融合ERP成分与非线性特征的意识情绪识别方法及系统技术方案

本公开公开了融合ERP成分与非线性特征的意识情绪识别方法及系统，首先，对原始脑电信号进行预处理，预处理步骤包括伪迹去除、叠加平均和通道选择；其次，提出了一个基于Shapelet技术的ERP特征匹配与提取方法，自动提取N200、P300和N300等ERP特征；第三，采用集成的时频分析方法变分模态分解VMD和小波包分解WPD获取更好的时频分辨率和EEG信号的非线性特征，进一步提取非线性特征MMSE，并将其与ERP特征融合形成情绪特征向量；最后，将融合的特征向量输入随机森林分类器进行意识情绪与无意识情绪识别。无意识情绪识别。无意识情绪识别。

【技术实现步骤摘要】
融合ERP成分与非线性特征的意识情绪识别方法及系统


[0001]本申请涉及情绪识别
，特别是涉及融合ERP成分与非线性特征的意识情绪识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本申请相关的
技术介绍
，并不必然构成现有技术。
[0003]情绪的好坏决定着我们的生活质量，甚至会影响我们的生命健康。积极的情绪会使我们对生活充满希望，进而对我们的日常生活、工作和学习有一定的促进作用，消极的情绪则相反，甚至会使人患上严重的精神疾病因此失去宝贵的生命。随着脑与认知神经科学的发展，脑电(Electroencephalogram，EEG)信号由于不仅具有无创、客观性强、不易伪装、高时间分辨率和成本低等特性，而且可以真实的反映人类情绪状态的有效信息，面向脑电信号的情感识别逐渐成为了人机交互领域的研究热点之一。
[0004]如何自动化的提取反映脑电信号本质的特征和提高情感识别的准确度是研究者们关心的首要问题，也是一直努力实现的研究目标。时频分析可以同时表示信号在时域和频域的瞬时变化，是一种被用来处理非平稳和非线性时间序列的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.融合ERP成分与非线性特征的意识情绪方法，其特征是，包括：获取原始脑电信号，对所述原始脑电信号进行预处理；对预处理后的脑电信号，提取ERP特征；对预处理后的脑电信号，提取多尺度样本熵MMSE特征；将ERP特征和多尺度样本熵MMSE特征进行融合，得到融合特征；将融合特征输入到训练后的分类器中，输出情绪识别结果。2.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，获取原始脑电信号，对所述原始脑电信号进行预处理；具体包括：对获取的原始脑电信号去除伪迹，然后叠加平均，最后进行意识情绪识别的通道选择，选择与意识情绪相关的通道，最终得到预处理后的脑电信号。3.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，对预处理后的脑电信号，提取ERP特征；具体包括：对预处理后的脑电信号，基于Shapelet算法进行ERP特征匹配与提取，提取出若干个ERP特征。4.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，对预处理后的脑电信号，提取ERP特征；详细步骤包括：人工提取ERP特征，并将人工提取出来的ERP特征作为已知特征；生成与已知特征长度相等的候选子序列T；依次计算已知特征S
k
的任意两点间的斜率，并将其存储在集合S'
k
；依次计算候选子序列T的斜率并将其存储在集合T'中；计算S'
k
和T'的斜率之差的绝对值，判断每个绝对值是否小于自定义的相似阈值ε，如果是，则执行下一步；如果否，则将把斜率之差绝对值的两倍作为惩罚值；根据所有斜率差的和，找出所有与已知特征相似的子序列，若所有斜率差的和最小，标记并输出最相似的子序列；将最相似的子序列存入x1。5.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，对预处理后的脑电信号，提取多尺度样本熵MMSE特征；包括：对预处理后的脑电信号，进行变分模态分解和小波包分解与重构，得到基于β...

【专利技术属性】
技术研发人员：张敏，郑向伟，嵇存，郑法，邹秀楠，胡斌，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：