基于脑电信号的情感识别技术研究

论文摘要

情感是一个心理-生理的过程,对情感进行判断、评估已经融入到我们生活的方方面面,在众多领域已经取得很好的发展。论文的主题是围绕脑电信号进行情感分类识别,研究了在这个过程中所涉及到的通道选择和特征提取方法,目标是为了获得更好的情感识别准确率。论文重点介绍了脑电信号的处理流程,特征提取、特征选择、通道选择、以及最终的情感分类算法,并在公开的DEAP情感数据集上进行测试训练和验证,取得了高达94.2%的识别精度。首先是脑电数据的预处理,论文使用功率谱密度和相干性计算来决定数据通道的选择,不仅可以剔除掉冗余特征,将与情感密切相关的特征选择出来,还大幅度降低了数据维度和数据规模,方便之后的特征提取。对于特征提取,论文使用经验模态分解算法和样本熵结合进行特征提取,前者用来分解脑电信号,它的自适应性对应解决脑电信号的非线性特点,至于样本熵算法,则可以解决脑电数据的波动特性。两者相互配合,可以实现很好的处理效果。最后详细介绍特征分类方法,并使用SVM进行情感分类识别。对于最终结果,论文重点关注特征提取中的三个变量,分别是数据序列长度N,相似容限r和嵌入维度m,根据结果分析它们对于结果精度的影响,从而得出较优的参数组合。最后将结果与其他使用DEAP数据集进行情感分类的研究论文结果作对比,发现精度提高了很多,具有很好的科研价值。

论文目录

• 摘要
• Abstract
• 1 绪论
•   1.1 研究背景及意义
•   1.2 国内外研究现状
•   1.3 论文研究内容
•   1.4 论文章节安排
• 2 相关理论研究
•   2.1 脑电信号的理论介绍
•   2.2 情感理论介绍
•   2.3 脑电特征提取技术介绍
•   2.4 经验模态分解算法
•   2.5 样本熵算法
•   2.6 支持向量机算法
•   2.7 本章小结
• 3 基于经验模态分解和样本熵的模型设计
•   3.1 设计框架
•   3.2 数据预处理与通道选择
•   3.3 基于经验模态分解和样本熵的组合特征提取
•   3.4 基于SVM的情感分类模型
•   3.5 本章小结
• 4 实验结果与分析
•   4.1 实验配置
•   4.2 数据集介绍
•   4.3 评价指标
•   4.4 结果与分析
•   4.5 本章小结
• 5 总结与展望
•   5.1 全文总结
•   5.2 研究展望
• 致谢
• 参考文献

文章来源

类型: 硕士论文

作者: 邓文娅

导师: 陈敏

关键词: 情感识别,脑电数据,通道选择,特征提取,经验模态分解,样本熵,分类

来源: 华中科技大学

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物学,生物医学工程,电信技术

单位: 华中科技大学

分类号: R318;TN911.7

DOI: 10.27157/d.cnki.ghzku.2019.004381

总页数: 57

文件大小: 1549K

下载量: 309