一种基于脑电信号的智能化情绪状态识别与调节方法技术

一种基于脑电信号的智能化情绪状态识别与调节方法，融合音乐和脑电信号，关注客观真实的情绪状态来进行情绪识别和调节，利用CNN和Transformer以一种自适应参数加权方式融合的情绪状态识别模型，对脑电数据处理，获取当下真实情绪状态，利用强化学习的上下文老虎机的特点，将脑电情绪、音乐选取形成闭环调节过程，上下文特征信息为用户脑电情绪—歌曲特征矩阵，以实时脑电情绪状态作为调节的反馈，音乐选择引擎将根据反馈选取音乐，上下文特征信息也根据反馈进行更新，由此参与到下一个循环过程。过程。过程。

【技术实现步骤摘要】
一种基于脑电信号的智能化情绪状态识别与调节方法


[0001]本专利技术属于脑机接口与人工智能
，具体涉及一种基于脑电信号的智能化情绪状态识别与调节方法。

技术介绍

[0002]脑电波是表现人类大脑状态最直接的方式，也是最能客观体现人当下真实情绪的信息。许多心理或精神疾病与人的情绪密切相关，大多数案例由于无法进行有效的情绪调节导致病情加重，而基于脑电信号的智能化情绪状态识别与调节方法能够对人当下的真实情绪进行识别，并通过识别结果进行调节，达到一种良性循环的效果。
[0003]传统的EEG的情绪识别研究通过脑电信号的特征处理和分类器构建来对模型性能进行调整，主要方法有机器学习和深度学习。机器学习相关算法虽简单易操作，但面对较大的数据集，特别是脑电数据，其会导致计算复杂度增大，以及性能不佳的问题。深度学习可以充分提取特征，实现了良好的识别效果，但仍然存在网络复杂度的问题。
[0004]情绪调节一般采用音乐、电影、冥想等方式进行，利用EEG作为调节因素的现有研究较少。有研究说明脑电状态活动与情绪调节过程具有明显相关意义，但对于调节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电信号的智能化情绪状态识别与调节方法，其特征在于，包括如下步骤，步骤S1.构建基于脑电信号的情绪状态识别模型；步骤S2.获取用户的实时脑电数据；步骤S3.对所采集到的脑电数据进行预处理，获取脑电DE特征；步骤S4.通过情绪状态识别模型对处理好的DE数据进行情绪识别，获取用户当下的情绪标签；步骤S5.在调节的初始状态下，构建用户脑电情绪
‑
歌曲特征矩阵，若不是初始状态，则根据情绪标签和听歌时长更新用户脑电情绪
‑
歌曲特征矩阵；步骤S6.根据用户脑电情绪
‑
歌曲特征矩阵选取音乐并反馈至用户，循环步骤S2
‑
S6，直至脑电情绪平静。2.根据权利要求1所述的一种基于脑电信号的智能化情绪状态识别与调节方法，其特征在于，所述步骤S1中构建基于脑电信号的情绪状态识别模型具体为，将脑电样本划分训练集和测试集，构建情绪识别模型，情绪识别包括CNN模型和Transformer模型，CNN模型包含4个Block，每个Block包括2D
‑
CNN，BatchNormalization，LeakyReLU和AvgPooling，在最后两个Block加入Dropout层，模型优化器为Adam；Transfbrmer模型包括编码器和解码器，解码器为线性层和softmax层，编码器包括8头自注意力层和一个前馈层；将训练数据同时输入两个模型，分别对脑电信号进行识别分类，通过两个模型的自适应加权融合获取最终的分类结果；利用测试集对模型进行验证，获得准确率、F1值、精度和召回率效果最好的情绪状态识别模型。3.根据权利要求2所述的一种基于脑电信号的智能化情绪状态识别与调节方法，其特征在于，所述自适应加权融合的具体过程为，在分类之前进行自适应加权融合，加权参数σ由网络训练得出；脑电数据通过CNN模型获取out1＝[a1，a2，a3]，通过Transformer模型获取out2＝[b1，b2，b3]，其中，a
i
(i＝1，2，3)和b
i
(i＝1，2，3)是通过模型计算之后获取3种情绪类别的分数；两个输出将通过公式Output＝σ
×
out1+(1
‑
σ)
×
out2进行计算获取最终的情绪标签Output。4.根据权利要求1所述的一种基于脑电信号的智能化情绪状态识别与调节方法，其特征在于，所述步骤S3中预处理是利用频域分析和线性动态系统LDS对脑电信号进行处理，获取平滑的脑电DE特征，具体步骤为，步骤S31.获取一段实时脑电数据；步骤S32.利用1
‑
75Hz带通滤波器将脑电信号降采样至200Hz；步骤S33.利用短时傅里叶变换和汉宁窗对脑电进行频域变换，提取频域特征；其中，x(m)为时序信号，ω(m)为窗函数，它在时间上反转并且有n个样本的偏移量；k＝0，1，2，3......N，k为样本点序号，N为时序采样点个数，ω
k
＝2πk/N为角频率；步骤S34.对信号进行时频分析，获取各频段相应的频段能量谱密度E(n，ω)＝|X(n，ω
k
)|2；
步骤S35.根据频段能量谱密度，估算该频段的...

【专利技术属性】
技术研发人员：徐小龙，王俪颖，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：