情绪识别方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及脑电信号处理技术领域，特别涉及一种情绪识别方法、装置、电子设备及存储介质，其中，方法包括：获取多通道脑电信号；通过可调Q因子小波变换算法将多通道脑电信号中每个通道脑电信号进行频带划分，得到多个预设频带的重构信号，基于多个预设频带的重构信号构造黎曼空间上的对称正定矩阵；设计基于对数欧式几何度量的黎曼流形的目标函数，根据目标函数确定最优映射矩阵，并利用最优映射矩阵对黎曼空间上的对称正定矩阵进行降维操作得到降维矩阵，利用最小黎曼均值距离算法对降维矩阵进行情绪识别，得到脑电信号对应的情绪类别。由此，解决了相关技术中基于脑电信号研究情绪过程中，情绪状态的特征可辨识度较低以及情绪识别分类准确度较低等问题。识别分类准确度较低等问题。识别分类准确度较低等问题。

【技术实现步骤摘要】
情绪识别方法、装置、电子设备及存储介质


[0001]本申请涉及脑电信号处理
，特别涉及一种情绪识别方法、装置、电子设备及存储介质。

技术介绍

[0002]情绪是伴随多种感觉、思想和行为等产生的生理和心理状态的主观认知经验的概括。积极情绪状态有助于个人身心健康，然而长期的消极情绪状态对个人的生理或心理健康有着极大的影响。情绪识别本质是将有关情绪的特征数据与内在情绪建立一种非线性的映射函数。情绪识别在日常生活中应用非常广泛，如在医学方面，其作为精神疾病的诊疗提供理论的依据。在高危人群中，如飞行员和客车司机，他们的情绪状态直接影响了其专注度，从而影响驾驶的安全性。脑电信号潜在的大多数电生理特征可由脑电图记录的分析来提取，通过脑电信号发觉大脑状态的潜在信息，受到了越来越多的学者的关注。
[0003]目前，大多数学者都是基于多通道脑电信号的手动提取有效特征或者基于深度神经网络来设计，例如小波分解、经验模态分解对信号提取样本熵、分形维数等统计学特征，或者利用卷积神经网络、循环神经网络对信号及标签信息设计特征模型。但此类方法既耗时且难度较高，且无法完整获取脑电信号的空域特征。
[0004]近年来，基于黎曼流形的几何工具对脑电信号分析处理逐渐成为研究热点。协方差矩阵作为表征信号的二阶统计学特征，协方差矩阵构成为对称正定矩阵，其坐落在黎曼流形空间上，可借助黎曼几何的工具对脑电信号序列进行深入研究，挖掘高维空间的潜在的空间结构信息。例如通过小波包变换提取时频域信息构造增强的对称正定矩阵，接着利用仿射不变黎曼度量设计双线性降维算法来降低样本的维度，对降维后的对称正定矩阵进行切空间映射，利用支持向量机进行情绪分类。然而仿射不变黎曼度量的计算效率非常大且容易产生过拟合的问题，导致情绪分类准确度大大降低。

