基于腦電信號的情感識別.pdf

1、情感識別是人機交互技術(shù)中一個重要的研究領(lǐng)域。通過讓計算機感知到人類的情感狀態(tài)以及情感的變化，使其能夠?qū)θ祟惖男袨橛幸缓唵蔚恼J知識別并不斷完善其人機交互的方式，提高人性化水平。在情感識別研究中，除了使用到情感語音、情感詞匯及面部表情等外部行為外，人體產(chǎn)生的生理信號也可以用作情感識別。腦電信號（Electroencephalogram，EEG）是生理信號中一個重要的組成部分，它反映的是大腦皮層神經(jīng)元的電位活動，它具有安全、實時性好等特點。由

2、于大腦是人體的高級神經(jīng)中樞，其與人體的生理活動及心理活動有著極其密切的聯(lián)系。因此，可以借助于EEG來判別人的情感狀態(tài)。由于大腦結(jié)構(gòu)的復(fù)雜性，導(dǎo)致 EEG具有非平穩(wěn)性、隨機性等特點，并且EEG還容易受到其它生理信號及外界的干擾，這些都對EEG有效成分的提取及情感的識別造成了不小困難。因此，相對其它情感識別方式而言，基于EEG的情感識別研究還尚處在起始階段。
　　本文首先對情感模型、EEG特征、EEG與情感的聯(lián)系以及EEG分析中常用的

3、分析方式分別作了介紹，然后針對 EEG節(jié)律的提取分離以及 EEG多個節(jié)律整合識別的問題，分別展開研究并取得了一定的進展。本文主要研究如下：
　?。?）利用時頻分析在非線性信號分析處理中的優(yōu)勢，將時頻分析引入盲源分離算法中，提出基于時頻盲源分離的EEG情感識別。利用時頻分析能夠有效地提取非平穩(wěn)信號EEG中的時變局部特征以及源信號在時—頻域具有的時頻多樣性，從而分離出觀測信號中的有效成分。通過與其他方法的實驗結(jié)果對比，檢驗了其分離的效

4、果。
　?。?）此外，還針對二次型時頻域聯(lián)合分析中常見的交叉項干擾問題，以維格納分布為例，對交叉項抑制問題作了較為深入的分析，并運用重排理論對時頻域中的能量分布作了再次分配，從而引出了維格納分布的另一種重要改進型——重排維格納分布，并在此基礎(chǔ)上，引出了基于重排維格納分布的盲源分離算法，通過實驗檢驗了算法的分離效果。
　?。?）針對 EEG情感識別中存在的特征維度空間大、多節(jié)律整合難的問題，從信息融合的角度出發(fā)，提出將D-S證

5、據(jù)組合理論應(yīng)用于EEG的情感識別中。利用信息融合技術(shù)中經(jīng)典的 D-S證據(jù)組合理論，通過多個并行的BP識別網(wǎng)絡(luò)分別作不同的單一節(jié)律情感識別，然后將每個BP識別網(wǎng)絡(luò)作為一個獨立的證據(jù)體，再通過D-S理論對各BP網(wǎng)絡(luò)的識別結(jié)果作融合判定，最終得到?jīng)Q策結(jié)果。能得到比單一節(jié)律或多個節(jié)律簡單整合更為準(zhǔn)確、可靠的結(jié)果。還降低了特征空間維度，為多節(jié)律識別提供了更多的選擇。此外，還針對D-S理論中出現(xiàn)的一些問題，對其作了改進，通過實驗檢驗了改進后的性能。