一种基于脑电波的多维情绪语义识别系统及其处理方法技术方案

本发明专利技术提供了一种基于脑电波的多维情绪语义识别系统及其处理方法，该系统包括：数据采集和数据库管理模块，进行数据采集、数据分类和数据预处理，构建情绪识别本体数据库；情绪分析模块，分析脑电波的波峰波谷组合片段特征，挖掘脑电波下不同情绪的识别规则集；情绪识别模块，将所述情绪识别规则集与使用者数据中识别的波动特征进行综合分析，准确识别用户情绪。该系统和方法涉及的情感类别广，具有普适性，深入考量了脑电波的波形相似性以及波段中波峰波谷变化的明显特征，强化了情绪识别规则之间的关联性，分析了不同情感的脑电波变化规律，深入挖掘脑电波各波段之间的显著特征，实现对使用者情感状况的识别，其精确度高，识别速度快。

【技术实现步骤摘要】
一种基于脑电波的多维情绪语义识别系统及其处理方法
本专利技术涉及人工智能中的情绪识别领域，特别是涉及一种基于脑电波的情绪识别系统及其处理方法。
技术介绍
基于脑电波的情绪识别是脑电波识别应用中重要的一部分，该情绪识别方法是以脑电波信号数据为数据源进行处理，识别与分析出目标情绪状态。主流的基于脑电波的情绪分析以信号波形通用特征作为识别的依据，其核心在于对波形进行整体式分析，而噪声波段易对特征提取造成影响；同时，个体情绪的产生存在瞬时性与差异性，其波形变化应与普通波形分析方法相区别。目前，基于脑电波的情绪分析研究依然局限于:仅针对情绪极性进行分析处理，如正面情绪、负面情绪和中性情绪；或仅针对少量情绪类别进行分析处理，如开心、难过、惊讶、恐惧等，使得其应用场景受限。而对于需要多维度的情绪分析而言，所达到的层次不足以支撑后续的研究，因此现阶段的基于脑电波的情绪分析技术仍无法实现高精度的分析与处理。
技术实现思路
本专利技术的目的在于提出一种基于脑电波的多维情绪语义识别系统及其处理方法，解决目前基于脑电波的情绪识别分析本文档来自技高网...

【技术保护点】
1.一种基于脑电波的多维情绪语义识别系统，其特征在于，包括：/n数据采集和数据库管理模块，进行数据采集、数据分类和数据预处理，构建情绪识别本体数据库，该模块包括数据采集装置、数据分类装置、数据预处理装置；/n情绪分析模块，分析脑电波的波峰波谷组合片段特征，挖掘脑电波下不同情绪的识别规则集，该模块包括情绪量化装置、脑电波情绪识别规则挖掘装置和关键属性分析计算装置；/n情绪识别模块，将数据采集装置中获取的使用者脑电波数据，通过数据预处理以及关键属性分析计算后，与所述情绪识别规则集进行综合分析，准确识别用户情绪。/n

【技术特征摘要】
1.一种基于脑电波的多维情绪语义识别系统，其特征在于，包括：
数据采集和数据库管理模块，进行数据采集、数据分类和数据预处理，构建情绪识别本体数据库，该模块包括数据采集装置、数据分类装置、数据预处理装置；
情绪分析模块，分析脑电波的波峰波谷组合片段特征，挖掘脑电波下不同情绪的识别规则集，该模块包括情绪量化装置、脑电波情绪识别规则挖掘装置和关键属性分析计算装置；
情绪识别模块，将数据采集装置中获取的使用者脑电波数据，通过数据预处理以及关键属性分析计算后，与所述情绪识别规则集进行综合分析，准确识别用户情绪。


2.如权利要求1所述的一种基于脑电波的多维情绪语义识别系统，其特征在于，所述数据采集装置，采集基于使用者的脑电波数据、情绪词典和基于情绪标签的脑电波数据。


3.如权利要求1所述的一种基于脑电波的多维情绪语义识别系统，其特征在于，所述数据分类装置，对所述采集装置采集的数据进行类别划分，类别分为：
1）基于使用者的脑电波数据U，包括使用者ID、使用者年龄、使用者性别、脑电波信号采样率、脑电波信号振幅；
2）情绪词典L：包括情绪类别、情绪词、情绪相似度；
3）基于情绪标签的脑电波数据E：包括脑电波信号采样率、脑电波信号振幅、情绪标签。