技术实现思路

[0005]本申请提供一种情绪识别方法、装置、电子设备及存储介质，以解决相关技术中基于脑电信号研究情绪过程中，情绪状态的特征可辨识度较低以及情绪识别分类准确度较低等问题。
[0006]本申请第一方面实施例提供一种情绪识别方法，包括以下步骤：获取多通道脑电信号；通过可调Q因子小波变换算法将所述多通道脑电信号中每个通道脑电信号进行频带划分，得到多个预设频带的重构信号，基于所述多个预设频带的重构信号构造黎曼空间上的对称正定矩阵；设计基于对数欧式几何度量的黎曼流形的目标函数，根据所述目标函数确定最优映射矩阵，并利用所述最优映射矩阵对所述黎曼空间上的对称正定矩阵进行降维操作得到降维矩阵，利用最小黎曼均值距离算法对所述降维矩阵进行情绪识别，得到脑电信号对应的情绪类别。
[0007]可选地，所述基于所述多个预设频带的重构信号构造黎曼空间上的对称正定矩
阵，包括：基于所述多个预设频带的重构信号构造新信号样本；对所述新信号样本进行协方差运算得到所述对称正定矩阵。
[0008]可选地，所述设计基于对数欧式几何度量的黎曼流形的目标函数，包括：基于黎曼流形的几何特性，利用对数欧式几何的方式度量对称正定矩阵间的距离关系，构建黎曼流形降维的损失函数；根据所述对称正定矩阵的邻近点构成图的连接关系确定黎曼图仿射函数；根据所述黎曼流形降维的损失函数、所述黎曼图仿射函数和正交约束条件构造所述目标函数。
[0009]可选地，所述目标函数为：
[0010][0011]s.t.VV
T
＝I
M
[0012]其中，V为映射矩阵，V
T
为映射矩阵的转置，M为映射矩阵的维度，N为每个脑电信号的采样点数量，u
ij
为权重系数，Z
i
，Z
j
分别为黎曼流形空间上其中一个点，代表脑电样本信号的特征信息，为基于对数欧式几何的距离度量，I
M
表示M
×
M的单位矩阵。
[0013]可选地，所述降维矩阵为：
[0014][0015]其中，P为降维矩阵，V为映射矩阵，Z为对称正定矩阵，V
T
为映射矩阵的转置，M为映射矩阵的维度，SPD(M)为维度为M的对称正定矩阵空间。
[0016]可选地，所述最小黎曼均值距离算法为：
[0017][0018]其中，P
j
为第j个脑电信号的测试样本，C
k
为第k类的情绪状态，寻找与对称正定矩阵C
k
的最小黎曼距离，最终测试样本标签为C
k
对应的标签类别，k为每个情绪类别，k
*
为最优的标签，为基于黎曼仿射不变的距离度量。
[0019]可选地，在通过可调Q因子小波变换算法将所述多通道脑电信号中每个通道脑电信号进行频带划分之前，还包括：对脑电信号进行预设时长的无重叠时域截段，并利用四阶巴特沃斯滤波器剔除脑电信号的噪声信号。
[0020]本申请第二方面实施例提供一种情绪识别装置，包括：获取模块，用于获取多通道脑电信号；构造模块，用于通过可调Q因子小波变换算法将所述多通道脑电信号中每个通道脑电信号进行频带划分，得到多个预设频带的重构信号，基于所述多个预设频带的重构信号构造黎曼空间上的对称正定矩阵；识别模块，用于设计基于对数欧式几何度量的黎曼流形的目标函数，根据所述目标函数确定最优映射矩阵，并利用所述最优映射矩阵对所述黎曼空间上的对称正定矩阵进行降维操作得到降维矩阵，利用最小黎曼均值距离算法对所述降维矩阵进行情绪识别，得到脑电信号对应的情绪类别。
[0021]本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的情绪识别方法。
[0022]本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，
该程序被处理器执行，以用于实现如上述实施例所述的情绪识别方法。
[0023]由此，本申请至少具有如下有益效果：
[0024]本申请实施例利用可调Q因子小波变化对多通道脑电信号进行分解，利用多个频带的信号分量来构建协方差矩阵，以此来表征大脑的时域、频域和空域的特征信息，对称正定矩阵坐落在黎曼流形空间中，利用黎曼几何的距离来实现多种情绪状态的检测，无需额外的提取统计学特征，很好融合各通道之间的空间信息，算法新颖高效且可靠性高；利用对数欧式几何度量的双线性降维算法，使得低维空间能够保持原始流形空间的黎曼距离的关系，有效避免了过拟合和计算量大的问题；目标函数增加黎曼图仿射函数，通过图结构对每个样本和其局部邻域构成，邻域的边权重刻画了邻域样本间的关系，使得低维空间的每个邻域与高维间的邻域保持一致，有效抑制信号噪声较大的情况等有益效果。由此，解决了相关技术中基于脑电信号研究情绪过程中，情绪状态的特征可辨识度较低以及情绪识别分类准确度较低等问题。
[0025]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种情绪识别方法，其特征在于，包括以下步骤：获取多通道脑电信号；通过可调Q因子小波变换算法将所述多通道脑电信号中每个通道脑电信号进行频带划分，得到多个预设频带的重构信号，基于所述多个预设频带的重构信号构造黎曼空间上的对称正定矩阵；设计基于对数欧式几何度量的黎曼流形的目标函数，根据所述目标函数确定最优映射矩阵，并利用所述最优映射矩阵对所述黎曼空间上的对称正定矩阵进行降维操作得到降维矩阵，利用最小黎曼均值距离算法对所述降维矩阵进行情绪识别，得到脑电信号对应的情绪类别。2.根据权利要求1所述的情绪识别方法，其特征在于，所述基于所述多个预设频带的重构信号构造黎曼空间上的对称正定矩阵，包括：基于所述多个预设频带的重构信号构造新信号样本；对所述新信号样本进行协方差运算得到所述对称正定矩阵。3.根据权利要求1所述的情绪识别方法，其特征在于，所述设计基于对数欧式几何度量的黎曼流形的目标函数，包括：基于黎曼流形的几何特性，利用对数欧式几何的方式度量对称正定矩阵间的距离关系，构建黎曼流形降维的损失函数；根据所述对称正定矩阵的邻近点构成图的连接关系确定黎曼图仿射函数；根据所述黎曼流形降维的损失函数、所述黎曼图仿射函数和正交约束条件构造所述目标函数。4.根据权利要求1或3所述的情绪识别方法，其特征在于，所述目标函数为：其中，V为映射矩阵，V
T
为映射矩阵的转置，为映射矩阵的维度，为每个脑电信号的采样点数量，u
ij
为权重系数，Z
i
，Z
j
分别为黎曼流形空间上其中一个点，代表脑电样本信号的特征信息，为基于对数欧式几何的距离度量，I
M
表示M
×
M的单位矩阵。5.根据权利要求1所述的情绪识别方法，其特征在于，所述降维矩阵为：其中，P为降维矩阵，V为映射矩阵，Z为对称正定矩阵，V
...

【专利技术属性】
技术研发人员：周雪玲，张洪滔，郭子奇，
申请(专利权)人：粤港澳大湾区精准医学研究院广州，
类型：发明
国别省市：