基于脑电图的情绪分类方法研究

《基于脑电图的情绪分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于脑电图的情绪分类方法研究作者姓名黄俊铭学科专业信号与信息处理指导教师徐向民教授所在学院电子与信息学院论文提交日期2018年4月10日ResearchonEmotionClassificationApproachesBaseonEEGSignalsADissertationSubmittedfortheDegreeofMasterCandidate：HuangJunmingSupervisor：Prof.XuXiangminSouthChinaUniversityofTechnologyGuangzhou,China摘要情绪与人们的心理健康紧

2、密相联，稳定和乐观的情绪是心理健康的标志，而异常的情绪状态往往预示着人们心理上受到了伤害。若对异常情绪视而不见，日积月累，心理的创伤很难逆转。因此，准确的情绪分类技术和方法研究对于保护身心健康有重要意义。情绪的产生与大脑活动息息相关，而且脑电图采集和信息处理等领域的发展日新月异，因此，通过信息技术的手段研究基于脑电图的情绪分类方法是完全可行的。本文着重研究脑电图去伪迹和基于脑电图的情绪分类，针对这两项工作现存的问题和可能的解决方案进行探讨和实验验证，其中，基于脑电图的情绪分类工作包含了特征提取和模型构建。脑电图去伪迹现存的主要问题有两个，一是去伪迹的范围狭

3、窄，大部分去伪迹研究都是针对眼电伪迹的，对其它常见伪迹去除的研究较少。二是去伪迹算法应用于实际脑电图数据库较少，去除的效果往往不佳。针对这两个问题，本文提出了小波包分解和伪迹频段信息增强的独立成分分析去伪迹算法（WpdAI-ICA），该算法基于小波包提取了伪迹频段信息，在处理伪迹成分时，利用频段信息有针对性地去除各类常见脑电图伪迹，尽可能多的保留有效脑电信息，并在实际脑电图数据库中实现效果更好的伪迹去除。基于脑电图的情绪分类现存的主要问题也有两个。一是脑电图数据库的数据量不足，导致情绪分类模型训练不充分，降低了分类效果。二是难以捕捉情绪在脑电图中的表现形式

4、和变化规律，使情绪分类的效果难以提升。基于以上两个问题，本文提出了情绪碎片和基于深度置信网络的情绪分类方法。情绪碎片，是通过划分携带时域信息的脑电图特征获取的，能够增加实验脑电图的数据量，同时，捕捉情绪在脑电图中的表现形式和随时间变化的规律；其次，结合深度学习思想，本文构建了基于情绪碎片和深度置信网络的情绪分类算法（EP-DBN），实现了高精度的情绪识别和分类。本文分别针对两项工作开展了验证实验。针对脑电图去伪迹，本文采用VR脑电图数据库进行去伪迹实验，对比实验结果表明WpdAI-ICA算法去伪迹的效果和稳定性都更好。此外，还根据伪迹去除后的纯净脑电图进行

5、了恐惧情绪分析，为情绪分类研究打下基础。而针对基于脑电图的情绪分类，本文采用上海交大的公开脑电图数据库，提取了情绪碎片特征，并分析其捕捉情绪随时间变化规律的能力。最后构建EP-DBN算法实现了情绪分类，准确率达到93.15%，对比结果证明EP-DBN比其它分类算法效果更好。关键词：脑电图去伪迹；伪迹频段信息；情绪分类；情绪碎片IAbstractEmotionsarecloselyrelatedtopeople’smentalhealth.Ifpeoplestayinanabnormalmoodforalongtime,theirmentalhealthwi

6、llbegreatlyhurtandevensufferfromseriousillness.Therefore,accurateemotionrecognitionandclassificationcontributetodiseasepreventionanddiagnosis.BecauseofemotionsarerelatedtobrainactivityandEEGacquisitiontechnologyismaturing.ThisarticlewillbebasedonEEGtoachieveemotionalrecognitionand

7、classification.EEG-BasedemotionclassificationconsistsofEEGacquisition,artifactsremoval,featureextractionandemotionclassificationmodelconstruction.ThispaperwillfocusonthestudyofEEGartifactsremovalandEEG-basedemotionclassificationwhichincludesfeatureextractionandmodelconstruction.Ex

8、ploringandexperimentallyverifying