【技术实现步骤摘要】
听觉注意状态觉醒度识别方法、装置及存储介质
本专利技术涉及脑电信号特征提取与模式识别
，尤其涉及一种基于脑电信号的听觉注意状态觉醒度识别方法、装置及存储介质。
技术介绍
情感，是人对客观事物是否满足自己的需要而产生的态度体验，它综合了人的感觉、思想和行为的状态。目前，研究者们尚未对情感给出统一的定义，但是普遍同意：情感是在强烈的神经冲动下产生、且与大脑皮层密不可分的主观状态，它能够使人产生积极或是消极的心理反应，从而使相应的机体组织行动起来。情感是复杂的，是对人类有特殊意义的一种意识体验或经历，并包含一组协调的反应，其中可能包括了口头的、生理的、行为上的和神经上的机制。目前，被广泛接受的三种情感模型，分别是离散情感模型、维度情感模型以及基于认知评价的情感模型。然而，随着情感问题研究的深入，学者们发现离散型情感不能反映情感在表达和传递过程中的复杂性和丰富性，例如，人们在日常交往中经常表现出更为复杂细腻的情感，如思考、失望、尴尬、欣赏等。因此，维度情感模型逐渐受到研究者的关注。目前，最常用的维度型情感模型是：觉醒—效价模型(Arousal-Valence模型)。...
【技术保护点】
1.一种基于脑电信号的听觉注意状态觉醒度识别方法，其特征在于，包括以下步骤：获取待测试的脑电信号；基于所述待测试的脑电信号，进行第一级基于集合经验模态分解，再利用训练过程构建的第一级主成分滤波器，对第一级集合经验模态分解本征模函数分量进行主成分滤波的特征抽取；基于第一级特征提取信号,进行第二级基于集合经验模态分解，再利用训练过程构建的第二级主成分滤波器，对第二级集合经验模态分解本征模函数分量进行主成分滤波的特征抽取；基于第二级特征提取信号,对抽取特征信号进行基于方差统计量的特征向量计算；基于特征向量计算结果以及训练过程构建的机器学习分类器，提取测试过程中基于脑电信号的听觉注意状态觉醒度。
【技术特征摘要】
1.一种基于脑电信号的听觉注意状态觉醒度识别方法，其特征在于，包括以下步骤：获取待测试的脑电信号；基于所述待测试的脑电信号，进行第一级基于集合经验模态分解，再利用训练过程构建的第一级主成分滤波器，对第一级集合经验模态分解本征模函数分量进行主成分滤波的特征抽取；基于第一级特征提取信号,进行第二级基于集合经验模态分解，再利用训练过程构建的第二级主成分滤波器，对第二级集合经验模态分解本征模函数分量进行主成分滤波的特征抽取；基于第二级特征提取信号,对抽取特征信号进行基于方差统计量的特征向量计算；基于特征向量计算结果以及训练过程构建的机器学习分类器，提取测试过程中基于脑电信号的听觉注意状态觉醒度。2.根据权利要求1所述的方法，其特征在于，所述获取待测试的脑电信号的步骤之前还包括：获取训练过程中的脑电信号；基于所述训练过程中的脑电信号，进行第一级基于集合经验模态分解、构建第一级主成分滤波器和主成分滤波的特征抽取，以及进行第二级基于集合经验模态分解、构建第二级主成分滤波器和主成分滤波的特征抽取；对抽取特征信号进行基于方差统计量的特征向量计算；基于特征向量计算结果构建机器学习分类器。3.根据权利要求2所述的方法，其特征在于，基于集合经验模态分解、构建主成分滤波器和主成分滤波的特征抽取的步骤包括：获取训练过程中脑电信号的时间序列信号；对时间序列信号进行集合经验模态分解，得到高觉醒度和低觉醒度下时间序列信号的前四阶(第1,2,3,4阶)本征模函数成分；利用高觉醒度和低觉醒度下时间序列信号的前四阶(第1,2,3,4阶)本征模函数成分，构造主成分滤波器；使用构建完成的主成分滤波器，对前四阶本征模函数成分进行主成分滤波处理，得到特征抽取出的四个时间序列信号。4.根据权利要求3所述的方法，其特征在于，所述对时间序列信号进行集合经验模态分解的步骤包括：假定脑电信号相空间重构的窗口长度w初始化值为1，对于长度为N一维时间序列信号t(n)，n＝1,2,3,···,N，添加白噪声和零均值化处理，得到信号x(n)；确定信号x(n)所有的局部极大值和极小值；利用三次样条曲线分别对信号x(n)所有的局部极大值进行拟合，形成上包络线env_max(n)；对信号x(n)所有的局部极小值点进行...
【专利技术属性】
技术研发人员：陆云，王明江，韩宇菲，张啟权，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：广东,44
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。