【摘要】：情感與人類的生活密切相關(guān),它受到人腦中樞神經(jīng)系統(tǒng)的控制以產(chǎn)生相應(yīng)的情感狀態(tài)。情感識(shí)別是通過(guò)計(jì)算機(jī)技術(shù)來(lái)感知人類的情感狀態(tài)變化,使其在不同的環(huán)境下準(zhǔn)確識(shí)別出人類的情感,與此同時(shí),它也能夠不斷促進(jìn)和完善人機(jī)交互技術(shù)的進(jìn)步與發(fā)展。目前,許多學(xué)者利用呼吸、肌電、心電、腦電等生理信號(hào)進(jìn)行情感識(shí)別研究,其中以腦電信號(hào)研究居多,因?yàn)槟X電能夠充分反映出大腦在不同認(rèn)知任務(wù)和功能狀態(tài)下的響應(yīng),能夠表現(xiàn)大腦的整個(gè)神經(jīng)元活動(dòng),它不會(huì)受到人為刻意掩飾的影響,因此基于腦電信號(hào)(EEG)的情感識(shí)別研究可以更客觀、更充分的反映人類情感狀態(tài)的變化�；谀X電信號(hào)的情感識(shí)別研究主要集中在特征提取和情感分類兩個(gè)關(guān)鍵步驟,人體大腦皮層的腦電信號(hào)是一種包含了許多干擾信號(hào)的非平穩(wěn)隨機(jī)信號(hào),研究過(guò)程中需要對(duì)其進(jìn)行相應(yīng)的預(yù)處理,提取出有效地情感特征信息,之后使用分類算法對(duì)提取的情感特征進(jìn)行分類以識(shí)別受試者的不同情感狀態(tài)。本文在對(duì)腦電信號(hào)研究的基礎(chǔ)上,提出一種新的腦電特征和情感識(shí)別分類方法,主要工作如下:1、提出了一種基于稀疏組lasso-granger因果關(guān)系特征的腦電情感識(shí)別方法。在實(shí)驗(yàn)中,首先使用granger算法提取受試者α、β、γ腦電波段的granger因果特征值,然后通過(guò)稀疏組lasso算法對(duì)因果特征進(jìn)行篩選以獲得高相關(guān)性的特征子集,最后使用SVM分類器進(jìn)行情感分類,此外在特征提取過(guò)程中,應(yīng)用ReliefF算法選取有效的EEG通道以降低計(jì)算時(shí)間。實(shí)驗(yàn)表明,該方法提取的腦電情感特征能有效識(shí)別受試者的不同情感狀態(tài),在Valence-Arousal二維情感模型上分別獲得87.15%、86.60%的平均情感分類準(zhǔn)確率,分類效果要優(yōu)于對(duì)比的腦電特征。2、提出了一種基于CapsNet神經(jīng)網(wǎng)絡(luò)的情感分類方法。采用稀疏組lasso-granger因果關(guān)系方法提取原始腦電信號(hào)的granger因果關(guān)系特征,將獲取的高相關(guān)性特征子集作為該網(wǎng)絡(luò)的輸入,實(shí)現(xiàn)最終情感分類。實(shí)驗(yàn)表明,通過(guò)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和模型參數(shù)來(lái)構(gòu)建CapsNet神經(jīng)網(wǎng)絡(luò)對(duì)腦電信號(hào)進(jìn)行情感分類,在Valence-Arousal情感維度下分別獲得88.09%、87.37%的平均情感分類準(zhǔn)確率,該方法相比SVM、CNN、DBN等分類系統(tǒng)能夠得到更優(yōu)的結(jié)果,顯著提高了腦電情感分類的性能。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN911.7;TP18
【圖文】：

