基于64导脑电信号的后悔情感识别

发布时间：2017-08-08 09:01

  本文关键词：基于64导脑电信号的后悔情感识别

  更多相关文章： 后悔 脑电信号 特征提取 情感识别

【摘要】：针对生理信号的情感识别研究是情感计算中一项重要的内容,其中主要是对基本情绪的生理信号研究。近年来情感识别研究的情绪种类已经由基本情绪过渡到例如焦虑、失望等复杂的社会情绪,然而在情感识别领域还没有对后悔这类情感进行相关的研究。后悔情绪是个体依赖于社会情境基于认知判断而产生的消极社会情感。如何有效地识别后悔情绪、判别后悔情绪的程度对人类身心健康尤其重要。本文基于前人情感识别的研究方法,提取了25个被试在赌博实验中产生的后悔情绪的脑电信号,对后悔情绪的识别、判定进行研究,具体工作如下:(1)制定后悔情绪的诱发方案及后悔情绪脑电信号的采集。为了诱发被试的后悔情绪,引入心理学用于诱发后悔情绪的赌博范式,在实验室情景下,让被试完成电脑程序预先设计的赌博游戏,并操控赌博输赢及其价值的反馈方式,使个体基于给定反馈方式及反事实思维产生相应的情绪。使用64导电极帽采集被试后悔情绪以及实验伴随产生的失望、高兴和庆幸情绪的脑电信号。(2)对后悔等情绪的脑电信号进行预处理。参考心理学事件相关电位(ERP)的研究对后悔等情绪的脑电信号进行处理。经过基本的重参考、降采样、滤波以后,根据实验中设置的反馈呈现时间关键点提取出后悔等情绪的脑电信号片段。结合手动处理以及独立成分分析剔除眼电、肌电等伪迹进而完成预处理得到较为纯净地情绪信号片段。(3)对后悔等情绪进行事件相关频谱扰动(ERSP)分析。通过ERSP分析脑电数据各个频段、时段的能量变化从神经活动层面来探究后悔情绪的神经生理机制。结果发现后悔与实验产生的其他情绪类别的差异主要体现在theta(4~8Hz)、alpha(8~12Hz)频段,其中与记忆有关的alpha频段差异最明显。(4)对后悔等情绪进行特征提取。在提取脑电信号的特征时,本文结合脑电信号本身非平稳等特性,兼顾时域、频域以及非线性特征比较全面地提取了脑电信号的功率谱估计、能量以及近似熵特征用于分类识别。(5)对后悔情绪进行分类识别。分别针对功率谱估计、能量、近似熵三种特征,用Fisher分类器将后悔情绪依次同其他三种情绪进行二分类识别。将在三种特征类型分类中都表现良好的电极点(Fz、F2、FCz、FC2、C1、Cz、C2)提取出来同时放入Fisher分类器进行再一次的二分类,得到后悔与其他三类情绪的识别率都在75%左右。再将表现良好的这7个电极点的三种类型的特征放入支持向量机,分别进行后悔与其他三种情绪的二分类识别,识别率在80%以上,相较Fisher有所提高。
【关键词】：后悔 脑电信号 特征提取 情感识别
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;R338
【目录】：

