一种基于脑电源成像和正则化共空间模式的情绪识别方法技术

本发明专利技术涉及信号特征提取领域，特别涉及一种基于脑电源成像和正则化共空间模式的情绪识别方法，包括采集脑电信号并进行预处理；通过搭建脑电源成像，重构大脑皮层神经电活动；通过最小模算法，重构的EEG时间序列被投影到Brodman分区上，Brodman分区包括26个空间感兴趣的区域，利用26个空间感兴趣的区域互信息构建脑功能连接矩阵；基于脑功能连接矩阵采用正则化的方式构建泛化样本的协方差矩阵，提取特征向量；将历史数据的特征输入分类器进行训练，并将待分类数据的特征向量输入分类器获得脑电情绪分类；本发明专利技术减少了估计偏差，提高了估计稳定性，最终分类出的结果准确率提高。最终分类出的结果准确率提高。最终分类出的结果准确率提高。

【技术实现步骤摘要】
一种基于脑电源成像和正则化共空间模式的情绪识别方法


[0001]本专利技术涉及信号特征提取领域，特别涉及一种基于脑电源成像和正则化共空间模式的情绪识别方法。

技术介绍

[0002]情感分析作为人机交互的重要内容。脑电(Electroencephalography，EEG)信号反映认知任务下皮层神经活动，由于其高时间分辨率和非侵入性，在情绪识别中越来越受到重视。
[0003]目前常用的基于脑电情绪识别方法首先提取脑电信号的时域、频域等属性特征，然后利用模式分类器进行情绪识别。然而，由于容积效应，头皮EEG信号的空间分辨率较低，也限制了基于头皮EEG信号的脑电情绪识别性能。
[0004]此外在实际应用中，跨被试的情绪识别是非常重要的研究内容。此前中国专利CN110070105B公布了一种基于元学习实例快速筛选的脑电情绪识别方法，该专利将各电极脑电数据的特征向量进行拼接，得到待识别特征向量，然后采用训练好的情绪识别模型，依据待识别特征向量，获取相应的情绪标签以实现跨被试的情绪识别。该方法仍然存在一些实用性问题，例如，不同被试者的脑电数据差异，导致难以获得能够跨被试使用的通用模型：鉴于脑电的非平稳特性，同一个被试者的脑电分布会随时间变化，难以获得可以长期使用的模型。由于人脑认知行为是若干脑区协同作用的结果，与脑区间的交互有关，因此脑网络蕴含丰富的时空分类信息。该方法忽略脑网络中蕴含的分类信息，未有效提取皮层脑网络的分类特征。同时，在基于脑电的跨被试情绪识别研究中，如何充分利用已有被试EEG数据的信息，依然是一个亟待解决的问题。

