一种脑电信号情绪识别方法、系统及设备技术方案

本发明专利技术公开一种脑电信号情绪识别方法、系统及设备，涉及信号处理技术领域，该方法包括获取不同情感音乐刺激下的原始脑电信号；对原始脑电信号进行预处理；对预处理后的脑电信号进行特征提取以及标准化处理，确定原始特征集；确定原始特征集中每个特征的重要性；根据每个特征的重要性，采用多目标灰狼算法，确定一组非支配解；一组非支配解中的非支配解对应的灰狼个体为特征子集集合；根据特征子集集合确定原始脑电信号的分类，实现情绪识别本发明专利技术能够提高识别准确率和搜索效率。能够提高识别准确率和搜索效率。能够提高识别准确率和搜索效率。

【技术实现步骤摘要】
一种脑电信号情绪识别方法、系统及设备


[0001]本专利技术涉及信号处理
，特别是涉及一种脑电信号情绪识别方法、系统及设备。

技术介绍

[0002]情绪是人们对外界环境感知后自发产生的一种情感状态，对人们的日常生活起着重要的作用，如何正确识别情绪是实现正常互动的一个重要步骤。目前，随着可穿戴设备的发展，基于脑电信号的情绪识别越来越受到关注。为达到有效识别情绪的目的，研究人员会使用高维特征作为模型的输入。这些特征通常包括不相关、冗余的特征，可能会导致过拟合的问题，大大限制模型的性能。因此需要利用特征选择方法从这些特征中选出最优特征子集。
[0003]在早期基于脑电信号的情绪识别的研究阶段，特征选择通常被当作一个单目标优化问题，因此过去的单目标优化算法旨在提高分类准确率。比如，He等提出了一种萤火虫集成优化算法，通过排序概率反对函数保证了在较少特征情况下获得较高准确率。Tahir等将混沌映射与遗传算法结合，提出了一种二进制混沌遗传算法用于搜索最优的特征子集。
[0004]事实上，在基于脑电信号情绪识别的特征选择过程中，期望的结果是特征维度低(目标1)、分类精度高(目标2)，但是通常这两个目标相互冲突，因此是一个多目标优化问题。多目标优化算法是专门用来解决多目标优化问题。比如，Moctezuma等利用NSGA
‑
II设计了脑电通道选择的优化过程，以获得一组情绪识别精度高的通道组合。
[0005]然而，当前研究不同情感音乐刺激的多目标脑电特征选择方法较少，同时利用多目标优化算法实现基于脑电情绪识别的特征选择时还存在以下不足：(1)在搜索过程中，易陷入局部最优，导致无法进一步全局搜索；(2)计算复杂度高，搜索效率低。

