基于稀疏组lasso-granger因果关系特征的EEG情感识别
发布时间：2020-07-18 10:03
【摘要】：情感与人类的生活密切相关,它受到人脑中枢神经系统的控制以产生相应的情感状态。情感识别是通过计算机技术来感知人类的情感状态变化,使其在不同的环境下准确识别出人类的情感,与此同时,它也能够不断促进和完善人机交互技术的进步与发展。目前,许多学者利用呼吸、肌电、心电、脑电等生理信号进行情感识别研究,其中以脑电信号研究居多,因为脑电能够充分反映出大脑在不同认知任务和功能状态下的响应,能够表现大脑的整个神经元活动,它不会受到人为刻意掩饰的影响,因此基于脑电信号(EEG)的情感识别研究可以更客观、更充分的反映人类情感状态的变化。基于脑电信号的情感识别研究主要集中在特征提取和情感分类两个关键步骤,人体大脑皮层的脑电信号是一种包含了许多干扰信号的非平稳随机信号,研究过程中需要对其进行相应的预处理,提取出有效地情感特征信息,之后使用分类算法对提取的情感特征进行分类以识别受试者的不同情感状态。本文在对脑电信号研究的基础上,提出一种新的脑电特征和情感识别分类方法,主要工作如下:1、提出了一种基于稀疏组lasso-granger因果关系特征的脑电情感识别方法。在实验中,首先使用granger算法提取受试者α、β、γ脑电波段的granger因果特征值,然后通过稀疏组lasso算法对因果特征进行筛选以获得高相关性的特征子集,最后使用SVM分类器进行情感分类,此外在特征提取过程中,应用ReliefF算法选取有效的EEG通道以降低计算时间。实验表明,该方法提取的脑电情感特征能有效识别受试者的不同情感状态,在Valence-Arousal二维情感模型上分别获得87.15%、86.60%的平均情感分类准确率,分类效果要优于对比的脑电特征。2、提出了一种基于CapsNet神经网络的情感分类方法。采用稀疏组lasso-granger因果关系方法提取原始脑电信号的granger因果关系特征,将获取的高相关性特征子集作为该网络的输入,实现最终情感分类。实验表明,通过调整网络结构和模型参数来构建CapsNet神经网络对脑电信号进行情感分类,在Valence-Arousal情感维度下分别获得88.09%、87.37%的平均情感分类准确率,该方法相比SVM、CNN、DBN等分类系统能够得到更优的结果,显著提高了脑电情感分类的性能。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.7;TP18
【图文】：
2.1.1 脑电信号的来源人体的中枢神经系统中包含大量的神经元细胞，其被认为是神经系统最基本的计算单元。神经元的细胞膜是由磷脂双分子层所构成，这些分子层通过钠，钾、钙等离子相关的离子通道的开闭来传递电讯号，离子通道的开闭会导致神经元在传递信号的短暂过程中形成一处微小电场并触发一连串的事件：Na 离子迅速流入细胞内会造成细胞膜点位迅速升高，直到 K 离子通道打开并流出细胞外后，细胞膜电位才下降。膜电位的快速上升和下降会产生动作电位或锋电位，神经元间通信的主要模式就是通过动作电位或锋电位进行的。锋电位的波形一般较为固定，携带的信息较少或基本不携带信息，真正携带信息的是锋电位出现的时间和锋电位的放电率。不同的神经元之间通过突触连接进行交流，当前一神经元传送来的锋电位引起存储在突出前神经元轴突端部突触囊泡中神经递质释放，而后神经递质着附于后一神经元的受体上并促使离子通道打开，从而影响突触后细胞膜局部膜电位，脑电波信号主要就是由这些电位传递产生的。图 2.1 给出了人脑中一段脑电波信号的波形图，类似于正弦波，但无固定的周期特性。
第二章 EEG 与情感识别基础结构与功能分区脑由左半球和右半球两部分组成，每个半球包括基底面、内侧面和背外脑底部的髓质、脑桥与中脑共同组成了脑干，大脑向身体其他部位传递通过脑干进行的。髓质和脑桥参与调节人体的呼吸、肌肉张力、血压、醒等基本功能。中脑由顶盖部分构成，其又包括下丘和上丘，主要控制动以及视觉、听觉反射等。大脑的底部是小脑，其是高度结构化的神经主要负责运动的协调。大脑的左半球和右半球之间有许多沟、裂和回，叶、枕叶和颞叶分布于这些沟裂中，分别对应于额骨、顶骨、枕骨和颞，脑区的结构划分如图 2.2 所示。
