论文部分内容阅读
情绪识别是运用信号的分析处理方法对人的不同情绪状态进行识别,在情绪识别领域中脑电信号逐渐成为了研究人情绪的最为可靠的生理信号之一,基于脑电的情绪识别技术的研究能够促进人机交互、产品设计以及医疗护理等多个领域的发展,具有十分重要的社会价值及应用价值。随着半导体领域和干电极领域的快速发展,便携式脑电采集技术已经发展地较为成熟,将便携式脑电采集装置与情绪识别技术相结合,能够快速推动情绪识别技术的推广化应用,具有重要的研究意义。本文依据携带方便操作简单的设计原则,基于美国NeuroSky公司研发的TGAM模块搭建了便携式单导脑电采集系统,实现了对脑电信号的采集、显示和存储等功能。然后,在单导脑电信号的预处理过程中,提出了一种将经验小波变换(EWT)、典型相关分析(CCA)以及瑞利熵(RE)相结合的自动去眼电伪迹算法,以快速有效去除单通道脑电中的眼电伪迹,从而满足便携式单通道脑机接口的需求。其次,设计实验利用视频刺激素材激发受试者产生正性情绪、中性情绪和负性情绪等三种不同的情绪,得到不同人在不同情绪下的脑电信号进行情绪识别研究。再次,对脑电信号的小波能量、小波熵以及多尺度熵(MSE)进行了分析,提出了一种将离散小波变换(DWT)、MSE和主成分分析(PCA)相结合的特征提取算法,对脑电信号中蕴含的情绪相关信息进行表征。之后,研究k近邻算法(KNN)、径向基(RBF)神经网络分类算法及支持向量机(SVM)分类算法,将特征值放入三种分类算法中进行分类,结果表明相较于KNN与RBF算法,基于蚁群寻优的支持向量机(GA-SVM)分类算法的识别准确率最高,为75.42%。最后,为了进一步验证自采数据集和所提算法的效果,本文利用公开的情感脑电数据库DEAP与自采数据集做了对比分析实验。本文搭建便携式单导脑电采集系统,采集情绪相关脑电信号,提出了一种适用于单通道脑电的自动去眼电伪迹算法和一种融合特征提取算法,建立情绪识别模型进行情绪分类研究,实验结果表明设计的便携式单导脑电采集系统能够较准确地对情绪进行分类识别,研究成果对后续实际应用具有一定的参考价值。