基于极差融合决策的视听环境情绪个性化评估方法及装置制造方法及图纸

本发明专利技术属于大脑情绪调节技术领域，特别涉及一种基于极差融合决策的视听环境情绪个性化评估方法及装置，该方法包括将视觉和听觉单一感官通道

【技术实现步骤摘要】
基于极差融合决策的视听环境情绪个性化评估方法及装置


[0001]本专利技术属于大脑情绪调节
，特别涉及一种基于极差融合决策的视听环境情绪个性化评估方法及装置
。

技术介绍

[0002]视觉和听觉对人类情绪产生的影响一直备受研究者们的关注
。
过去的研究主要集中在分析单一感官通道
(
如视觉或听觉
)
对情绪的作用，取得了不少成果
。
然而，我们对于视听跨感觉通道的情绪协同影响以及相关信息处理方法仍有待深入研究
。
[0003]在先前的研究中，科学家们使用不同颜色的图像作为视觉刺激，发现颜色对情绪和记忆有着明显的影响
。
此外，他们还发现不同颜色的感知在大脑中引起不同的反应，其中蓝色的复杂性最高，其次是红色和绿色
。
此外，通过改变室内设计或自动调整颜色等方法，研究人员还发现环境中颜色和情景的变化能够引起被试者的情绪反应
。
除了颜色，视觉刺激中的频率和形状等因素也对情绪产生一定影响
。
[0004]然而，目前的研究主要聚焦于单一感官通道的影响，对于视听跨感觉通道的情绪协同影响的研究还相对不足
。
同时，现有的研究往往在高度控制的实验室环境中进行，要求精确控制光照
、
温度
、
噪音等因素，导致实验设备昂贵且复杂，难以将研究成果应用于真实世界
。
此外，对于视觉刺激中多个因素的协同影响研究也还存在一些不足之处
。

技术实现思路

[0005]本专利技术的目的在于解决现有技术中视听跨感觉通道的大脑情绪协同影响
、
实验环境条件
、
视觉刺激多因素协同影响存在的不足，提出一种基于极差融合决策的视听环境情绪个性化评估方法及装置，设计不同视听环境因素的组合，并获取相关的脑电图数据，计算每个实验对象不同视听环境因素的权重，从而评估不同视听环境对情绪的影响，根据不同的情绪调节需求，从而进行相应的视听环境设计，最终实现个性化自适应调整环境，更能反映真实生活情境，具有更高的可行性和适用性
。
[0006]为了实现上述目的，本专利技术采用以下的技术方案：
[0007]本专利技术提供了一种基于极差融合决策的视听环境情绪个性化评估方法，包含以下步骤：
[0008]将视觉和听觉单一感官通道
、
视觉多个因素协同以及视听跨感觉通道作为脑电刺激，对大脑情绪信息进行采集与预处理；
[0009]建立与训练极差融合决策模型，利用该模型获得不同视听环境因素对不同人情绪的影响程度，根据评估结果调整环境，实现个性化地调节情绪
。
[0010]根据本专利技术基于极差融合决策的视听环境情绪个性化评估方法，进一步地，将视觉和听觉单一感官通道
、
视觉多个因素协同以及视听跨感觉通道作为脑电刺激，对大脑情绪信息进行采集包括：
[0011]首先招募实验人员，然后对这些实验人员分别进行视觉实验
、
听觉实验和视听觉
混合实验；视觉实验中采用视觉作为脑电刺激，视觉素材中变化的变量包括颜色
、
频率或者形状单一因素以及颜色
、
频率和形状中任意两个或者三个的组合；听觉实验中采用听觉作为脑电刺激，听觉素材取自自然界的声音；视听觉混合实验中采用视觉混合听觉作为脑电刺激，将视觉素材与听觉素材混合进行实验
。
[0012]根据本专利技术基于极差融合决策的视听环境情绪个性化评估方法，进一步地，对采集的大脑情绪信息进行预处理：
[0013]利用
EEG
软件控制平台将
TGAM
模块采集的
EEG
信号写入
SQL server
数据库中；采用
EEGLAB
工具箱进行
FIR
低通滤波
、
基线校正处理，采用
ICA
算法去除伪迹
。
[0014]根据本专利技术基于极差融合决策的视听环境情绪个性化评估方法，进一步地，对
EEG
信号进一步分析处理：
[0015]通过
EMD
分解后得到一组本征模函数
IMFx
，将这些本征模函数
IMFx
按照频率从高到低排列；再将本征模函数
IMFx
依次分别进行
Hilbert
变换，分别计算其时域频域幅值变换趋势，求取其转折点对应的时刻，且在该时刻上其瞬时频率应不大于
30Hz
，将该时间段的脑电波数据作为响应相关时间的有效数据
。
[0016]根据本专利技术基于极差融合决策的视听环境情绪个性化评估方法，进一步地，建立极差融合决策模型，包含：
[0017]1)
采用正交实验设计方法；
[0018]2)
计算各环境因素权重；
[0019]3)
计算实验对象的各属性熵值和权重；
[0020]4)
自适应权重合成和归一化处理
。
[0021]根据本专利技术基于极差融合决策的视听环境情绪个性化评估方法，进一步地，所述计算各环境因素权重，包括：
[0022]对于视觉环境因素，设正交表的颜色
、
频率
、
形状的极差分别为
v1、v2、v3，则每个因素的影响权重表达式为：
[0023][0024]因此，使用正交表的极差计算各因素的影响权重
。
[0025]根据本专利技术基于极差融合决策的视听环境情绪个性化评估方法，进一步地，所述计算实验对象的各属性熵值和权重，计算过程如下：
[0026]假设直接测量值和间接测量值之间存在连续可谓关系，通过误差传递公式计算各属性的误差：
[0027]设直接测量值为
t1,t2,
…
，
tm
，间接测量值为
y
，它们之间存在连续可谓关系
y
＝
f(t1,t2,...,tm)
；
t1,t2,
…
，
tm
的随机误差为
W1，
W2，
…
，
W
m
，均方根误差为
e
i1
，
e
i2
，
…
，
e
im
；
y
的随机误差为
W
y
，相应的均方根误差为
e
y
，则当
W1，
W2，
…
，
W
m
相互独立时，有误差传递公式：
[0028][0029]其中，
e
ylim
表示...