图 2.3 EEG 信号的四种频率波形Fig 2.3 Four frequency waveforms of EEG signal（1）δ波：频率处于 1-3Hz 之间，振幅在 20-200μV。δ波多出现在婴儿、成人熟睡状态或患有严重器质性脑病的病人身上。（2）θ波：频率处于 4-7Hz 之间，振幅在 5-20μV。儿童的顶部和颞部会出现θ波，成年人在中枢神经系统受到抑制时也会出现θ波，当出现疲劳状态或入睡后θ波也将逐渐增多，如果某时刻大量出现θ波，则意味着发生了异常或病变现象。（3）α波：频率处于 8-13Hz，振幅在 20-1000μV。绝大多数正常人的脑电信号以α波为主，多出现在顶枕区，类似正弦波波形。α波会在人清醒、安静闭目状态时出现，当进入睡眠状态后就会消失；（4）β波：频率处在 14-30Hz，振幅在 100-150μV。β波遍布于整个脑区，但主要分布在前半球和颞区，它通常与年龄、心理、个性、性别等特性有关，一般女性的β波多于男性，老年人的β波多于成人，当人体的大脑皮层出现兴奋状
本文编号：2760740
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.7;TP18
【图文】：
2.1.1 脑电信号的来源人体的中枢神经系统中包含大量的神经元细胞，其被认为是神经系统最基本的计算单元。神经元的细胞膜是由磷脂双分子层所构成，这些分子层通过钠，钾、钙等离子相关的离子通道的开闭来传递电讯号，离子通道的开闭会导致神经元在传递信号的短暂过程中形成一处微小电场并触发一连串的事件：Na 离子迅速流入细胞内会造成细胞膜点位迅速升高，直到 K 离子通道打开并流出细胞外后，细胞膜电位才下降。膜电位的快速上升和下降会产生动作电位或锋电位，神经元间通信的主要模式就是通过动作电位或锋电位进行的。锋电位的波形一般较为固定，携带的信息较少或基本不携带信息，真正携带信息的是锋电位出现的时间和锋电位的放电率。不同的神经元之间通过突触连接进行交流，当前一神经元传送来的锋电位引起存储在突出前神经元轴突端部突触囊泡中神经递质释放，而后神经递质着附于后一神经元的受体上并促使离子通道打开，从而影响突触后细胞膜局部膜电位，脑电波信号主要就是由这些电位传递产生的。图 2.1 给出了人脑中一段脑电波信号的波形图，类似于正弦波，但无固定的周期特性。
第二章 EEG 与情感识别基础结构与功能分区脑由左半球和右半球两部分组成，每个半球包括基底面、内侧面和背外脑底部的髓质、脑桥与中脑共同组成了脑干，大脑向身体其他部位传递通过脑干进行的。髓质和脑桥参与调节人体的呼吸、肌肉张力、血压、醒等基本功能。中脑由顶盖部分构成，其又包括下丘和上丘，主要控制动以及视觉、听觉反射等。大脑的底部是小脑，其是高度结构化的神经主要负责运动的协调。大脑的左半球和右半球之间有许多沟、裂和回，叶、枕叶和颞叶分布于这些沟裂中，分别对应于额骨、顶骨、枕骨和颞，脑区的结构划分如图 2.2 所示。
图 2.3 EEG 信号的四种频率波形Fig 2.3 Four frequency waveforms of EEG signal（1）δ波：频率处于 1-3Hz 之间，振幅在 20-200μV。δ波多出现在婴儿、成人熟睡状态或患有严重器质性脑病的病人身上。（2）θ波：频率处于 4-7Hz 之间，振幅在 5-20μV。儿童的顶部和颞部会出现θ波，成年人在中枢神经系统受到抑制时也会出现θ波，当出现疲劳状态或入睡后θ波也将逐渐增多，如果某时刻大量出现θ波，则意味着发生了异常或病变现象。（3）α波：频率处于 8-13Hz，振幅在 20-1000μV。绝大多数正常人的脑电信号以α波为主，多出现在顶枕区，类似正弦波波形。α波会在人清醒、安静闭目状态时出现，当进入睡眠状态后就会消失；（4）β波：频率处在 14-30Hz，振幅在 100-150μV。β波遍布于整个脑区，但主要分布在前半球和颞区，它通常与年龄、心理、个性、性别等特性有关，一般女性的β波多于男性，老年人的β波多于成人，当人体的大脑皮层出现兴奋状
【参考文献】
相关期刊论文 前5条
1 谢平;杨芳梅;陈晓玲;杜义浩;吴晓光;;基于多尺度传递熵的脑肌电信号耦合分析[J];物理学报;2015年24期
2 裘志军;陈旨娟;田心;;基于Granger因果分析研究颞叶癫痫脑电的网络特性[J];天津医科大学学报;2014年06期
3 陈立江;毛峡;Mitsuru ISHIZUKA;;基于Fisher准则与SVM的分层语音情感识别[J];模式识别与人工智能;2012年04期
4 吴晓彬,邱天爽;基于时频分析的EEG信号分析处理方法研究进展[J];国外医学.生物医学工程分册;2004年06期
5 季忠,秦树人,彭丽玲;脑电信号的现代分析方法[J];重庆大学学报(自然科学版);2002年09期
相关博士学位论文 前1条
1 刘欣;基于表情认知的服务机器人情感计算研究[D];北京科技大学;2015年
相关硕士学位论文 前2条
1 周霖;基于脑电的音乐视频情感标记理论研究[D];兰州大学;2014年
2 聂聃;基于脑电的情感识别[D];上海交通大学;2012年
本文编号：2760740
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2760740.html
