【技术实现步骤摘要】
基于脑电信号的时间迁移情绪识别方法及系统
本专利技术属于脑电数据识别
，特别涉及一种基于脑电信号的时间迁移情绪识别方法及系统。
技术介绍
情绪是人对外界或自身刺激的生理和心理反应，对我们的工作生活有着重要的影响。在人机交互过程中准确地识别使用者的情绪，可提高人机交互体验和机器的智能化水平。脑电是伴随着大脑神经活动而产生的电信号，人的不同情绪状态可以通过脑电信号的变化反映出来。同时脑电信号具有获取方便、时间分辨率高、不可伪装的特点，基于脑电的情绪识别在脑机接口等领域得到广泛应用。在基于脑电信号的情绪识别的现实应用中，基于之前采集的情绪脑电信号提供的先验信息，对当前采集的脑电信号进行分类，从而实现时间迁移情绪识别。但是由于人的基线情绪，饮食，体温等其他不可控因素的变化会造成情绪脑电信号的非平稳性，即同一名被试先前实验中采集的脑电信号的情绪特征与当前实验中采集的脑电信号的情绪特征分布差异较大，实验者在进行不同天的情绪识别时效果较差。当前针对基于脑电信号的时间迁移情绪识别问题主要有两大解决思路，第一种即找出稳定的不随时...
【技术保护点】
1.一种基于脑电信号的时间迁移情绪识别方法，其特征在于，包含如下内容：/n针对目标对象，对其情绪图片的原始脑电信号进行分段，并提取预设时间段内情绪图片呈现的情绪脑电数据，对情绪脑电数据进行预处理，该预处理至少包含平均参考和基线校正处理、去除眨眼伪迹处理及带通滤波处理；/n将预处理后的脑电数据信号划分为多个频段，从时域、频域、时频域及脑电网络属性中提取该多个频段内的情绪脑电特征；针对提取的情绪脑电特征，通过支持向量机分类器进行情绪分类，从中挑选出稳定情绪脑电特征；/n构建用于通过迭代进行训练测试的多分类渐进直推式支持向量机分类器，该多分类渐进直推式支持向量机分类器包含多分类条...
【技术特征摘要】
1.一种基于脑电信号的时间迁移情绪识别方法，其特征在于，包含如下内容：
针对目标对象，对其情绪图片的原始脑电信号进行分段，并提取预设时间段内情绪图片呈现的情绪脑电数据，对情绪脑电数据进行预处理，该预处理至少包含平均参考和基线校正处理、去除眨眼伪迹处理及带通滤波处理；
将预处理后的脑电数据信号划分为多个频段，从时域、频域、时频域及脑电网络属性中提取该多个频段内的情绪脑电特征；针对提取的情绪脑电特征，通过支持向量机分类器进行情绪分类，从中挑选出稳定情绪脑电特征；
构建用于通过迭代进行训练测试的多分类渐进直推式支持向量机分类器，该多分类渐进直推式支持向量机分类器包含多分类条件下的区域标注和标签重置过程，以实现在迭代中对输入的情绪脑电特征样本标签的筛选修正和重置；
利用稳定情绪脑电特征对多分类渐进直推式支持向量机分类器训练学习；针对目标对象待分类的情绪脑电信号，利用训练学习后的多分类渐进直推式支持向量机分类器进行分类，以实现基于脑电信号的时间迁移情绪识别。
2.根据权利要求1所述的基于脑电信号的时间迁移情绪识别方法，其特征在于，利用快速独立分量分析Fastica算法去除眨眼伪迹；通过切比雪夫滤波器进行带通滤波处理，以去除数据信号中大于设定幅值的数据段。
3.根据权利要求1所述的基于脑电信号的时间迁移情绪识别方法，其特征在于，将脑电数据信号划分为5个频段，该5个频段依次为4-8Hz、8-13Hz、13-30Hz、30-50Hz及50-80Hz；提取该5个频段内的能量特征、微分熵特征、脑电网络属性及时域分形维数特征。
4.根据权利要求3所述的基于脑电信号的时间迁移情绪识别方法，其特征在于，所述脑电网络属性包含聚类系数、特征路径长度、局部效率及全局效率。
5.根据权利要求1所述的基于脑电信号的时间迁移情绪识别方法，其特征在于，通过支持向量机分类器并利用基于后向特征选择算法，从提取的情绪脑电特征中筛选出稳定情绪脑电特征。
6.根据权利要求5所述的基于脑电信号的时间迁移情绪识别方法，其特征在于，稳定情绪脑电特征筛选，包含如下内容：首先，将提取的情绪脑电特征送入支持向量机分类器中进行单次实验情绪分类，然后，在基于支持向量机分类器进行时间迁移情绪脑电分类的迭代过...
【专利技术属性】
技术研发人员：曾颖，杨凯，童莉，闫镔，舒君，包广城，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南;41
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。