一种基于生成对抗网络数据增强的脑电情感识别方法技术

本发明专利技术公开了一种基于生成对抗网络数据增强的脑电情感识别方法，首先确定脑电样本长度、样本内切片长度和切片窗移，对脑电样本进行切片，并进行分解到四个不同频段；接下来计算各个通道频段上的脑电信号特征，将计算的所有特征进行拼接为一维特征向量输入到生成对抗网络中进行训练，训练完成后该网络生成大量高质量的脑电样本，再将生成的脑电特征向量和原始脑电特征向量按照脑电信号采集时电极放置的位置信息进行重新排列，并按照频带进行拼接，构建出一个三维脑电特征图，再送入连续卷积神经网络中进行训练，最终使用softmax分类器进行情感分类。本发明专利技术能够在脑电情感识别少样本的情景下，能够保持较好的高效性和鲁棒性。性。性。

【技术实现步骤摘要】
一种基于生成对抗网络数据增强的脑电情感识别方法


[0001]本专利技术涉及脑电情感识别
，具体地说，是一种基于生成对抗网络数据增强的脑电情感识别方法。

技术介绍

[0002]情绪在人类的日常生活中是基本的，因为它们在人类认知中起着重要的作用，即感知、理性决策、人类互动和人类智力。随着人工智能技术和深度学习的发展，情绪识别在人机交互和临床治疗方面有着广阔的前景，这一直受到研究者的广泛关注。人类情绪可通过言语、眨眼、面部表情和生理信号来识别。但前三种方法都不稳定，容易受到主观性的影响。受试者可能会故意隐藏自己的情绪，并导致识别错误。眼电图(EOG)、脑电图(EEG)、血压(BVP)等生理信号都是由人体自发产生的。因此，生理信号可以更准确地反映人们的情绪状态。在这些生理信号中，脑电图(EEG)是脑皮层或头皮表面电生理活动的整体反映，说明脑电图信号的变化可以用来表征人类情绪变化。
[0003]将脑电信号应用于情感识别的过程包括情感诱发，脑电信号采集，脑电信号预处理，特征提取和选择，情感分类。在这些过程中，有效的特征提取和选择最终的情感分类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络数据增强的脑电情感识别方法，其特征在于，包括以下步骤：步骤1：原始脑电信号预处理：设定脑电样本长度、脑电样本内切片长度和脑电样本切片窗移，对脑电信号进行切片，得到脑电样本切片；对脑电样本切片中的每个导联，分成四个不同波段计算功率谱密度特征，将每个导联计算的所有特征拼接成一维向量；步骤2：对抗生成模型的搭建与训练：建立GAN生成对抗网络数据增强算法，将经过预处理的脑电信号输入模型进行训练；步骤3：脑电特征向量处理：对所有样本数据进行z
‑
score标准化处理，避免由于原始数据中的单位与数值之间的差异带来的影响；将归一化后的特征向量按照脑电信号采集时电极放置的位置信息进行重新排列，并按照频带进行拼接，构建出一个三维脑电特征图；步骤4：情感分类：利用真实数据和生成的数据组成新的平衡和数据量更大的数据集，将连续卷积神经网络作为脑电情感分类器进行分类。2.根据权利要求1所述的基于生成对抗网络数据增强的脑电情感识别方法，其特征在于，所述步骤1的具体实现过程如下：选定脑电情感识别长度L，以L/2为窗移进行划分；然后对样本中的每个导联，分别对4个不同波段计算功率谱特征；将计算的所有特征值按照频段顺序组成4*9*9个特征值的一维向量，作为对抗生成网络的输入。3.根据权利要求1所述的基于生成对抗网络数据增强的脑电情感识别方法，其特征在于，所述步骤2中GAN生成对抗网络模型包括生成器模型G和判别器模型D两个部分；全部由三层神经网络构成，包括神经网络输入层、隐藏层和输出层，这三层神经网络皆由线性层组成，通过线性层变换以及激活函数的非线性变换。4.根据权利要求3所述的基于生成对抗网络数据增强的脑电情感识别方法，其特...

【专利技术属性】
技术研发人员：郑威，潘博，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：