基于对抗神经网络的脑电情绪识别

发布时间：2020-07-22 04:49

【摘要】：情绪是人们生活中的重要组成部分,准确的情绪识别在人际交往、情绪障碍疾病诊疗等领域具有重要意义和应用价值。情绪识别从信号源角度可以分为非生理信号(如面部表情、语音、行为)和生理信号(如心电、脑电等)两类。基于非生理信号的情绪识别由于易伪装等特点,难以保证识别可靠性。基于生理信号的情绪识别更加稳定准确,但由于生理信号的时变特性,特征提取和模式识别更加困难,尚有待进一步研究。本文研究基于脑电信号的情绪识别模型和方法,针对脑电信号时变性这一困难问题,进行了有效的实验分析,提出了基于域适配神经网络的情绪分类方法,并进一步建立在线情绪识别原型系统。具体而言,本文的主要研究内容和贡献如下:1.针对脑电信号的时变性问题进行了详细的实验分析。分析表明,脑电信号在同一个体的同时段内具有较好的聚合度,不同情绪对应的信号具有较好的可分性,但不同时段的信号则具有较差的聚合度,因此通过常规的机器学习模型用某时段的数据上训练后较难在其他时段的数据上取得很好的分类效果。2.提出了基于Wasserstein距离的对抗生成网络的情绪识别模型,并提出了基于域对抗和域适配两种思想的实验方式。其中,基于域适配的Wasserstein距离的对抗生成网络情绪识别模型在跨时段的脑电信号数据分类实验中取得了 86.48%的准确率,高于基线模型和其他研究的成果最多达14.01%。同时对脑电信号不同频域在情绪识别中的重要性进行了实验分析,实验表明,Beta和Gamma频段对情绪的表征能力最强。3.设计并开发了一套在线脑电信号情绪识别系统,包括信号采集、模型训练、信号可视化和在线识别工具,将算法应用到在线实验中,并为未来研究提供平台基础。综上,本文所建立的基于域适配神经网络的情绪识别方法和系统,能够较为准确地进行情绪识别和分类,值得进一步研究和探索。
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;R318
【图文】：

主要结构,枕叶,顶叶,颞叶

也是yL经系统屮功能最高级的一部分。根据空间位置，大脑皮层可分区为额叶、逡逑顶叶、颞叶、枕叶和边缘系统。研究证明，大脑皮层的各分区与不Ｎ的人体功能逡逑相联系［３Ｘ］。如图２．１所示，从左上方开始按顺时针方向分别为额叶（Ｆｒｏｎｔａｌ邋ｌｏｂｅ）、逡逑顶叶（Ｐａｒｉｅｔａｌ邋ｌｏｂｅ）、枕叶（Ｏｃｃｉｐｉｔａｌ邋ｌｏｂｅ）、小脑（Ｃｅｒｅｂｅｌｌｕｍ）、脊髓（Ｓｐｉｎａｌ邋ｃｏｒｄ）、逡逑颞叶（Ｔｅｍｐｏｒａｌ邋ｌｏｂｅ）。额叶负贵高级认知功能，如学＞」、语言、抽象}D维等存意逡逑识的思考活动，？顶叶负责整合各种感宫的佶总，包括体感信息、视觉信息、空间逡逑信息等；颞叶负贵听觉、嗅觉等较为QL杂的刺激信息处理；枕叶则主要负责视觉逡逑处理。逡逑ＦＲＯＮＴＡＬ逦—ＰＡＲＩＥＴＡＬ邋ＬＯＢＥ逡逑＜邋ｏｃｃｉｐｉｔａｌ逡逑：叶）ＣＥＲＥＢＥＬＬＵＭ逡逑（脊毮）逡逑图２．１大脑的主要结构，引自【３９】逡逑ｎ逡逑

波形,脑电信号,频段,心理活动

图２．２不同频段的脑电信号，引自［６］。从上至下分别为Ｇａ＿ａ、Ｂｅｔａ、逡逑Ａｌｐｈａ、Ｔｈｅｔａ、Ｄｅｌｔａ邋频段波形。逡逑如图２．２所示，各个频段的脑电信号的产生与人的活动状态有关，Ｄｅｌｔａ脑电逡逑波通常与无意识的心理活动联系在一起，常在无梦的深度睡眠中产生。Ｔｈｅｔａ波与逡逑潜意识（ｓｕｂｃｏｎｓｃｉｏｕｓ）相关，常见于睡眠、做梦时。Ａｌｐｈａ波则常出现于一些放逡逑松但有意识的心理状态，如闭上眼但未入睡时，且在大脑皮质的顶叶和枕叶更容逡逑易观测到。Ｂｅｔａ波常见于较活跃的精神状态，在高度集中的心理活动中，额叶皮逡逑质上的Ｂｅｔａ波更为突出。Ｇａｍｍａ波则和超脑活动相关。逡逑１２逡逑

波形,电极,采集设备,心理活动

逦ｏｅ逦ｉ邋0逡逑图２．２不同频段的脑电信号，引自［６］。从上至下分别为Ｇａ＿ａ、Ｂｅｔａ、逡逑Ａｌｐｈａ、Ｔｈｅｔａ、Ｄｅｌｔａ邋频段波形。逡逑如图２．２所示，各个频段的脑电信号的产生与人的活动状态有关，Ｄｅｌｔａ脑电逡逑波通常与无意识的心理活动联系在一起，常在无梦的深度睡眠中产生。Ｔｈｅｔａ波与逡逑潜意识（ｓｕｂｃｏｎｓｃｉｏｕｓ）相关，常见于睡眠、做梦时。Ａｌｐｈａ波则常出现于一些放逡逑松但有意识的心理状态，如闭上眼但未入睡时，且在大脑皮质的顶叶和枕叶更容逡逑易观测到。Ｂｅｔａ波常见于较活跃的精神状态，在高度集中的心理活动中，额叶皮逡逑质上的Ｂｅｔａ波更为突出。Ｇａｍｍａ波则和超脑活动相关。逡逑１２逡逑

【相似文献】