• 摘要5-7
• ABSTRACT7-9
• 第一章 绪论9-15
• 1.1 研究背景及意义9-11
• 1.2 国内外研究现状11-13
• 1.3 论文研究内容13
• 1.4 论文结构13-14
• 1.5 本章小结14-15
• 第二章 后悔情绪的理论基础及脑电信号的分析基础15-20
• 2.1 反事实思维15-16
• 2.1.1 反事实思维概念15
• 2.1.2 基于反事实思维的后悔研究15-16
• 2.2 脑电信号分析基础16-19
• 2.2.1 脑电的生理学基础16-17
• 2.2.2 脑电信号的分析方法17-19
• 2.3 本章小结19-20
• 第三章 实验设计及数据预处理20-28
• 3.1 实验环境20-21
• 3.2 实验设计流程21-23
• 3.2.1 实验被试21
• 3.2.2 实验程序21-23
• 3.3 数据预处理23-27
• 3.3.1 预处理工具23-24
• 3.3.2 实验数据24
• 3.3.3 基于ICA的后悔脑电信号预处理24-27
• 3.4 本章小结27-28
• 第四章 后悔脑电信号的特征提取与分析28-39
• 4.1 时频分析28-30
• 4.1.1 ERSP分析结果29-30
• 4.2 功率谱估计30-33
• 4.2.1 AR模型功率谱估计30-32
• 4.2.2 功率谱分析结果32-33
• 4.3 能量特征33-36
• 4.3.1 小波变换33-35
• 4.3.2 频带能量特征提取35-36
• 4.4 近似熵36-38
• 4.4.1 近视熵的基本原理36-37
• 4.4.2 熵的算法过程37
• 4.4.3 近似熵特征提取37-38
• 4.5 本章小结38-39
• 第五章 后悔情绪脑电信号分类识别及结果分析39-48
• 5.1 基于FISHER的分类识别39-43
• 5.1.1 Fisher算法分类步骤39-40
• 5.1.2 基于功率谱估计的后悔二分类结果40-41
• 5.1.3 基于能量特征的后悔二分类结果41-42
• 5.1.4 基于近似熵的后悔二分类结果42-43
• 5.2 基于支持向量机（SVM）的分类识别43-47
• 5.2.1 SVM基本原理43-45
• 5.2.2 核函数的选择45-46
• 5.2.3 分类结果与分析46-47
• 5.3 本章小结47-48
• 第六章 总结与展望48-50
• 6.1 全文总结48-49
• 6.2 展望49-50
• 参考文献50-55
• 致谢55-56
• 攻读硕士期间发表的学术论文56-57
• 攻读硕士期间参与的项目57

【相似文献】

中国期刊全文数据库 前10条

1 薛蕴全,王秋英,王宏;脑电信号的动态时空响应拓扑图[J];仪器仪表学报;2001年S1期

2 马颖颖;张泾周;吴疆;;脑电信号处理方法[J];北京生物医学工程;2007年01期

3 谢松云;张振中;杨金孝;张坤;;脑电信号的若干处理方法研究与评价[J];计算机仿真;2007年02期

4 鲁强;刘玉军;徐建兰;张进禄;;一种适用于清醒动物脑电信号采集的固定装置[J];首都医科大学学报;2011年06期

5 董盟盟;仲轶;徐洁;戴体俊;刘功俭;;基于小波分析的脑电信号处理[J];电子设计工程;2012年24期

6 戴银涛,吴祈耀;快速提取脑电信号的谱分量参数[J];北京生物医学工程;1989年01期

7 孟欣，欧阳楷;脑电信号的几个非线性动力学分析方法[J];北京生物医学工程;1997年03期

8 程明,高上凯,张琳;基于脑电信号的脑—计算机接口[J];北京生物医学工程;2000年02期

9 罗建,崔亮,卫娜,张治钢;脑电信号采集与处理系统的研制[J];医疗卫生装备;2000年06期

10 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期

中国重要会议论文全文数据库 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

中国重要报纸全文数据库 前1条

1 张文清　记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

中国博士学位论文全文数据库 前10条

1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年

2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

3 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

4 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年

5 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

6 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

7 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年

8 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

9 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

10 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

中国硕士学位论文全文数据库 前10条

1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年

2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年

3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年

4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年

5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年

6 薛吉星;多通道脑电信号采集与处理系统研究[D];华南理工大学;2015年

7 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

8 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年

9 王欢;基于非平稳时间序列分析方法的脑电信号模式识别[D];苏州大学;2015年

10 王琼颖;脑电信号的非线性动力学分析及其在睡眠分期中的应用[D];哈尔滨工业大学;2015年

，

本文编号：639141