【技术实现步骤摘要】
一种基于DenseNet和Bi
‑
GRU的脑电情感识别方法
[0001]本专利技术涉及一种基于DenseNet和Bi
‑
GRU的脑电情感识别方法,属于脑信息解码
技术介绍
[0002]脑科学在当今的科技发展中占有重要位置,也是以大脑为研究对象的一个新型研究领域。脑电信号是非平稳且变化非常不规律的一类信号,一个细小的刺激变化都要通过大量的分析才能准确识别出,解码要求对信号的特征要进行有效提取,通过合理的设计,完全可以设计出高效的解码方法。
[0003]情感识别是一个非常具有潜力的研究方向之一,情感是一种综合了人的感觉、思想和行为的状态,它包括人对外界或自身刺激的心理反应,也包括伴随这种心理反应的生理反应,它在医疗、人机交互等很多领域都有潜在的应用。
[0004]情感识别从识别信号的角度主要分两类,即非生理信号识别和生理信号识别。由于非生理信号有很大的欺骗性,虽然它很容易提取,但是为了准确的识别情感类型,大多数研究人员都选择使用生理信号进行识别。对情感识别来说,如何提 ...
【技术保护点】
【技术特征摘要】
1.一种基于DenseNet和Bi
‑
GRU的脑电情感识别方法,其特征在于:Step1:首先将原始脑电信号分成n个不重叠的片段,每个片段分配的标签和原始脑电信号相同,对n个片段分别使用0.5秒不重叠的滑动窗口增加数据量,然后使用巴特沃斯带通滤波器将原始脑电信号分成四个频带;Step2:对Step1中的每个频带信号求微分熵特征,根据通道位置将特征映射到二维地图上,并将其转化为一个4D表示;Step3:将Step2提取的微分熵特征输入到DenseNet中学习空间和频率信息,然后Bi
‑
GRU从DenseNet输出中学习时间序列的前后联系,最后利用softmax函数对情感进行分类预测。2.根据权利要求1所述的基于DenseNet和Bi
‑
GRU的脑电情感识别方法,其特征在于,所述Step1具体为:将原始脑电信号分成n个不重叠的片段,每个片段长为T秒,且每个片段所分配的标签和原始脑电信号相同,使用巴特沃斯带通滤波器将原始脑电信号分成四个频带,分别为θ(4
‑
7Hz),α(8
‑
13Hz),β(14
‑
30Hz),γ(31
‑
45Hz)。3.根据权利要求1所述的基于DenseNet和Bi
‑
GRU的脑电情感识别方法,其特征在于,所述Step2具体为:对Step1中的四个频带根据式(1)分别求微分熵特征:式中,X表示自由变量,p(x)表示X的概率密度函数,[a,b]表示取值区间,σ2代表X的方差,μ代表X的平均值。4.根据权利要求1所述的基于DenseNet和Bi
‑
GRU的脑电情感识别方法,其特征在于,所述Step3具体为:使用DenseNet和Bi
‑
GRU对微分熵算法提取到的情感特征进行分类识别;首先将提取的微分熵特征输...
【专利技术属性】
技术研发人员:杨俊,郑进港,沈韬,吴俊会,王琪琛,王芳芳,余创贺,
申请(专利权)人:昆明理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。