基于石墨烯新型传感器和深度学习的脑电信号情绪识别
发布时间：2022-01-22 16:39
深度学习促进了智能识别技术的快速发展,同时人们对大脑的研究也处于方兴未艾的状态。情绪是大脑活动的表现形式,情绪对人类的生活和生产有着巨大的影响,如何智能地识别人类情绪就变得十分重要。本文的研究方向是研制一种能够在非实验室环境下进行稳定数据采集的脑电信号采集系统,使用深度学习的相关算法实现基于本研究石墨烯电极采集数据的情绪识别效果。首先,本文通过在微观结构上的创新,研制了一种新型石墨烯复合材料脑电电极,尝试通过此电极对大脑皮层外的脑电信号进行采集;其次,基于递归神经网络在脑电信号识别领域的广泛使用,本文使用两种递归神经网络模型进行改进,选择一种识别准确率高的模型;最后,使用前面选择的网络模型,对比本研究的石墨烯电极采集的数据集和传统电极采集的数据集在相同参数下输出的识别率,进而评判本研究石墨烯电极的性能。为达到以上目标,本文的主要工作内容如下:第一,本文首先通过大量硬件性能对比实验,独立发现石墨烯材料上构造微观结构具有较为优异的电学特性,将其制备成矩阵化金字塔结构石墨烯电极;然后使用柔性电路板作为基底,将矩阵化金字塔结构石墨烯电极通过本文研制的工艺制备成脑电电极器件。第二,本文首先把上述...
【文章来源】：重庆邮电大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
注释表
第1章 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 情绪识别技术研究现状
1.2.2 EEG检测技术研究现状
1.2.3 脑电采集电极研究现状
1.2.4 智能识别算法研究现状
1.3 论文主要工作
1.4 论文组织结构
第2章 石墨烯脑电电极的研究与制备
2.1 硅片模板制作方案
2.2 电极的制备
2.3 电极的表征
2.3.1 SEM表面表征
2.3.2 EDS表征分析
2.4 电极的电学特性
2.4.1 参照对比电极
2.4.2 阻抗特性
2.4.3 I-V源测量单元特性
2.4.4 矩阵化金字塔结构石墨烯电极的弯曲性检测
2.5 本章小结
第3章 脑电信号数据采集系统设计与数据采集
3.1 模块介绍
3.1.1 脑电信号采集模块
3.1.2 脑电信号选通模块
3.1.3 脑电信号处理与通讯模块
3.2 系统介绍
3.2.1 单通道脑电信号采集系统
3.2.2 多通道脑电信号采集系统
3.3 功能演示
3.4 情绪数据采集
3.4.1 数据采样流程
3.4.2 脑电数据采样接收程序
3.4.3 填表评价流程
3.4.4 情绪数据采集使用设备
3.5 本章小结
第4章 批量正则化优化门控循环单元
4.1 数据源的选择
4.2 长短期记忆算法
4.2.1 RNN算法原理
4.2.2 LSTM算法原理
4.2.3 LSTM算法存在的问题
4.2.4 LSTM算法实现
4.3 门控循环单元算法
4.3.1 GRU算法核心思想
4.3.2 GRU算法实现
4.3.3 GRU算法存在的问题
4.4 batch normalization原理
4.5 batch normalization优化GRU方案
4.5.1 算法优化总体思路
4.5.2 算法优化具体方案
4.6 算法性能对比实验结论
4.6.1 不同算法准确率对比
4.6.2 不同算法偏差值对比
4.7 实验结果对比分析
4.8 本章小结
第5章 新型电极和传统电极对比实验及实验结果分析
5.1 情绪识别的准确率定义
5.2 实验设备
5.3 实验流程
5.4 实验数据分析
5.4.1 不同算法准确率对比
5.4.2 不同算法偏差值对比
5.5 实验结果对比分析
5.6 本章小结
第6章 结束语
6.1 主要工作和创新点
6.2 后续研究工作
参考文献
附录A 门控循环单元全局张量图
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]石墨烯复合腈纶:这个冬天不来电[J]. 周文俊. 广州化工. 2018(23)
[2]脑电信号识别方法的研究[J]. 魏晓熙. 通讯世界. 2017(21)
[3]中国道路交通事故鉴定历史沿革与发展[J]. 俞春俊,李平凡,黄钢,刘志刚. 中国司法鉴定. 2017(04)
[4]面向穿戴式脑电系统的主动干电极传感器[J]. 黄涌,郭旭宏,邢潇,陈远方,裴为华,王毅军,陈弘达. 仪表技术与传感器. 2017(02)
[5]基于MSVR和Arousal-Valence情感模型的表情识别研究[J]. 杨勇,黄文波,金裕成,顾西存. 重庆邮电大学学报(自然科学版). 2016(06)
[6]驾驶人注意力分散的图像检测与分级预警[J]. 程文冬,付锐,袁伟,刘卓凡,张名芳,刘通. 计算机辅助设计与图形学学报. 2016(08)
[7]新型EEG检测干电极设计制备和测试研究[J]. 盖淑萍,刘军涛,刘欣阳,王力,蔡新霞. 仪器仪表学报. 2016(01)
[8]电子血压计质量检测方法与系统的研究[J]. 李学哲,潘玉民,李孝平,冯海美. 国外电子测量技术. 2015(11)
[9]模拟驾驶环境下注意力评估系统设计与实现[J]. 周天彤,叶志雄,孙伟,张广灿,邹凌. 计算机测量与控制. 2015(09)
[10]基于TGAM模块和脑电波对音响音量的控制[J]. 肖迪,章文韬. 电脑知识与技术. 2015(09)
博士论文
[1]脑电、眼动信息与学习注意力及抑郁的中文相关性研究[D]. 李小伟.兰州大学 2015
