情感脑电的通道选择与分类方法研究

发布时间：2021-06-05 16:16

　　情绪作为人脑的高级功能,在很大程度上影响着人类学习、工作、生活的各个方面。正确的识别人类情感可以使人工智能更好的服务于人类,因此情绪识别成为人工智能领域的一个十分重要的研究方向。目前情绪识别主要围绕人的外在行为特征和客观生理信号展开。相比人的外在行为特征,客观生理信号具有着更好的自发性和客观性。脑电信号作为生理信号一种,是由中枢神经系统产生,与人类情感联系最为紧密。对于脑电信号的情感识别研究,大多数实验根据全通道EEG信号展开,全通道EEG信号的采集不便于后续便携式设备的开发。此外情感识别分类算法多是采用浅层分类器,由于浅层分类器学习能力的限制,导致识别率存在瓶颈。本文针对以上两方面存在的问题围绕脑电信号的预处理、特征提取、通道选择、分类算法改进等做了以下几方面的研究:实际采集的EEG信号十分微弱,包含着伪迹和环境噪声干扰,本文首先通过预处理对EEG信号的噪声进行去除,获取纯净的脑电信号。针对EEG信号具有非平稳性,本文采用小波变换和信息熵的组合特征提取方法获得了992维的EEG组合特征。针对EEG采集实验需要采集大量脑电通道数据,导致实验设备的便携性差,数据处理复杂的问题。本文采用了... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

大脑结构示意图

图 2-3 脑电信号各个频率的波形图除了上述按照脑电信号的频率来划分脑电特征外，还可以根据脑电周期等的特性对其进行分类。按照脑电信号的振幅大小可将脑电信号脑电信号（幅度小于 25 V ）；中幅脑电信号（幅度在 25 V ~75 V 之间脑电信号（幅度在 75 V ~150 V 之间）；当信号的幅度大于 150 V 的为极高幅脑电信号[29]。根据脑电信号振幅变化的快慢，可以将脑电如下几种类型：突发性变化，即振幅的改变在瞬间完成的情况；短时即振幅的改变在分钟级别及以内的时间内发生改变的情况；缓慢变化号其振幅的改变可能在数天级别的范围。根据脑电信号的波形相位种将其划分为如下几种类型：波峰处于基线上方的脑电信号划分成阴性处于基线下方的脑电信号划分为阳性波。.2 脑电信号的采集目前有两种较为常见的脑电信号采集方式，分别为采用湿电极帽的脑置，和采用干电极帽的脑电采集装置。如图 2-4 所示，采用干电极帽

（a 湿电极） （b 干电极）图 2-4 湿电极帽与干电极帽由于人类的脑电信号，其电位大小只有不到 100 V ，因此脑电信号应尽可能的接地，减少电磁场和静电场的干扰。在脑电信号采集过程的摆放区域需要根据国际标准导联 10-20 系统的标准进行，根据不同的电极数量，分为 16，32，64，128 导路电极分布，图 2-5 是 64 道脑图，其中 T9 和 T10 为两个参考电极，有 62 个通道包含了有用的脑已有理论研究证明实际上采集少量通道的脑电信息就可以获得十分良效果，通道选择的相关内容将在第三章完成。

【参考文献】：
期刊论文
[1]基于小波分解的脑电信号特征提取[J]. 初明.  科技创新导报. 2015(29)
[2]情绪生理机制研究的外周与中枢神经系统整合模型[J]. 刘飞,蔡厚德.  心理科学进展. 2010(04)

硕士论文
[1]基于情感识别的在线教学流程设计研究[D]. 魏刃佳.陕西师范大学 2014
[2]基于脑电信号样本熵的情感识别[D]. 李立.太原理工大学 2014
[3]脑电信号的特征分析与研究[D]. 周建芳.广西师范大学 2008



本文编号：3212495