【摘要】：人體的腦電信號是中樞神經(jīng)系統(tǒng)所產(chǎn)生的信號,其與人的情感變化有密切的關(guān)系,利用腦電信號來分析人的情感狀態(tài)成為了情感識別領(lǐng)域研究的熱點。但腦電信號是一種非平穩(wěn)、非線性信號,容易受到人體其他生理信號和外部因素的干擾,傳統(tǒng)的情感識別方法存在算法復(fù)雜、識別準(zhǔn)確率不高等局限性,本文在對腦電信號深入分析的基礎(chǔ)上,對基于腦電信號的情感識別從以下幾方面展開研究:首先,針對腦電信號在采集過程中受到各種噪聲影響的問題,本文提出一種基于FastICA與雙樹復(fù)小波變換的多導(dǎo)聯(lián)腦電信號去噪算法。該算法通過計算各獨立分量的分形維數(shù)值來判別各獨立分量中的噪聲分量,并使用改進閾值函數(shù)的雙樹復(fù)小波變換對有用信號分量進行進一步分析。實驗結(jié)果表明,該算法在多導(dǎo)聯(lián)腦電信號降噪方面取得了良好的效果。其次,針對目前情感識別中缺乏有效的特征選擇方法的問題,本文利用二進制布谷鳥算法篩選情感特征。首先提取腦電信號的多域情感特征,再使用二進制布谷鳥算法對特征集合進行優(yōu)選,最終得到最優(yōu)情感特征子集。實驗結(jié)果表明,該算法可以獲得最優(yōu)情感特征子集,并有效地降低特征維數(shù)。最后,針對情感識別準(zhǔn)確率不高、算法訓(xùn)練和測試時間消耗長的問題,本文提出一種基于改進螢火蟲的最小二乘雙支持向量機情感識別算法。利用最小二乘雙支持向量機實現(xiàn)情感識別,并使用改進的螢火蟲算法進一步優(yōu)化最小二乘雙支持向量機,確定最優(yōu)算法模型。實驗結(jié)果表明,該算法對四種不同類型的情感識別準(zhǔn)確率均超過80%,其平均識別準(zhǔn)確率相比于LSSVM、SA-IPSO-SVM、MLSTSVM算法分別提升了11.2%、12.5%和8.8%,情感識別算法的訓(xùn)練與測試時間也得到了降低。
【圖文】：

信號特征明顯，包含的信息比較豐富，與其識別的研究具有獨特的優(yōu)勢。介原理制中樞，其主要可以分為腦核，腦緣系統(tǒng)和 所示。大腦皮質(zhì)主要構(gòu)成成分是灰質(zhì)，，存在于最大。大腦皮質(zhì)包含兩個核心部分，即左、區(qū)、頂葉區(qū)和枕葉區(qū)等區(qū)域，不同的區(qū)域負(fù)習(xí)能力口頭表達能力，思維能力有關(guān)。頂葉等感覺功能。顳葉區(qū)與人體的多種不同的感處理視覺信息的功能。

和空域特征突出的頻率范圍是比較寬的，有用腦電信號的頻率范圍處究中常用的腦電信號頻率為 0.5Hz 到 30Hz。由于腦電更加突出，在研究腦電信號時，綜合使用時域、頻域腦電信號處理中就顯得尤為重要。信號的節(jié)律特性發(fā)現(xiàn)，腦電信號可以劃分為多個不同的波段，各波段不同的波段稱為節(jié)律波，不同節(jié)律波的存在使得腦電的波段可以將腦電信號劃分為： 波（0.5~3Hz）、θ z）、β 波（14~30Hz）、γ 波（>30Hz）這幾種類型的節(jié)
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R318;TN911.7

【參考文獻】

相關(guān)期刊論文 前5條

1 李強;劉光遠(yuǎn);賴祥偉;;改進的支持向量機在情感識別中的應(yīng)用[J];計算機應(yīng)用;2014年S1期

2 陳曾;劉光遠(yuǎn);;腦電信號在情感識別中的應(yīng)用[J];計算機工程;2010年09期

3 蔣丹寧;蔡蓮紅;;基于語音聲學(xué)特征的情感信息識別[J];清華大學(xué)學(xué)報(自然科學(xué)版);2006年01期

4 白露,馬慧,黃宇霞,羅躍嘉;中國情緒圖片系統(tǒng)的編制——在46名中國大學(xué)生中的試用[J];中國心理衛(wèi)生雜志;2005年11期

5 羅森林,潘麗敏;情感計算理論與技術(shù)[J];系統(tǒng)工程與電子技術(shù);2003年07期

相關(guān)碩士學(xué)位論文 前7條

1 鄭國紅;基于心電信號分析愉悅視頻對負(fù)性情感的調(diào)節(jié)[D];西南大學(xué);2017年

2 戴惟嘉;基于表情和語音雙模態(tài)的兒童情感識別研究[D];東南大學(xué);2016年

3 王麗娟;視覺誘發(fā)P300電位的去噪與提取算法研究[D];山東大學(xué);2016年

4 杜仰澤;人機交互環(huán)境下基于皮膚電信號的情感實時識別與調(diào)節(jié)方法研究[D];西南大學(xué);2016年

5 何成;基于多生理信號的情緒識別方法研究[D];浙江大學(xué);2016年

6 李青;基于語音信號的情緒識別研究[D];哈爾濱工業(yè)大學(xué);2011年

7 程穎;肌電信號在情感狀態(tài)識別中的研究[D];西南大學(xué);2011年

本文編號：2652200