基于脑电的情绪识别研究与系统开发

发布时间：2021-11-25 13:56

　　情绪在人类生活的各个方面都发挥着重要的作用,因为人的行为举止、推断决策等都很难避免内心情绪的影响。已有研究表明,通过分析人类的脑电信号可以识别出其情绪信息。因此,基于脑电信号的情绪识别研究具有很大的应用前景。近年来,机器学习技术的发展为基于脑电信号的情绪识别研究提供了可靠的技术手段。传统的机器学习技术简单地从多通道的脑电信号中提取特征,然后连接成单个特征向量,没有考虑到脑电信号中至关重要的时间动态信息。深度学习技术中的长短时记忆网络（Long Short-Term Memory,LSTM）因其时间上的递归结构,所以可以很好地解决这个问题。为此,提出一种新的基于LSTM的情绪识别模型。脑电信号被分成多个非重叠的信号段,分别从每段信号中提取了时域、频域和非线性动力学特征,将其沿时间轴连接成特征序列并用来训练基于LSTM的分类模型。在DEAP数据集上验证了该模型在愉悦度、唤醒度和喜欢度上的二分类准确率,其中每种情绪均分为低和高两类。实验表明,该模型在愉悦度和喜欢度上的分类准确率均优于已有方法,在唤醒度上的分类准确率也十分具有竞争力。同时,本文对基于脑电信号的情绪检测系统的开发进行了介绍,系统... 

【文章来源】：南京邮电大学江苏省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

基于脑电的情绪识别技术的相关应用产品

（a）湿电极帽 （b）干电极帽图 2.1 湿电极帽和干电极帽术，如图 2.1（a）所示，该技术利用湿电极帽贴置头皮来采集脑电信集前，技术人员需要将液态导电介质注入湿电极帽的各个电极位置，阻抗，进而提高的脑电信号的采集质量。湿电极技术提取出的脑电信电信号相比，在稳定阶段信号强度较大且相对稳定。但是湿电极技术所要的准备工作较为繁杂，准备时间较长。另外，由于液态导电介质信号的强度会随着时间而变弱，而且这种采集方式在方便性和舒适度适合应用于实际生活中，但在实验研究方面，该技术采集到的脑电信提取技术，如图 2.1（b）所示，该技术通过干电极与被试的头皮直接由于不需要注入液态导电介质，所以提取信号时角质层的阻抗要比湿提取出的信号较弱。但是与湿电极提取技术相比，干电极采集的信号而衰弱，且干电极在佩戴上较为方便，通常不需要额外的准备工作，

图 2.2 32 导电极分布示意图，需要使用放大器对采集到的脑电信号进在经过了脑电信号的提取和放大两个步骤脑电和诱发脑电两大类。其中，自发脑电是指给被试某种刺激导致脑电信号发生的、θ、 和 β 四个波段。 波频率约为 1-3Hz，频率约为 4-7Hz，在精神病患者中或当成波频率约为 8-13Hz，是正常人脑电的最基显，当人睁眼或受到其他刺激时， 波会减

【参考文献】：
期刊论文
[1]干电极脑电采集技术综述[J]. 王晓韡,石立臣,吕宝粮.  中国生物医学工程学报. 2010(05)
[2]基于奇异谱熵的脑电意识任务识别方法的研究[J]. 张小鹏,范影乐,杨勇.  计算机工程与科学. 2009(12)
[3]基于EEG的警觉度分析与估计研究综述[J]. 傅佳伟,石立臣,吕宝粮.  中国生物医学工程学报. 2009(04)



本文编号：3518280