基于脑电及外周生理信号的情感识别

发布时间：2020-08-10 20:18

【摘要】：随着近几年人工智能的不断发展,生理信号的研究也逐渐从医学领域扩展到情感计算与人机交互领域。脑电等生理信号直接获取自个体,具有不可伪装的特点,因此生理信号的情感研究越来越受到重视。加之深度学习研究火热,情感生理信号的研究思路应更加多元。在此背景下,我们详细调研并分析了近年来脑电等生理信号的研究,并从信号处理和情感特征提取两方面提出了自己的模型。本文的主要工作如下:(1)通过分析不同信道的基线信号与情感信号在各类特征下的稳定性,总结出基线策略。选取功率谱密度作为前置特征,分别使用不同后置特征组合以及不同分类器验证实验。实验结果表明,在不同特征组合和分类算法下,基线策略都可以有效提升情感特征的表征能力。(2)通过分析脑电极在二维电极图中分布的空间位置关系,总结并构建了空间关联的3D卷积网络模型。该模型可以提取不同脑电信道的空间关联特征。为验证该模型有效,本文分别选取多种特征组合和分类器进行对比实验。结果表明空间关联的3D卷积网络对多信道情感特征具有较好的表征能力。在此基础上,通过分析脑电及外周生理信号的情感特征特点,本文分别在特征层和决策层对脑电及外周生理信号进行了融合实验。在特征层融合中,对脑电和外周生理信号分别提取了频域和时域特征;在决策层融合中,对脑电和外周生理信号的四组较好的分类结果分组采用加权投票的方法进行融合。实验结果表明,决策层融合提高了最终分类准确率,两组情感标签下的最好分类结果分别为83.2%和81.7%。
【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;R318
【图文】：

位置分布,枕叶,颞叶,额叶

大脑在活动中大量神经元的突触后电位的汇集产生，EEG的产生主要是由于大脑皮肤表面和大脑皮层的脑神经细胞的电活动反应。人脑面积最大的功能部分在大脑皮层，大脑皮层动能区划为额叶、颞叶、顶叶和枕叶，如图1.1所示。

波形,波形,频段

图 1.1 额叶、颞叶、顶叶和枕叶等脑功能位置分布g 1.1 Location map of brain: frontal lobe, temporal lobe, parietal lobe and occipitalG 是一种医学成像技术，可读取由大脑结构产生的头皮电活动或大，即它测量由大脑神经元内的离子电流引起的电压波动。从头皮测量通常成年人的 EEG 信号强度大致在 10-100μV 之间[1]。通过脑电极些电信号，在特定的生理或情感状态下会更突出某些频段。这些频段Delta（1-4Hz），Theta（4-7Hz），Alpha（8-13Hz），Beta（13-30Hz）和于 30 Hz），如图 1.2 所示。一般这五种频率划分为 EEG 研究所公认频率界限在不同研究中可能会有细微的差别。

脑电图,脑电

表明心理活动强烈或大脑正处于活跃状态，此时，信号在额为显著。号一般由配合大脑功能区域的电采集设备采集得到的。依统，10-20 系统，脑电极分布如图 1.3 所示。图中电极上标，右半球的电极用偶数表示，左半球的电极用奇数表示。而代表中心部分（Central），F 代表额叶部分（Frontal），P 代O 代表枕叶部分（Occipital），T 代表颞叶部分（Tempor轴线上的电极。四个边缘解剖标志用于正确定位电极，N，A1、A2 分别代表左右耳。以采用单电极，也可以采用双电极。单电极一般记录电位般在耳垂或乳头上，一般多个单电极共用一组参考电极。双般记录成对电极间的电位差。使用高密度电极，可以产生多噪声源，例如面部活动引发的肌肉活动，眼球移动和眨眼的额叶区域产生强烈影响，特别是中前部位（F3 和 F4），3][4]。

【参考文献】