基于脑电信号的情绪识别研究.pdf

《基于脑电信号的情绪识别研究.pdf》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、＇‘＇：一逝晏Ｖ＇一＾－：ｆ＇＇单位代码：１０２９３巧级：公开／成肖．、－‘，－厶．．诗、；巧女＃健讼Ａｉｆ巧声瞧、曜‘誠詹■；‘＇‘．＇‘Ｖ．Ｖ．７！Ｉ，．一．‘．’．．ｉ＇－叫ｉ％论文题－Ｋ目：暮于脑电信号的情绪识别研究１０１２０１０４２２学号苏建新．姓名．？＇＇／、：巧；Ｖ一：．热导师马千里＊．．ＩＪ．．信号与信息处理学科专业无线通信与信

2、号处理技术硏究方向工学硕古申请学位类别／乂；乂＞２０‘１５３月．论文提交日期年＿？’产—Ｖ１＇；＇－、巧Ｖ；一１＿／ｉ■＇；．．ＪＶ－Ｉ．４謗＇‘’＇：，．ｖ．巧＇＊■－，Ｖ，马’＇＇：一－抑■Ｖ一＇＇－Ｖ．－语＊Ｓｔ、—－？卢，ｎ．媒．Ｖ南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研巧工作及取得的研巧成果。尽我所知，论，除了文中特别加

3、Ｗ标注和致谢的地方外文中不包含其他人已经发表或撰写过的研巧成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一切本人学位论文及涉及相关资料若有不实，愿意承担相关的法律贵任。研巧生签名；齐建新日期：也、中、ｄ本人授南京邮电大学学位论文使用授权声明权南京邮电大学可（＾保留并向国家有关部口或机构送交论文的复印件和电子文可档；允许论文被查阅和借閲；可将学位论文的全部或部分内

4、容编入有关数掘库进行检索；论１＾采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质一文的内容相致。论文的公布（包括刊登）授权南京邮电大学研巧生院办理。涉密学位论文在解密后适用本授权书。气心研究生签名：若、建新导师签名：矣日期；如、（ｐ、（１＾EmotionrecognitionresearchbasedonEEGsignalThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfo

5、rtheDegreeofMasterofEngineeringByJianxinSuSupervisor:Prof.QianliMaFebruary2015摘要本文主要研究基于脑电信号的情绪识别，根据脑电信号的特点和情绪的产生机制，结合已有的相关研究，对大脑额叶区进行情绪脑电的分类研究。通过对DEAP数据库的实验分析，根据愉悦度和唤醒度的二维情绪维度模型，选取了压力状态和平静状态作为情绪类别。论文的主要研究点如下：1、研究了脑电信号的特征提取方法。利用线性分析的小波变换，提取了情绪脑电不同节律下

6、的小波能量；利用非线性动力学方法提取了情绪脑电的非线性特征，包括近似熵、样本熵和排列熵三种方法。2、研究了脑电信号的模式分类方法。主要运用支持向量机（SVM）分类方法，研究了SVM惩罚因子和径向基核函数参数的选择，以及通过改进的网格搜索法进行参数寻优，并通过实验进行了验证。3、进行了基于脑电信号的情绪识别实验研究。利用小波能量和三个非线性参数，通过SVM对压力态和平静态的脑电信号进行分析，分别从单个特征参数和融合多个特征参数进行识别分类。结果表明：从特征参数的方法来看，非线性分析法的分类效果要好

7、于线性分析法，其中非线性分析法中的排列熵效果最好；从特征参数的维度分析来看，融合多个特征参数的分类效果要好于单个特征参数的分类效果，其中融合三个非线性特征参数，得到的分类准确率达到77.8%。关键词:情绪识别，特征提取，支持向量机，分类准确率IAbstractThispapermainlystudytheemotionrecognitionbasedonEEGsignal,accordingtothecharacteristicsofEEGsignalandtheformationmechani

8、smofemotion,basedontheexistingrelatedresearch,emotionalclassificationofEEGsignalisstudiedinthefrontallobebrainareas.WiththeDEAPdatabaseanalysisoftheexperiment,Basedonthevalenceandarousalinthetwo-dimensionalemotionaldimensionmodel,theclassificationsta