脑电信号中的频谱不对称指数特征与情绪识别研究

• 作 者: 焦凯强
• 出 处: 郑州大学
• 发表日期: 2004年期
• 关键词: 脑电信号 情绪识别 后段正电位特征 频谱不对称指数 K近邻 SVM 独立分量分析

研究者对情绪识别的研究时来已久,大脑是人体神经系统中最高级部分,当受到外界刺激时,大脑产生的生物电信号—脑电包含着丰富生理和心理信息,基于脑电的情绪识别研究逐步引起研究者重视,随着设备工艺技术的进步和革新,利用非植入式电极采集脑电信号更加方便与快捷,脑电信号的相关研究蓬勃发展。相比于传统的情绪识别研究方法,基于脑电信号的情绪识别研究具有诸多优点,如不容易被伪装和情绪识别准确率比较高等。随着人工智能技术的发展,基于脑电信号的相关研究也为人机交互奠定了良好的基础,同时基于脑电信号的情绪识别研究也为心理疾病的相关研究提供了一种有效的方法。脑电信号是一种时序生物电位信号,其中包含有丰富的时域特征、频域特征和时频特征,通过对相关特征的研究可以让我了解情绪的脑机制,并利用关键特征对人们的情绪进行识别工作。本文借鉴已有的基于脑电信号的情绪识别研究成果,采用国际标准情绪图片素材刺激被试者诱发产生正性、中性和负性三种基本情绪并采集,对采集到的脑电信号进行相关数据处理。利用独立分量分析方法对原始脑电数据预处理以去除各种噪声和伪迹,得到纯净的脑电数据;本实验室前期研究发现,以脑电信号后段正电位的后期特征进行情绪识别时准确率较高,依据后段正电位具有特征性的原则,对来自不同脑区、电极的(1000 ms—1500 ms)时间段内的脑电信号选取后段正电位的后期特征段进行处理分析,分别计算不同脑区分别处于正、中和负性情绪时脑电信号的频谱不对称性指数(SASI),比较分析表明,相比于中性情绪,处于负性情绪时的SASI明显偏大;处于正性情绪时的SASI明显偏小,尤其是在左颞区、右颞区和枕叶区其特征性更加明显,表明SASI可作为情绪种类识别的特征量之一。受此启发,本文提出将脑电时域特征与频域特征结合的情绪识别方法,即后段正电位特征与频谱不对称指数特征结合。依据后段正电位后期特征选取脑电数据段,分脑区提取相应脑电数据段内三种情绪状态下的频谱不对称指数特征,并利用K近邻算法对情绪分类结果进行探究。分类结果表明:左颞区和右颞区在三种情绪状态下的情绪识别准确率均在80%以上,此外枕叶区在三种情绪状态下的情绪识别准确率也在75%以上,左颞区、右颞区和枕叶区情绪识别效果最好,这三个脑区可以作为情绪识别的关键脑区。表明脑电信号中的频谱不对称指数特征明显,可应用于情绪识别研究。