视频刺激下基于脑电信号的人类情感识别研究
发布时间：2020-12-16 02:15
随着脑机接口（BCI）技术的发展,多通道脑电信号逐渐取代其他生理信号,成为情绪识别研究的主要线索,然而基于脑电信号的情感分类准确性并不稳定,这可能与接收刺激前后脑电信号的特征变化量有关。同时,随着技术发展的日新月异,以深度学习为翘楚的分类预测模型为模式识别领域注入了新的活力。基于生理信号的情感识别研究能否与深度学习相结合从而进一步提高机器识别人类情绪的能力,还需要深入的研究和探索。在本研究中,首先提出了一种基于去基线策略的特征分析方法,利用小波包变换（WPT）撷取情感视频刺激前后的差分熵（DE）变化量,提高了机器辨识个体情绪状态的能力。其实现方法是使用脑电情感数据库DEAP,将实验脑电数据平均分成15组并基于WPT提取它们的微分熵,然后计算各分离脑电信号集的特征变化量,随后结合随机森林（RF）算法,将情绪在效价-唤醒度情感模型上划分为四类,最后设计了三种去基线策略方案的对比实验,结果表明:新方法平均分类精度为87.3%,相较于其他方案高出大约25%,意味着基于新方法的WPT-RF模型大大提高了基于脑电信号的情感识别率。接下来,建立了基于深度学习的情感预测模型。在分析脑电信号多种非线性特...
【文章来源】：东北电力大学吉林省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
图２－２现场采集实验??电极帽要正确佩戴以保证位置准确，通过脑电采集设备，将各个电极的脑电信号记录??
东北电力大学硕士学位论文??受试者过于疲惫，重复实验至少间隔１天左右再进行。??图２－２现场采集实验??电极帽要正确佩戴以保证位置准确，通过脑电采集设备，将各个电极的脑电信号记录??到电脑当中。在身体某处设置参考电极也就是零电位，一般采用耳垂，其他电极位置与零??电位形成电位差，在大脑皮层上各个电极的位置根据１０－２０系统呈现如图２－３所示。??Ａｎｔｅｒｉｏｒ??？?？Ｘｊｆｅ??＾／ｒ？０？?？?？？０＼ｈ??Ｉ?Ｙ＾ｅｅ?０？？０ｙ＼??Ｌｅｆｔ?〇〇〇〇?？?００００?Ｒｉｇｈｔ??ＩＬ？＾０?〇？ｅ？?ａ］??％？?０?＠ｏ？??图２－３?ＥＥＧ电极位置??２．２．４?ＥＥＧ的预处理方法??ＥＥＧ信号的噪声主要来源于被试本身产生的人体干扰，还有系统和环境的干扰。由于??设备的工频干扰、环境的电磁干扰等属于测量系统；而实验时，被试者除大脑外的其他组??织、器官的动作产生的生理电信号引发的干扰等属于人体干扰，如眨眼、眼动、呼吸、心??跳等。??预处理方法可以从三个方面来概括。１）去除信号的不正常波动和噪声。在实验过程中，??常常出现一些被试身体晃动、电极之间通过导电膏连在一起、电极移动等情况，这些状况??－１６－??
第３章基于去基线策略特征分析的ＥＥＧ情感分类方法及买验结朱甘Ｗ??情感四分类?ｎｃｉｒｒｉｒｗ?３２个电？＾＿道＞＜５刊§??ＱＤＩＤｉ?Ｅ９ＥＯＩＣＳ?段??、??Ｅ１隨?计算獅ｓｐｓｎｉａ???工一ｅ圃二－＿－—－舰值号－空翌…版－??？?？?？?？?的沉?６０ｓ的实ＳＳ数??〔?Ｈｉ?—?一??１?ｒ、ｉ?１?１?＼??＾?｜?：戀?ｂ：’??＾?极通－簦肱?预处理??电信号??图３－１基于去基线策略的情感计算模型??具体分析方法为：将视频播放前的脑电记录作为基线数据，对实验数据可以采取等分??割和非分割两种措施。等分割分析方法是将实验数据根据信号时长均等的分割后，每一段??都进行去基线操作？，非分割方法是我们将全时段的实验数据直接去除基线特征。在实验部??分，我们讨论了这两种方法去除基线数据影响的效果，结果表明，第一种方法对实验数据??进行等分割，取得了较高的精度。图３－１表示的是以脑电信号特征微分熵为例，建立的去??基线策略的脑电信号方法流程图。本文首先建立了一个基于二维空间的情感分类标签。然??后基于小波包变换算法提取ＤＥ特征，并提取基线从特征值中减去３ｓ的数据去特征值，得??到每个实验数据的特征值差。最后，使用随机森林分类器将二维情感空间分为四类。??图３－１显示了我们提出的情感计算模型的ＢＣＩ模拟系统。受试者接受视频刺激并记录??他们的脑电图信号。每组包括３ｓ空白和６０ｓ视频刺激。信号预处理后，将６０ｓ的实验数??据分成１５份，时间相同。??３．?１．１建立分类标签??本文利用志愿者观看的视频材料的自我评价值，建立维度模型，构建二维的价格唤醒??度标签。根据１－９分的
本文编号：2919333
【文章来源】：东北电力大学吉林省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
图２－２现场采集实验??电极帽要正确佩戴以保证位置准确，通过脑电采集设备，将各个电极的脑电信号记录??
