论文部分内容阅读
情感识别是当前研究的一个热点课题,属于人工智能研究领域。对人的情感和认知的研究是人工智能的高级阶段,研究人脑是如何处理各种情感状态,对于探究人脑的运作机理有着十分重要的意义。情感识别在人们日常生活中起到的作用也越来越重要,由此产生了很多针对人类情感进行研究的方法,其中脑电信号特征提取是研究人类情感的主要手段之一。基于EEG的情感识别应用非常广,论文在已有研究的基础上,着重进行了情感脑电的特征提取及识别的研究,主要工作如下:(1)提出一种基于脑电信号样本熵的情感识别方法,EEG信号经过伪迹去除和滤波处理之后,通过K-S检验筛选样本熵存在显著差异的电极,形成情感分类的特征向量,然后利用SVM-Weight算法进行分类。(2)设计基于图片刺激材料的心理学实验范式,并采用实验室购买的BP (Brain Products)脑电信号记录仪系统在该实验范式基础上进行EEG信号的采集;然后使用BP系统提供的软件将采集到的EEG信号进行预处理,并提取出预处理后数据的p波段EEG信号;最后在提出理论的基础上针对提取出的p波段EEG信号进行正负两类情感状态的识别。(3)筛选Deap网站提供的预处理后的情感数据,找出其中行为实验与被试标注一致的视频;然后提取出预处理后数据的p波段EEG信号;最后在提出理论的基础上针对提取出的p波段EEG信号对被试不同激活度和愉悦度的情感状态进行识别。(4)比较与分析样本熵与其他三种特征提取方法(近似熵、LZC复杂度和Hurst指数)的情感识别正确率以及特征提取的效率,结果说明相较于其他三种特征提取方法,样本熵更适合于提取脑电特征并进行情感识别。总之,本文的结果充分表明,使用样本熵作为脑电信号特征用于情感识别具有一定的识别效果,同时证实了脑电信号的p波节律特征用于情感识别的可能性,并找出了与情感识别活动相关的脑区。期望这种方法能在BCI、智能医疗护理系统等应用领域中得到很好的应用。