电信号的视听诱发情绪识别方法的流程图；图2为本专利技术另一种实施方式中情绪识别方法的总体流程图；图3为信号采集仪与脑电帽示意图；图4为非均匀采样的多元经验模态分解方法的流程图；图5为混合序列浮动前向选择方法的流程图；图6为情绪图片诱发实验界面；图7为情绪在线识别系统界面；图8为本专利技术实施例中基于脑电信号的视听诱发情绪识别系统的结构框图；图9为本专利技术实施例中计算机可读存储介质的结构图。具体实施方式本专利技术实施例提供了一种基于脑电信号的视听诱发情绪识别方法及系统，通过多通道数据自适应选择投影方向的非均匀采样经验模态分解方法和基于混合序列浮动前向选择的特征选择方法来完成多类诱发方式下情绪维度空间的识别和基于脑电信号的情绪识别系统搭建，可以实现提高情绪识别准确性的技术效果。为了达到上述技术效果，本专利技术的总体思路如下：首先采集基于视听诱发产生的脑电信号，通过带通滤波器进行预处理，然后对预处理后的对多通道脑电信号进行非均匀采样的多元经验模态分解，选择有效的固有模态函数提取情绪脑电信号特征，接着以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，对提取到的特征进行进一步的筛选，再将选择好的特征子集输入到支持向量机中进行分类获得分类结果，最后根据分类结果实现情绪识别。为使本专利技术实施例的目的、技术方案和优点更加清楚，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。实施例一本实施例提供了一种基于脑电信号的视听诱发情绪识别方法，请参见图1，该方法包括：首先执行步骤S1：采集基于视听诱发产生的脑电信号。具体来说，脑电信号(EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。在本实施方式中，通过听觉刺激和视觉刺激两种方式来诱发产生脑电信号。脑电信号的采集如图3所示，信号采集仪与脑电帽的示意图。然后执行步骤S2：通过带通滤波器进行预处理，获得多通道脑电信号。具体来说，可以通过带通滤波器对脑电信号进行4-45HZ滤波处理，可以消除其本文档来自技高网...

【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