东北电力大学硕士学位论文??受试者过于疲惫，重复实验至少间隔１天左右再进行。??图２－２现场采集实验??电极帽要正确佩戴以保证位置准确，通过脑电采集设备，将各个电极的脑电信号记录??到电脑当中。在身体某处设置参考电极也就是零电位，一般采用耳垂，其他电极位置与零??电位形成电位差，在大脑皮层上各个电极的位置根据１０－２０系统呈现如图２－３所示。??Ａｎｔｅｒｉｏｒ??？?？Ｘｊｆｅ??＾／ｒ？０？?？?？？０＼ｈ??Ｉ?Ｙ＾ｅｅ?０？？０ｙ＼??Ｌｅｆｔ?〇〇〇〇?？?００００?Ｒｉｇｈｔ??ＩＬ？＾０?〇？ｅ？?ａ］??％？?０?＠ｏ？??图２－３?ＥＥＧ电极位置??２．２．４?ＥＥＧ的预处理方法??ＥＥＧ信号的噪声主要来源于被试本身产生的人体干扰，还有系统和环境的干扰。由于??设备的工频干扰、环境的电磁干扰等属于测量系统；而实验时，被试者除大脑外的其他组??织、器官的动作产生的生理电信号引发的干扰等属于人体干扰，如眨眼、眼动、呼吸、心??跳等。??预处理方法可以从三个方面来概括。１）去除信号的不正常波动和噪声。在实验过程中，??常常出现一些被试身体晃动、电极之间通过导电膏连在一起、电极移动等情况，这些状况??－１６－??
第３章基于去基线策略特征分析的ＥＥＧ情感分类方法及买验结朱甘Ｗ??情感四分类?ｎｃｉｒｒｉｒｗ?３２个电？＾＿道＞＜５刊§??ＱＤＩＤｉ?Ｅ９ＥＯＩＣＳ?段??、??Ｅ１隨?计算獅ｓｐｓｎｉａ???工一ｅ圃二－＿－—－舰值号－空翌…版－??？?？?？?？?的沉?６０ｓ的实ＳＳ数??〔?Ｈｉ?—?一??１?ｒ、ｉ?１?１?＼??＾?｜?：戀?ｂ：’??＾?极通－簦肱?预处理??电信号??图３－１基于去基线策略的情感计算模型??具体分析方法为：将视频播放前的脑电记录作为基线数据，对实验数据可以采取等分??割和非分割两种措施。等分割分析方法是将实验数据根据信号时长均等的分割后，每一段??都进行去基线操作？，非分割方法是我们将全时段的实验数据直接去除基线特征。在实验部??分，我们讨论了这两种方法去除基线数据影响的效果，结果表明，第一种方法对实验数据??进行等分割，取得了较高的精度。图３－１表示的是以脑电信号特征微分熵为例，建立的去??基线策略的脑电信号方法流程图。本文首先建立了一个基于二维空间的情感分类标签。然??后基于小波包变换算法提取ＤＥ特征，并提取基线从特征值中减去３ｓ的数据去特征值，得??到每个实验数据的特征值差。最后，使用随机森林分类器将二维情感空间分为四类。??图３－１显示了我们提出的情感计算模型的ＢＣＩ模拟系统。受试者接受视频刺激并记录??他们的脑电图信号。每组包括３ｓ空白和６０ｓ视频刺激。信号预处理后，将６０ｓ的实验数??据分成１５份，时间相同。??３．?１．１建立分类标签??本文利用志愿者观看的视频材料的自我评价值，建立维度模型，构建二维的价格唤醒??度标签。根据１－９分的
本文编号：2919333
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2919333.html
