基于視覺(jué)刺激的腦電信號(hào)情緒識(shí)別研究.pdf

1、情緒識(shí)別是運(yùn)用信號(hào)處理和分析方法對(duì)各種情緒狀態(tài)下的心理、生理或體征行為參數(shù)進(jìn)行特征提取與分類識(shí)別，以確定人所處的情緒狀態(tài)。腦電信號(hào)是由大量神經(jīng)元突觸后電位同步綜合而形成的，是反映神經(jīng)細(xì)胞活動(dòng)情況和大腦運(yùn)行狀態(tài)的生物電信號(hào)。由于腦電信號(hào)功能特異性強(qiáng)、時(shí)間分辨率高的特點(diǎn)，所以基于腦電信號(hào)情緒識(shí)別研究的應(yīng)用前景廣闊，在人機(jī)交互、游戲開(kāi)發(fā)、遠(yuǎn)程教育等眾多領(lǐng)域均有重大的或潛在的應(yīng)用價(jià)值。人的情緒具有復(fù)雜和多樣性，要對(duì)各種情緒都進(jìn)行識(shí)別是困難的，也

2、是不現(xiàn)實(shí)的。本文根據(jù)研究課題“基于視覺(jué)刺激的腦電信號(hào)情緒識(shí)別研究”的要求，從情緒腦電識(shí)別的背景和現(xiàn)狀出發(fā)，將誘發(fā)情緒的視覺(jué)刺激圖片分為積極、中性和消極三類，并使用分類好的圖片來(lái)誘發(fā)情緒腦電信號(hào)，選用額葉區(qū)的七導(dǎo)聯(lián)腦電信號(hào)開(kāi)展情緒識(shí)別研究，對(duì)情緒腦電信號(hào)的消噪、特征提取、模式分類進(jìn)行了系統(tǒng)的分析和處理。
　　本研究主要內(nèi)容包括：⑴為了保證刺激圖片可正確地誘發(fā)被試者相應(yīng)的情緒腦電信號(hào)，設(shè)置了刺激圖片分類標(biāo)準(zhǔn)，分為積極、中性和消極三類。

3、先讓被試者們利用自我評(píng)價(jià)假人得到圖片的愉悅度和喚醒度的個(gè)人評(píng)分，求個(gè)人評(píng)分的平均值得到圖片的平均評(píng)分。然后根據(jù)情緒的劃分和愉悅度與喚醒度之間的關(guān)系，設(shè)定了圖片分類的標(biāo)準(zhǔn)，將愉悅度高，喚醒度也高的圖片定為積極圖片；將愉悅度平，喚醒度也平的圖片定為中性圖片；將愉悅度低，但喚醒度高的圖片定為消極圖片。被試人員依照這個(gè)分類標(biāo)準(zhǔn)對(duì)圖片類別進(jìn)行劃分，并將平均評(píng)分不滿足這個(gè)標(biāo)準(zhǔn)的圖片去除，以確保刺激圖片的有效性和可信度。⑵為了在情緒腦電信號(hào)消噪時(shí)更好

4、地保留細(xì)節(jié)信息，提出了一種基于SA4多小波的腦電信號(hào)消噪方法。采用重復(fù)采樣預(yù)濾波方法對(duì)腦電信號(hào)預(yù)處理，利用SA4多小波分解算法處理并得到多維多小波系數(shù)。對(duì)各層多小波系數(shù)軟閾值處理后，進(jìn)行多小波重構(gòu)得到消噪后的腦電信號(hào)。仿真結(jié)果表明，相比于db4小波算法，SA4多小波算法能使消噪后情緒腦電信號(hào)具有更佳的信噪比和均方誤差，并能減少消噪時(shí)的信息丟失。⑶因?yàn)槟：責(zé)o法度量不同尺度因子下的復(fù)雜性，選擇使用多尺度模糊熵算法進(jìn)行特征提取。并針對(duì)實(shí)驗(yàn)采

5、集的情緒腦電信號(hào)較短，會(huì)對(duì)多尺度模糊熵算法中的尺度因子產(chǎn)生限制的問(wèn)題，改進(jìn)了其中的粗?；惴āＪ褂没诟倪M(jìn)粗?；亩喑叨饶：厮惴ㄌ崛√卣飨蛄浚⑦M(jìn)行歸一化處理，最后使用主成分分析方法進(jìn)行特征降維，運(yùn)用于模式分類。仿真結(jié)果表明，相比于模糊熵特征，多尺度模糊熵可更好地提升分類的平均識(shí)別率。⑷為了增加樣本在特征空間的可分性，將多核支持向量機(jī)引入情緒分類領(lǐng)域，并結(jié)合徑向基核和多項(xiàng)式核的特點(diǎn)，針對(duì)性地構(gòu)造了徑向基核和多項(xiàng)式混合的核函數(shù)。同時(shí)為了