基于扩散增强的多尺度时空感知的脑电数据扩增方法及其系统技术方案

本发明专利技术公开了一种基于扩散增强的多尺度时空感知的脑电数据扩增方法，包括以下步骤：S1：采集用户的脑电数据进行预处理，并转化为二维矩阵阵列；S2：将所有用户的数据进行对齐标准化，并划分为训练集与测试集；S3：构建扩散增强模型，利用训练集数据训练扩散增强模型；S4：构建并训练多尺度时空感知模型；S5：通过训练好的扩散增强模型生成增强样本，将增强样本与真实样本混合输入到多尺度时空感知模型中进行微调，得到训练好的多尺度时空感知模型；S6：将测试集输入到训练好的多尺度时空感知模型中，得到分类好的情感标签。还公开了一种基于扩散增强的多尺度时空感知的脑电数据扩增系统。本发明专利技术能端到端地实现高准确度的情感识别。

【技术实现步骤摘要】

本专利技术涉及脑电情感识别领域，特别是涉及一种基于扩散增强的多尺度时空感知的脑电数据扩增方法及其系统。

技术介绍

1、随着人工智能和机器学习技术的快速发展，情绪识别技术已成为人机交互、心理健康监测和智能家居等领域的关键技术。情绪识别技术旨在通过分析生理信号或行为模式来识别和理解个体的情绪状态。其中，基于脑电图(eeg)的情绪识别因其能够直接反映大脑活动而受到广泛关注。

2、eeg信号是一种非侵入性、实时性强且成本效益高的生理信号，能够有效捕捉大脑活动的变化。然而，eeg信号的采集和处理面临多重挑战。首先，eeg信号具有高度的非平稳性和低信噪比，这使得从信号中提取稳定的情绪相关特征变得困难。其次，不同个体的脑电活动模式存在显著差异，这对情绪识别模型的泛化能力提出了更高要求。此外，现有基于eeg的情绪识别方法往往依赖于特定频率带和电极通道，缺乏对全局脑电活动的考虑，限制了识别精度和鲁棒性。

3、情绪识别通过使用特定标准分析数据来确定个人的情绪状态。在情感识别的早期阶段，专家们使用手工制作的特征，如微分熵(de)和功率谱密度(psd)来识本文档来自技高网...

【技术保护点】

1.一种基于扩散增强的多尺度时空感知的脑电数据扩增方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于扩散增强的多尺度时空感知的脑电数据扩增方法，其特征在于，在步骤S1中，利用国际10-20系统脑电采集设备，采集N个用户在K中情感刺激下的脑电信号数据，通过对应的电极位置，将对应位置的数据投射到二维矩阵中，得到标准化数据。

3.根据权利要求1所述的基于扩散增强的多尺度时空感知的脑电数据扩增方法，其特征在于，步骤S3的具体步骤包括：

4.根据权利要求1所述的基于扩散增强的多尺度时空感知的脑电数据扩增方法，其特征在于，在步骤S4中，所述多尺度时空感...

【技术特征摘要】

1.一种基于扩散增强的多尺度时空感知的脑电数据扩增方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于扩散增强的多尺度时空感知的脑电数据扩增方法，其特征在于，在步骤s1中，利用国际10-20系统脑电采集设备，采集n个用户在k中情感刺激下的脑电信号数据，通过对应的电极位置，将对应位置的数据投射到二维矩阵中，得到标准化数据。

3.根据权利要求1所述的基于扩散增强的多尺度时空感知的脑电数据扩增方法，其特征在于，步骤s3的具体步骤包括：

4.根据权利要求1所述的基于扩散增强的多尺度时空感知的脑电数据扩增方法，其特征在于，在步骤s4中，所述多尺度时空感知模型包括空间频率学习模块和时间学习模块，空间频率学习模块利用预处理的eeg信号作为其输入，产生一维向量作为其输出，获得必要的空间频率特征；时间学习模块通过有效处理连续的脑电数据来提高情绪分类的准确率，获得全局和局部的时间特征。

5.根据权利要求4所述的基于扩散增强的多尺度时空感知的脑电数据扩增方法，其特征在于，所述空间频率学习模块依次包括一个第一多尺度卷积层、三个二维卷积层、一个残差层、一个并行可分离卷积层、一个第二多尺度卷...

【专利技术属性】
技术研发人员：李心慧，徐灯良，吕钊，张超，李平，范存航，裴胜兵，胡世昂，曹帅，
申请(专利权)人：安徽大学，
类型：发明
国别省市：