4.如权利要求1所述的一种基于脑电波的多维情绪语义识别系统，其特征在于，所述数据预处理装置设置为：
1）构建情绪字典L={EC,EW,ES}，其中EC是情绪类别，EW是情绪词，ES是情绪相似度；
2）根据脑电波数据，对脑电信号进行波段分解，获取α波、β波、γ波、δ波和θ波的波段集合WF={α,β,γ,δ,θ}；
3）根据波段集合WF，定义波峰波谷组合片段集F={AML{WF,W,T,R}}，其中W是检测标注的波峰，T是检测标注的波谷，R是基于振幅范围的波动等级识别指标，AML是振幅等级。


5.如权利要求1所述的一种基于脑电波的多维情绪语义识别系统，其特征在于，所述情绪量化装置设置为：
1）根据所述情绪词典L={EC,EW,ES}，将情绪量化定义为：基于情绪效价V、情绪唤醒度A、基本情绪BE和基本情绪对应角度BA的二维情绪量化坐标系；
2）设定情绪量化角度Ang={BAmin,Ci,BEm,BEn},其中Ci是i个情绪类别中某一个情绪类别,BEm是情绪类别Ci与某个基本情绪之间最大的情绪相似度,BEn是情绪类别Ci与某个基本情绪之间第二大的情绪相似度，BAmin是BEm与BEn对应基本情绪角度中最小值，Ang是情绪类别Ci在二维情绪量化坐标系中的角度，采用公式Angi=BAmin＋45/(BEm/BEn＋1)；
3）设定情绪参考坐标(Xm,Ym)={Angi,Def,BEm},其中Def是二维情绪量化坐标最大值，Xm是情绪类别Ci基于情绪相似度BEm的情绪效价坐标，Ym是情绪类别Ci基于情绪相似度BEm的情绪唤醒度坐标,采用公式（Xm,Ym）=(Def•BEm,Def•BEm•tan(Angi/180•π))；
4）设定情绪参考坐标(Xn,Yn)={Angi,Def,BEn},其中Xn是情绪类别Ci基于情绪相似度BEn的情绪效价坐标，Yn是情绪类别Ci基于情绪相似度BEn的情绪唤醒度坐标,采用公示（Xn,Yn）=(Def•BEn/cos((45-Angi)/180•π)•cos(Angi/180•π),Def•BEn/cos((45-Angi)/180•π)•sin(Angi/180•π))；
5）设定情绪坐标(Xi,Yi)={Xm,Ym,Xn,Yn,Xmin,Ymin},其中Xi是情绪类别Ci的情绪效价坐标，Yi是情绪类别Ci的情绪唤醒度坐标，Xmin是Xm和Xn中的最小值，Ymin是Ym和Yn中的最小值，采用公示（Xi,Yi）=(∣Xm-Xn∣＋min(Xm,Xn),∣Ym-Yn∣＋min(Ym,Yn))；
6）设定扩展情绪EEd的情绪坐(Xe,Ye)={CSm,CSn,Cm,Cn,Xcm,Ycm,Xcn,Ycn},将扩展情绪EEd与现存情绪映射坐标中每个情绪进行遍历，其中CSm为EEd与现存情绪映射坐标中最大情绪相似度，Cm为CSm对应的情绪类别，CSn为EEd与现存情绪映射坐标中第二大情绪相似度，Cn为CSn对应的情绪类别，Xcm为情感类别Cm在情感量化坐标系中的X坐标，Ycm为情感类别Cm在情感量化坐标系中的Y坐标，Xcn为情感类别Cn在情...

【专利技术属性】
技术研发人员：王玲，周铁华，刘航宇，
申请(专利权)人：吉林市不凡时空科技有限公司，
类型：发明
国别省市：吉林;22