特質(zhì)焦慮腦電信號的識別與分類研究.pdf

1、焦慮是一種負性情緒狀態(tài),表現(xiàn)為對未來威脅和不幸的憂慮預(yù)期,并伴隨著緊張、煩躁不安或一定的身體癥狀。特質(zhì)焦慮是焦慮的一種,是個體在焦慮易罹患性上相對穩(wěn)定的個體差異。研究表明,各種情緒的變化會在不同的大腦皮層位置反映出不同的腦電信號(EEG)。EEG含有豐富的頻率成分,不同的心理狀態(tài)、生理狀態(tài)和認知任務(wù)下某些頻段的能量在頭皮不同區(qū)域的分布會發(fā)生變化,因此可以提取不同頻段上的能量作為分類器的特征參數(shù)實現(xiàn)特質(zhì)焦慮者和非特質(zhì)焦慮者EEG的識別與分

2、類。本文采用獨立分量分析對天津師范大學(xué)心理與行為研究院腦電實驗室采集到的特質(zhì)焦慮者及非特質(zhì)焦慮者的EEG進行預(yù)處理,再運用小波分析對預(yù)處理數(shù)據(jù)進行特性分析和特征提取,在此基礎(chǔ)上結(jié)合支持向量機分類器實現(xiàn)兩類信號的識別與分類。具體內(nèi)容如下:
　　1.運用獨立分量分析(ICA)對原始信號進行預(yù)處理。ICA處理的對象是相互統(tǒng)計獨立的信號源經(jīng)線性組合而產(chǎn)生的一組混合信號,特質(zhì)焦慮EEG中的偽跡正好符合這一特點,因此ICA適用于特質(zhì)焦慮EEG

3、的預(yù)處理。
　　2.運用小波變換對所選取的EEG進行多尺度小波分解,得到的不同尺度的頻帶分量,提取EEG在不同頻段上的能量特征,作為分類器的輸入向量。小波變換是一種多尺度信號分析方法,具有良好的時頻局部化特性,很適合分析像特質(zhì)焦慮EEG這樣非平穩(wěn)信號的瞬態(tài)特性和時變特性。
　　3.利用支持向量機(SVM)分類器實現(xiàn)對兩類EEG的識別和分類。SVM是根據(jù)統(tǒng)計學(xué)理論提出的一種機器學(xué)習方法,它在解決小樣本、非線性和高維的機器學(xué)習問