一种基于脑电信号的情感识别方法及系统技术方案

本发明专利技术涉及一种于脑电信号的情感识别方法及系统。该方法包括：获取多通道的脑电信号；对脑电信号进行初步特征提取，得到第一特征矩阵；获取基于域对抗网络的情感域对抗网络模型；情感域对抗网络模型包括特征提取器、标签分类器和域分类器；特征提取器包括卷积长短时网络和卷积网络；域分类器包括全局域分类器和局部域分类器；将第一特征矩阵输入情感域对抗网络模型，得到脑电信号对应的情感识别结果。本发明专利技术可以实现对听力受损者的情感进行识别。本发明专利技术可以实现对听力受损者的情感进行识别。本发明专利技术可以实现对听力受损者的情感进行识别。

【技术实现步骤摘要】
一种基于脑电信号的情感识别方法及系统


[0001]本专利技术涉及脑电信号分析领域，特别是涉及一种基于脑电信号的情感识别方法及系统。

技术介绍

[0002]基于脑电图(Electroencephalogram，EEG)的情感识别是目前人机交互领域研究的热点，目前基于EEG的情感识别研究多为正常人和认知障碍者，对听力受损者的研究较少。与正常人相比，听力受损者对于情感的认知可能存在偏差。因此，不能采用正常人的识别方式对听力受损者的情感进行识别。

技术实现思路

[0003]本专利技术的目的是提供一种基于脑电信号的情感识别方法及系统，以实现对听力受损者的情感进行识别。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种基于脑电信号的情感识别方法，包括：
[0006]获取多通道的脑电信号；
[0007]对所述脑电信号进行初步特征提取，得到第一特征矩阵；
[0008]获取基于域对抗网络的情感域对抗网络模型；所述情感域对抗网络模型包括特征提取器、标签分类器和域分类器；所述特征提取器包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电信号的情感识别方法，其特征在于，包括：获取多通道的脑电信号；对所述脑电信号进行初步特征提取，得到第一特征矩阵；获取基于域对抗网络的情感域对抗网络模型；所述情感域对抗网络模型包括特征提取器、标签分类器和域分类器；所述特征提取器包括卷积长短时网络和卷积网络；所述域分类器包括全局域分类器和局部域分类器；将所述第一特征矩阵输入所述情感域对抗网络模型，得到所述脑电信号对应的情感识别结果。2.根据权利要求1所述的基于脑电信号的情感识别方法，其特征在于，所述对所述脑电信号进行初步特征提取，得到第一特征矩阵，具体包括：将所述脑电信号划分为n个频段；n大于4；对每个频段的每个通道的脑电信息采用微分熵进行特征提取；采用EEGLAB工具箱中基于通道定位的脑地形图插补函数对微分熵特征提取得到的特征进行插补与采样，得到三维特征矩阵；采用基于线性SVM的嵌入法对所述三维特征矩阵进行特征选择，得到每个频段对应的通道选择；利用空间过滤矩阵将通道选择后的特征矩阵进行过滤，得到第一特征矩阵。3.根据权利要求2所述的基于脑电信号的情感识别方法，其特征在于，所述空间过滤矩阵为：其中，F
Filter
(n1,n2)为基于通道定位的脑地形图插补函数对特征n1与特征n2计算得到的数值。4.根据权利要求1所述的基于脑电信号的情感识别方法，其特征在于，所述获取基于域对抗网络的情感域对抗网络模型，具体包括：构建特征提取器；所述特征提取器的卷积长短时网络的输入为所述第一特征矩阵，所述特征提取器的卷积网络的输入为所述卷积长短时网络的输出；所述卷积长短时网络采用三维卷积运算，用于对时间、频率和空间三个维度进行特征提取；所述卷积网络包括第一标准卷积层和第二标准卷积层，所述第一标准卷积层包括卷积层、批标准化层、最大池化层和激活层；所述第二标准卷积层包括卷积层、批标准化层、最大池化层、激活层和随机失活层；构建标签分类器；所述标签分类器的输出为每个特征所在域的范围；所述标签分类器包括第一标签分类器、第二标签分类器和输出层；所述第一标签分类器包括全连接层、批标准化层、激活函数层和随机失活层；所述第二标签分类器包括全连接层、批标准化层和激活函数层；所述输出层包括全连接层和激活函数；构建全局域分类器和局部域分类器；所述全局分类器的输入为所述标签分类器的输出；所述局部域分类器的输入为所述标签分类器的输出以及属于对应情感类别的概率；构建基于动态权重的训练函数。5.根据权利要求4所述的基于脑电信号的情感识别方法，其特征在于，所述基于动态权
重的训练函数为：其中，ω为动态权重，表示情感类别c在第一局部域分类器的参数，表示情感类别c在第二局部域分类器的参数，C为情感类别的数量，θ
f
表示特征提取器参数，θ
y
表示标签分类器参数，θ
d
表示全局域分类器参数，λ表示权重参数，L
y
为所述标签分类器的损失，L
g
为全局域分类器的损失，为第一局部域分类器的损失，为第二局部域分类器的损失；一次循环计算得到的动态权重为其中，D
s
表示原域空间，D
t
表示目标域空间；n
s
表示源域样本数量，P
xi
→
c
表示样本x
i
属于情感类别c的概率，G
f
表示特征提取器，G
y1
表示第一标签分类器，G
y2
表示第二标签分类器；n
t
表示目标域样本数量，d
i
为域标签，G
d
表示全局域分类器；表示全局域分类器；情感类别c对应的第一局部域分类器的交叉熵损失，表示情感类别c对应的第一局部域分类器，表示第一局部域分类器对样本的情绪类别c的预测概率；示第一局部域分类器对样本的情绪类别c的预测概率；表示情感类别c对应的第二局部域分类器，表示x
i
样本在第二局部域分类器的标签。6.一种基于脑电信号的情感识别系统，其特征在于，包括：脑电信号获取模块，用于获取多通道的脑电信号；初步特征提取模块，用于对所述...

【专利技术属性】
技术研发人员：宋雨，白忠立，田泽坤，高强，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：