一种基于视频刺激下的EEG信号情感识别方法技术

本发明专利技术涉及脑电信号情感识别技术领域，并公开了一种基于视频刺激下的EEG信号情感识别方法。其中方法包括以下步骤：(1)采用64导脑电信号采集设备对观看视频的被测试者进行EEG信号采集；(2)采用滤波等方法对EEG信号进行预处理；(3)按照通道覆盖全脑的原则从64导脑电数据选取15导进行研究；(4)采用小波包变换对经过预处理的EEG信号进行分解，重构出EEG信号每个频带内的节律波；(5)提取EEG信号节律波的微分熵特征，将微分熵特征矩阵表示为二维灰度图像；(6)将该图像输入到卷积神经网络训练分类模型，对被测试者的情感状态进行识别。该方案以微分熵特征和卷积神经网络为基础设计情感脑电分类模型，为情感脑机接口等领域提供科学有效的情感分类方法。有效的情感分类方法。有效的情感分类方法。

【技术实现步骤摘要】
一种基于视频刺激下的EEG信号情感识别方法


[0001]本专利技术涉及脑电信号情感识别
，特别是一种基于视频刺激下的EEG信号情感识别方法。

技术介绍

[0002]情感处理是人脑高级认知功能之一，不同情感对人脑的影响也不同。情感分析作为人工智能领域的高级阶段，是人机交互、拟人控制理论等领域的重要研究对象。此外，探究大脑对不同情感的反应可以揭示与情感相关的精神疾病的发病机制，并且有助于提高人类精神类疾病的自动化检测与辅助治疗，例如抑郁症、躁狂症等。
[0003]脑电是大脑皮层神经元放电现象的总和。作为一种非侵入式的生理信号，脑电能以高时间分辨率记录刺激事件产生的神经反应，并且具有成本低、操作简单等优势，被大量运用在神经系统疾病、人脑认知活动的研究中。
[0004]脑电等生理信号具有高度复杂性和非平稳性，目前情感脑电识别中采用的有效特征仍以源自各脑电节律的频域特征为主，其中微分熵DE特征性能突出且表现平稳。不同频段的脑电微分熵特征是情感分析任务中最为常用的特征之一。
[0005]随着人工智能的发展，深度学习已成为大数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频刺激下的EEG信号情感识别方法，其特征在于，包括以下步骤：第一步：采用64导脑电信号采集设备对观看视频的被测试者进行EEG信号采集；第二步：采用滤波等方法对EEG信号进行预处理；第三步：按照通道覆盖全脑的原则从64导脑电数据选取15导进行研究；第四步：采用小波包变换对经过预处理的EEG信号进行分解，重构出EEG信号每个频带内的节律波；第五步：提取EEG信号节律波的微分熵特征，将微分熵特征矩阵表示为二维灰度图像；第六步：将该图像输入到卷积神经网络训练分类模型，对被测试者的情感状态进行识别。2.根据权利要求1所述的情感识别方法，其特征在于，通过对观看视频的被测试者进行EEG信号采集的步骤，具体包括：脑电信号采集设备用的是Neuroscan(美国)，采用标准的10/20导国际标准脑电采集帽；一共采集64通道脑电信号，采样频率1000Hz，直流采集，采集脑电信号频率范围0
‑
100Hz，阻抗低于10千欧。3.根据权利要求1所述的方法，其特征在于，采用滤波等方法对EEG信号进行预处理的步骤，包括：参考电极标准化：采用的REST参考，REST是一种试图恢复脑电记录中参考电极丢失电位的无参考技术，依据等效的源可以产生与...

【专利技术属性】
技术研发人员：吴伦慧，林海军，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：