技术实现思路

[0005]为了提高脑电信号分类的准确性，本专利技术提出一种基于脑电源成像和正则化共空间模式的情绪识别方法，包括以下步骤：
[0006]采集脑电信号，并对脑电信号进行预处理；
[0007]利用贝叶斯最小模算法处理与处理后的脑电信号，通过搭建脑电源成像，重构大脑皮层神经电活动；
[0008]通过最小模算法，重构的EEG时间序列被投影到Brodman分区上，Brodman分区包括26个空间感兴趣的区域，在翻转方向相反的源信号后，将26个空间感兴趣的区域内所有源信号的时间序列取平均值；
[0009]利用26个空间感兴趣的区域互信息构建脑功能连接矩阵；
[0010]基于脑功能连接矩阵采用正则化的方式构建泛化样本的协方差矩阵，得到最优空间滤波器使两类信号的方差值差异最大化，从而得到具有较高区分度的特征向量；
[0011]将历史数据的特征输入分类器进行训练，并将待分类数据的特征向量输入分类器获得脑电情绪分类。
[0012]进一步的，重构大脑皮层神经电活动具体包括以下步骤：
[0013]根据生物导体中电磁场的传播规律，构建头皮表面的EEG电位分布与人脑内源空间信号的线性关系表达式；
[0014]对获取的线性关系表达式进行空间白化；
[0015]根据给定大脑皮层源信号的一个先验分布以及贝叶斯公式，计算该源信号的后验分布；
[0016]利用最小模解估算源信号的最大后验估计，即利用最小模解选择能量最小的源结构作为最终的源信号估计，该源信号估计作为人脑成像的源信号。
[0017]进一步的，利用最小模解估算源信号的最大后验估计，则源信号的最大后验估计表示为：
[0018][0019]其中，S为源信号；S为源信号的最大后验估计；p(S|B)为源信号S的后验分布；p(S)为源信号先验分布；L为导联矩阵；B为大脑头皮表面的脑电信号数据；λ为正则参数，I为单位矩阵；||
·
||
F
为F范数。
[0020]进一步的，利用贝叶斯概率推断，通过数据自驱动的方式自动学习正则参数λ，该参数表示为：
[0021]λ
‑1＝γ
[0022][0023]其中，γ
(k)
表示第k次的迭代值；∑
b
为中间参数，定义为其中∑
S
为源信号高斯分布的方差；∑
ε
表示观测噪声高斯分布的方差。优选的，迭代更新，直到p(S|B)收敛或者相对变化小于某个阈值(比如10
‑6)。
[0024]进一步的，利用互信息构建脑功能连接矩阵包括：对于每一个对象，分别计算26个空间感兴趣的区域的互信息值，且数据的自信息值为得到脑功能连接矩阵，其中区域x与区域y的互信息值表示为：
[0025][0026]其中，p(x)、p(y)和p(x,y)分别表示x,y概率密度和联合概率密度。
[0027]进一步的，获取脑电数据的特征向量包括以下过程：
[0028]将脑电数据唤醒类和效价类两个类别得到的协方差矩阵相加，得到正则化符合空间协方差；
[0029]分别对两个类别的协方差矩阵进行白变换，并对白变换后的协方差矩阵进行分解，得到白化空间特征向量矩阵；
[0030]并根据得到的白化空间特征向量矩阵和白化值矩阵，得到投影矩阵；
[0031]根据自定义的特征参数α，保留第一个α和倒数一个α列的投影矩阵构成最有区分度的图像；
[0032]将一个试验根据最有区分度的图像进行投影，并将投影矩阵的行的方差形成特征向量。
[0033]本专利技术与传统的CSP将把脑电数据作为输入进行特征提取和分类相比，本专利技术对预处理后的脑电信号，进行脑电源成像分析，构造协方差矩阵，并运用正则化技术解决小样本问题，除了脑电信号再引入其他个体的脑电数据，形成正则化协方差估计的公式，降低了偏差由于小数量的训练样本的误差；传统CSP 算法依赖于基于样本的协方差矩阵估计，而本专利技术使用RCSP算法，融合了他人脑电样本的协方差矩阵，减少了估计偏差，提高了估计稳定性，最终分类出的结果准确率提高。
附图说明
[0034]图1为本专利技术一种基于脑电源成像和基于皮层脑网络的正则化共空间模式特征提取方法流程图。
具体实施方式
[0035]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，所描述的实施例仅仅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。
[0036]本专利技术提出一种基于脑电源成像和正则化共空间模式的情绪识别方法，具体包括以下步骤：
[0037]采集脑电信号，并对脑电信号进行预处理；
[0038]利用贝叶斯最小模算法处理预处理后的脑电信号，通过搭建脑电源成像，重构大脑皮层神经电活动；
[0039]通过最小模算法，重构的EEG时间序列被投影到Brodman分区上，Brodman 分区包括26个空间感兴趣的区域，在翻转方向相反的源信号后，将26个空间感兴趣的区域内所有源信号的时间序列取平均值；
[0040]利用26个空间感兴趣的区域互信息构建脑功能连接矩阵；
[0041]基于脑功能连接矩阵采用正则化的方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于脑电源成像和正则化共空间模式的情绪识别方法，其特征在于，包括以下步骤：采集脑电信号，并对脑电信号进行预处理；利用贝叶斯最小模算法处理预处理后的脑电信号，通过搭建脑电源成像，重构大脑皮层神经电活动；通过最小模算法，重构的EEG时间序列被投影到Brodman分区上，Brodman分区包括26个空间感兴趣的区域，在翻转方向相反的源信号后，将26个空间感兴趣的区域内所有源信号的时间序列取平均值；利用26个空间感兴趣的区域互信息构建脑功能连接矩阵；基于脑功能连接矩阵采用正则化的方式构建泛化样本的协方差矩阵，得到最优空间滤波器使两类信号的方差值差异最大化，从而得到具有较高区分度的特征向量；将历史数据的特征输入分类器进行训练，并将待分类数据的特征向量输入分类器获得脑电情绪分类。2.根据权利要求1所述的基于脑电源成像和正则化共空间模式的情绪识别方法，其特征在于，重构大脑皮层神经电活动具体包括以下步骤：根据生物导体中电磁场的传播规律，构建头皮表面的EEG电位分布与人脑内源空间信号的线性关系表达式；对获取的线性关系表达式进行空间白化；根据给定大脑皮层源信号的一个先验分布以及贝叶斯公式，计算该源信号的后验分布；利用最小模解估算源信号的最大后验估计，即利用最小模解选择能量最小的源结构作为最终的源信号估计，该源信号估计作为人脑成像的源信号。3.根据权利要求2所述的基于脑电源成像和正则化共空间模式的情绪识别方法，其特征在于，利用最小模解估算源信号的最大后验估计，则源信号的最大后验估计表示为：其中，S为源信号；S为源信号的最大后验估计；p(S|B)为源信号S的后验分布；p(S)为源信号先验分布；L为导联矩阵；B为大脑头皮表面的脑电信号数据；λ为正则参数，I为单位矩阵；||
·
||
F
为F范数。4.根据权利要求3所述的基于脑电源成像和正则化共空间模式的情绪识别方法，其特征在于，利用贝叶斯概率推断，通过数据自驱动的方式自动学习正则参数λ，该参数表示为：λ
‑1＝γ其中，γ
(k)
表示第k次的迭代值；∑
b
为中间参数，定义为其中∑
S
为源
信号高斯分布的方差；∑
ε
表示观测噪声高斯分布的方差。5.根据权利要求1所述的基于脑电源成像和正则化共空间模式的情绪识别方法，其特...

【专利技术属性】
技术研发人员：刘柯，吴萍，徐铭浩，寇宇涵，周璐，张孝，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：