【技术保护点】

【技术特征摘要】
1.
一种基于极差融合决策的视听环境情绪个性化评估方法，其特征在于，包含以下步骤：将视觉和听觉单一感官通道
、
视觉多个因素协同以及视听跨感觉通道作为脑电刺激，对大脑情绪信息进行采集与预处理；建立与训练极差融合决策模型，利用该模型获得不同视听环境因素对不同人情绪的影响程度，根据评估结果调整环境，实现个性化地调节情绪
。2.
根据权利要求1所述的基于极差融合决策的视听环境情绪个性化评估方法，其特征在于，将视觉和听觉单一感官通道
、
视觉多个因素协同以及视听跨感觉通道作为脑电刺激，对大脑情绪信息进行采集包括：首先招募实验人员，然后对这些实验人员分别进行视觉实验
、
听觉实验和视听觉混合实验；视觉实验中采用视觉作为脑电刺激，视觉素材中变化的变量包括颜色
、
频率或者形状单一因素以及颜色
、
频率和形状中任意两个或者三个的组合；听觉实验中采用听觉作为脑电刺激，听觉素材取自自然界的声音；视听觉混合实验中采用视觉混合听觉作为脑电刺激，将视觉素材与听觉素材混合进行实验
。3.
根据权利要求2所述的基于极差融合决策的视听环境情绪个性化评估方法，其特征在于，对采集的大脑情绪信息进行预处理：利用
EEG
软件控制平台将
TGAM
模块采集的
EEG
信号写入
SQL server
数据库中；采用
EEGLAB
工具箱进行
FIR
低通滤波
、
基线校正处理，采用
ICA
算法去除伪迹
。4.
根据权利要求3所述的基于极差融合决策的视听环境情绪个性化评估方法，其特征在于，对
EEG
信号进一步分析处理：通过
EMD
分解后得到一组本征模函数
IMFx
，将这些本征模函数
IMFx
按照频率从高到低排列；再将本征模函数
IMFx
依次分别进行
Hilbert
变换，分别计算其时域频域幅值变换趋势，求取其转折点对应的时刻，且在该时刻上其瞬时频率应不大于
30Hz
，将该时间段的脑电波数据作为响应相关时间的有效数据
。5.
根据权利要求2所述的基于极差融合决策的视听环境情绪个性化评估方法，其特征在于，建立极差融合决策模型，包含：
1)
采用正交实验设计方法；
2)
计算各环境因素权重；
3)
计算实验对象的各属性熵值和权重；
4)
自适应权重合成和归一化处理
。6.
根据权利要求5所述的基于极差融合决策的视听环境情绪个性化评估方法，其特征在于，所述计算各环境因素权重，包括：对于视觉环境因素，设正交表的颜色
、
频率
、
形状的极差分别为
v1、v2、v3，则每个因素的影响权重表达式为：因此，使用正交表的极差计算各因素的影响权重
。7.
根据权利要求6所述的基于极差融合决策的视听环境情绪个性化评估方法，其特征
在于，所述计算实验对象的各属性熵值和权重，计算过程如下：假设直接测量值和间接测量值之间存在连续可谓关系，通过误差传递公式计算各属性的误差：设直接测量值为
t1,t2,
…
，
tm
，间接测量值为
y
，它们之间存在连续可谓关系
y
＝
f(t1,t2,...,tm)
；
t1,t2,
…
，
tm
的随机误差为
W1，
W2，
…
，
W
m
，均方根误差为
e
i1

【专利技术属性】
技术研发人员：李寅生，皇甫幼帅，付麦霞，周飞，段宇乐，王召迎，郭韶帅，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：