硕士论文
[1]基于深度学习的细胞谱系预测[D]. 王志丹.北京交通大学 2018
[2]基于迁移学习和Arousal-Valence情感模型的表情识别研究[D]. 刘川.重庆邮电大学 2017
[3]基于新型纳米材料的EEG干电极的制备与应用研究[D]. 宋延娟.天津理工大学 2017
[4]基于深度学习的脑电识别方法研究与应用[D]. 张梦.北京工业大学 2016
[5]基于脑电波的注意力训练研究[D]. 肖婵.华中师范大学 2016
本文编号：3602543
【文章来源】：重庆邮电大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
注释表
第1章 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 情绪识别技术研究现状
1.2.2 EEG检测技术研究现状
1.2.3 脑电采集电极研究现状
1.2.4 智能识别算法研究现状
1.3 论文主要工作
1.4 论文组织结构
第2章 石墨烯脑电电极的研究与制备
2.1 硅片模板制作方案
2.2 电极的制备
2.3 电极的表征
2.3.1 SEM表面表征
2.3.2 EDS表征分析
2.4 电极的电学特性
2.4.1 参照对比电极
2.4.2 阻抗特性
2.4.3 I-V源测量单元特性
2.4.4 矩阵化金字塔结构石墨烯电极的弯曲性检测
2.5 本章小结
第3章 脑电信号数据采集系统设计与数据采集
3.1 模块介绍
3.1.1 脑电信号采集模块
3.1.2 脑电信号选通模块
3.1.3 脑电信号处理与通讯模块
3.2 系统介绍
3.2.1 单通道脑电信号采集系统
3.2.2 多通道脑电信号采集系统
3.3 功能演示
3.4 情绪数据采集
3.4.1 数据采样流程
3.4.2 脑电数据采样接收程序
3.4.3 填表评价流程
3.4.4 情绪数据采集使用设备
3.5 本章小结
第4章 批量正则化优化门控循环单元
4.1 数据源的选择
4.2 长短期记忆算法
4.2.1 RNN算法原理
4.2.2 LSTM算法原理
4.2.3 LSTM算法存在的问题
4.2.4 LSTM算法实现
4.3 门控循环单元算法
4.3.1 GRU算法核心思想
4.3.2 GRU算法实现
4.3.3 GRU算法存在的问题
4.4 batch normalization原理
4.5 batch normalization优化GRU方案
4.5.1 算法优化总体思路
4.5.2 算法优化具体方案
4.6 算法性能对比实验结论
4.6.1 不同算法准确率对比
4.6.2 不同算法偏差值对比
4.7 实验结果对比分析
4.8 本章小结
第5章 新型电极和传统电极对比实验及实验结果分析
5.1 情绪识别的准确率定义
5.2 实验设备
5.3 实验流程
5.4 实验数据分析
5.4.1 不同算法准确率对比
5.4.2 不同算法偏差值对比
5.5 实验结果对比分析
5.6 本章小结
第6章 结束语
6.1 主要工作和创新点
6.2 后续研究工作
参考文献
附录A 门控循环单元全局张量图
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]石墨烯复合腈纶:这个冬天不来电[J]. 周文俊. 广州化工. 2018(23)
[2]脑电信号识别方法的研究[J]. 魏晓熙. 通讯世界. 2017(21)
[3]中国道路交通事故鉴定历史沿革与发展[J]. 俞春俊,李平凡,黄钢,刘志刚. 中国司法鉴定. 2017(04)
[4]面向穿戴式脑电系统的主动干电极传感器[J]. 黄涌,郭旭宏,邢潇,陈远方,裴为华,王毅军,陈弘达. 仪表技术与传感器. 2017(02)
[5]基于MSVR和Arousal-Valence情感模型的表情识别研究[J]. 杨勇,黄文波,金裕成,顾西存. 重庆邮电大学学报(自然科学版). 2016(06)
[6]驾驶人注意力分散的图像检测与分级预警[J]. 程文冬,付锐,袁伟,刘卓凡,张名芳,刘通. 计算机辅助设计与图形学学报. 2016(08)
[7]新型EEG检测干电极设计制备和测试研究[J]. 盖淑萍,刘军涛,刘欣阳,王力,蔡新霞. 仪器仪表学报. 2016(01)
[8]电子血压计质量检测方法与系统的研究[J]. 李学哲,潘玉民,李孝平,冯海美. 国外电子测量技术. 2015(11)
[9]模拟驾驶环境下注意力评估系统设计与实现[J]. 周天彤,叶志雄,孙伟,张广灿,邹凌. 计算机测量与控制. 2015(09)
[10]基于TGAM模块和脑电波对音响音量的控制[J]. 肖迪,章文韬. 电脑知识与技术. 2015(09)
博士论文
[1]脑电、眼动信息与学习注意力及抑郁的中文相关性研究[D]. 李小伟.兰州大学 2015
硕士论文
[1]基于深度学习的细胞谱系预测[D]. 王志丹.北京交通大学 2018
[2]基于迁移学习和Arousal-Valence情感模型的表情识别研究[D]. 刘川.重庆邮电大学 2017
[3]基于新型纳米材料的EEG干电极的制备与应用研究[D]. 宋延娟.天津理工大学 2017
[4]基于深度学习的脑电识别方法研究与应用[D]. 张梦.北京工业大学 2016
[5]基于脑电波的注意力训练研究[D]. 肖婵.华中师范大学 2016
本文编号：3602543
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3602543.html
