基于脑电信号的实时情感识别系统

发布时间：2022-01-10 06:00

　　情感是人脑的高级功能之一,每个人都可以轻易感受到自己的情感,但是想要检测他人的情感却不是一件容易的事。通过技术方法对情感进行准确地识别是心理学和认知神经科学中最活跃的研究热点之一。随着脑机接口（BCI）的发展和人工智能的进步,通过脑电信号对情感进行识别成为研究情感的新手段。一方面,脑电信号中包含着大量与情感相关的信息,另一方面,脑电信号具有时间分辨率高,不易伪装等特点。这使它在实时情感识别领域展现出了很大的优势。为了研究通过脑电信号进行实时情感识别,本文首先设计并开展了基于图片刺激的脑电情感实验,使用国际情绪图片库（IAPS）中的图片作为素材,诱发并采集了22名被试的情感脑电信号。在对原始脑电信号进行预处理之后,本文提取了包括时域特征、频域特征以及非线性特征在内的共28种脑电特征。经过特征选择以及分类器分类之后,得到了几种不同情况下的分类结果。其中在情感四分类上得到最高50%的分类准确率,在唤醒度和效价二分类上分别得到最高73.8%和77.5%的分类准确率。通过对分类结果进行讨论分析,本文探究了基于前额三个导联（Fp1,Fp2,Fpz）的脑电信号进行情感识别的可行性。最后基于以上结论,... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

大脑皮层的构成

兰州大学硕士学位论文 基于脑电信号的实时情感识别系统的位置集中在大脑皮层中的枕叶。（4）beta 波段在人专注思考时出现，有研究表明人在紧张或焦虑情况下脑中也会出现该波形。beta 波主要在大脑皮层中的额叶、颞叶及中央区出现。（5）gamma 波段与人脑的高级任务加工和认知处理活动有关。有研究表明成年人在兴奋状态下也会出现 gamma 波。gamma 波出现的位置一般为大脑皮中的额区和中央区。本研究中所采集的某被试 Fp1 导联脑电信号各波段的波形如图 2-2 所示。

图 2-2 EEG 在不同波段的波形此外，脑电信号还存在其他的划分方式。如根据脑电信号产生的条件分为自发脑电（Spontaneous EEG）和诱发脑电（Evoked EEG），诱发脑电主要包括事件相关电位（ERP），事件相关同步电位（ERD）以及事件相关去同步电位（ERS等。也可根据被试是否患病分为正常脑电波和异常脑电波，最有代表性的如癫痫病人经常出现脑电图棘波，尖波等。如图 2-3 所示为正常人脑电波和癫痫患者异常脑电波的对比。

【参考文献】：
期刊论文
[1]基于LSTM的脑电情绪识别模型[J]. 阚威,李云.  南京大学学报(自然科学). 2019(01)
[2]基于熵的脑电特征选择情绪识别研究[J]. 田曼,杨风雷,张艺.  电子测量技术. 2018(19)
[3]结合非线性全局特征和谱特征的脑电情感识别[J]. 孙颖,马江河,张雪英.  计算机工程与应用. 2018(17)
[4]基于集成卷积神经网络的脑电情感识别[J]. 魏琛,陈兰岚,张傲.  华东理工大学学报(自然科学版). 2019(04)
[5]基于P300和极限学习机的脑电测谎研究[J]. 高军峰,张文佳,杨勇,胡佳佳,陶春毅,官金安.  电子科技大学学报. 2014(02)
[6]情绪大脑机制研究的进展[J]. 马庆霞,郭德俊.  心理科学进展. 2003(03)

博士论文
[1]情绪调控的脑电动态特性分析以及脑电反馈系统研究[D]. 魏玲.上海大学 2016
[2]基于生理信号的情感识别方法研究[D]. 温万惠.西南大学 2010

硕士论文
[1]基于卷积神经网络的EEG情绪分类研究[D]. 张本禹.中央民族大学 2018
[2]基于脑电时空频多域特征的自动情绪识别研究及系统实现[D]. 李振齐.华南理工大学 2018
[3]基于融合核支持向量机的脑电情感识别研究[D]. 徐立新.兰州大学 2016
[4]面向精神分裂症的非线性动力学方法研究[D]. 李云鹏.兰州大学 2014
[5]情绪图片视觉诱发EEG特征提取与分析[D]. 曾红梅.天津大学 2012



本文编号：3580177