技术实现思路

[0006]本专利技术的目的是提供一种脑电信号情绪识别方法、系统及设备，能够提高识别准确率和搜索效率。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]一种脑电信号情绪识别方法，包括：
[0009]获取不同情感音乐刺激下的原始脑电信号；
[0010]对原始脑电信号进行预处理；
[0011]对预处理后的脑电信号进行特征提取以及标准化处理，确定原始特征集；
[0012]确定原始特征集中每个特征的重要性；
[0013]根据每个特征的重要性，采用多目标灰狼算法，确定一组非支配解；一组非支配解中的非支配解对应的灰狼个体为特征子集集合；
[0014]根据特征子集集合确定原始脑电信号的分类，实现情绪识别。
[0015]可选地，所述对原始脑电信号进行预处理，具体包括：
[0016]对原始脑电信号进行滤波处理；
[0017]对滤波处理后的原始脑电信号进行伪影去除处理。
[0018]可选地，所述对预处理后的脑电信号进行特征提取以及标准化处理，确定原始特征集，具体包括：
[0019]确定情感音乐中与情感相关的特定频段对应的脑电信号，并提取脑电信号的特征，确定特征集合；
[0020]利用z
‑
score对特征集合进行标准化，确定原始特征集合。
[0021]可选地，所述确定原始特征集中每个特征的重要性，具体包括：
[0022]确定原始特征集中类别总数和每类别的样本数；
[0023]利用公式公式计算每维特征的Fisher得分f
fisher_score
(i)；
[0024]利用公式计算特征x
i
和x
j
之间的互信息值
[0025]利用公式确定特征x
i
的互信息平均值
[0026]利用公式确定特征x
i
的分数
[0027]利用公式确定每维特征的重要性得分
[0028]其中，x
i
表示第i维特征，x
j
表示第j维特征S
B(i)
和S
w(i)
分别表示第i维特征的类间方差和类内方差，H(x
i
)表示特征x
i
的熵，H(x
j
)表示特征x
j
的熵，H(x
i
,x
j
)表示特征x
i
和特征x
j
的联合熵，n表示特征维数。
[0029]可选地，所述根据每个特征的重要性，采用多目标灰狼算法，确定一组非支配解，具体包括：
[0030]利用每个特征的重要性对灰狼种群进行初始化；
[0031]计算灰狼种群每个个体的目标值，并比较个体间的支配关系，确定一组初始的非支配解；
[0032]利用种群更新策略对所述种群进行更新，确定一组非支配解。
[0033]可选地，所述计算灰狼种群每个个体的目标值，并比较个体间的支配关系，确定一组初始的非支配解，具体包括：
[0034]计算灰狼种群每个个体中被选中的特征数目占所有特征数目的比率f
obj_1
和利用支持向量机算法计算灰狼种群每个个体的AUC值的倒数f
obj_2
；
[0035]比较不同灰狼种群个体f
obj_1
和f
obj_2
的大小，当满足时，个体a为非支配解；其中S,R＝{1,2}，得到一组初始的非支配解。
[0036]可选地，所述利用种群更新策略对所述种群进行更新，确定一组非支配解，具体包括：
[0037]设置最大迭代次数maxiter、定义存储单元容量num_archive、设置目标函数f
obj_1
和目标函数f
obj_2
；
[0038]利用模糊选择算子选出三头领导狼，分别为α狼，β狼和δ狼；
[0039]对狼群进行二值化；
[0040]利用公式确定自适应变异算子；
[0041]其中，Thr为自适应变异算子，iter是当前迭代次数；
[0042]将每次获得的非支配解添加到存储单元中，当有新的非支配解出现时，比较新的非支配解与存储单元中非支配解的关系，更新存储单元；
[0043]当达到迭代次数时，停止更新，最终获得一组非支配解。
[0044]一种脑电信号情绪识别系统，包括：
[0045]原始脑电信号获取模块，用于获取不同情感音乐刺激下的原始脑电信号；
[0046]原始脑电信号预处理模块，用于对原始脑电信号进行预处理；
[0047]原始特征集确定模块，用于对预处理后的脑电信号进行特征提取以及标准化处理，确定原始特征集；
[0048]特征的重要性确定模块，用于确定原始特征集中每个特征的重要性；
[0049]非支配解确定模块，用于根据每个特征的重要性，采用多目标灰狼算法，确定一组非支配解；一组非支配解中的非支配解对应的灰狼个体为特征子集集合；
[0050]识别模块，用于根据特征子集集合确定原始脑电信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑电信号情绪识别方法，其特征在于，包括：获取不同情感音乐刺激下的原始脑电信号；对原始脑电信号进行预处理；对预处理后的脑电信号进行特征提取以及标准化处理，确定原始特征集；确定原始特征集中每个特征的重要性；根据每个特征的重要性，采用多目标灰狼算法，确定一组非支配解；一组非支配解中的非支配解对应的灰狼个体为特征子集集合；根据特征子集集合确定原始脑电信号的分类，实现情绪识别。2.根据权利要求1所述的一种脑电信号情绪识别方法，其特征在于，所述对原始脑电信号进行预处理，具体包括：对原始脑电信号进行滤波处理；对滤波处理后的原始脑电信号进行伪影去除处理。3.根据权利要求1所述的一种脑电信号情绪识别方法，其特征在于，所述对预处理后的脑电信号进行特征提取以及标准化处理，确定原始特征集，具体包括：确定情感音乐中与情感相关的特定频段对应的脑电信号，并提取脑电信号的特征，确定特征集合；利用z
‑
score对特征集合进行标准化，确定原始特征集合。4.根据权利要求1所述的一种脑电信号情绪识别方法，其特征在于，所述确定原始特征集中每个特征的重要性，具体包括：确定原始特征集中类别总数和每类别的样本数；利用公式公式计算每维特征的Fisher得分f
fisher_score
(i)；利用公式计算特征x
i
和x
j
之间的互信息值利用公式确定特征x
i
的互信息平均值利用公式确定特征x
i
的分数利用公式确定每维特征的重要性得分其中，x
i
表示第i维特征，x
j
表示第j维特征S
B(i)
和S
w(i)
分别表示第i维特征的类间方差和类内方差，H(x
i
)表示特征x
i
的熵，H(x
j
)表示特征x
j
的熵，H(x
i
,x
j
)表示特征x
i
和特征x
j
的联合熵，n表示特征维数。5.根据权利要求1所述的一种脑电信号情绪识别方法，其特征在于，所述根据每个特征的重要性，采用多目标灰狼算法，确定一组非支配解，具体包括：利用每个特征的重要性对灰狼种群进行初始化；计算灰狼种群每个个体的目标值，并...

【专利技术属性】
技术研发人员：孙淑婷，钱昆，罗刚，胡斌，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：