2.1.1 腦電信號(hào)的來(lái)源人體的中樞神經(jīng)系統(tǒng)中包含大量的神經(jīng)元細(xì)胞，其被認(rèn)為是神經(jīng)系統(tǒng)最基本的計(jì)算單元。神經(jīng)元的細(xì)胞膜是由磷脂雙分子層所構(gòu)成，這些分子層通過(guò)鈉，鉀、鈣等離子相關(guān)的離子通道的開(kāi)閉來(lái)傳遞電訊號(hào)，離子通道的開(kāi)閉會(huì)導(dǎo)致神經(jīng)元在傳遞信號(hào)的短暫過(guò)程中形成一處微小電場(chǎng)并觸發(fā)一連串的事件：Na 離子迅速流入細(xì)胞內(nèi)會(huì)造成細(xì)胞膜點(diǎn)位迅速升高，直到 K 離子通道打開(kāi)并流出細(xì)胞外后，細(xì)胞膜電位才下降。膜電位的快速上升和下降會(huì)產(chǎn)生動(dòng)作電位或鋒電位，神經(jīng)元間通信的主要模式就是通過(guò)動(dòng)作電位或鋒電位進(jìn)行的。鋒電位的波形一般較為固定，攜帶的信息較少或基本不攜帶信息，真正攜帶信息的是鋒電位出現(xiàn)的時(shí)間和鋒電位的放電率。不同的神經(jīng)元之間通過(guò)突觸連接進(jìn)行交流，當(dāng)前一神經(jīng)元傳送來(lái)的鋒電位引起存儲(chǔ)在突出前神經(jīng)元軸突端部突觸囊泡中神經(jīng)遞質(zhì)釋放，而后神經(jīng)遞質(zhì)著附于后一神經(jīng)元的受體上并促使離子通道打開(kāi)，從而影響突觸后細(xì)胞膜局部膜電位，腦電波信號(hào)主要就是由這些電位傳遞產(chǎn)生的。圖 2.1 給出了人腦中一段腦電波信號(hào)的波形圖，類似于正弦波，但無(wú)固定的周期特性。

第二章 EEG 與情感識(shí)別基礎(chǔ)結(jié)構(gòu)與功能分區(qū)腦由左半球和右半球兩部分組成，每個(gè)半球包括基底面、內(nèi)側(cè)面和背外腦底部的髓質(zhì)、腦橋與中腦共同組成了腦干，大腦向身體其他部位傳遞通過(guò)腦干進(jìn)行的。髓質(zhì)和腦橋參與調(diào)節(jié)人體的呼吸、肌肉張力、血壓、醒等基本功能。中腦由頂蓋部分構(gòu)成，其又包括下丘和上丘，主要控制動(dòng)以及視覺(jué)、聽(tīng)覺(jué)反射等。大腦的底部是小腦，其是高度結(jié)構(gòu)化的神經(jīng)主要負(fù)責(zé)運(yùn)動(dòng)的協(xié)調(diào)。大腦的左半球和右半球之間有許多溝、裂和回，葉、枕葉和顳葉分布于這些溝裂中，分別對(duì)應(yīng)于額骨、頂骨、枕骨和顳，腦區(qū)的結(jié)構(gòu)劃分如圖 2.2 所示。

圖 2.3 EEG 信號(hào)的四種頻率波形Fig 2.3 Four frequency waveforms of EEG signal（1）δ波：頻率處于 1-3Hz 之間，振幅在 20-200μV。δ波多出現(xiàn)在嬰兒、成人熟睡狀態(tài)或患有嚴(yán)重器質(zhì)性腦病的病人身上。（2）θ波：頻率處于 4-7Hz 之間，振幅在 5-20μV。兒童的頂部和顳部會(huì)出現(xiàn)θ波，成年人在中樞神經(jīng)系統(tǒng)受到抑制時(shí)也會(huì)出現(xiàn)θ波，當(dāng)出現(xiàn)疲勞狀態(tài)或入睡后θ波也將逐漸增多，如果某時(shí)刻大量出現(xiàn)θ波，則意味著發(fā)生了異常或病變現(xiàn)象。（3）α波：頻率處于 8-13Hz，振幅在 20-1000μV。絕大多數(shù)正常人的腦電信號(hào)以α波為主，多出現(xiàn)在頂枕區(qū)，類似正弦波波形。α波會(huì)在人清醒、安靜閉目狀態(tài)時(shí)出現(xiàn)，當(dāng)進(jìn)入睡眠狀態(tài)后就會(huì)消失；（4）β波：頻率處在 14-30Hz，振幅在 100-150μV。β波遍布于整個(gè)腦區(qū)，但主要分布在前半球和顳區(qū)，它通常與年齡、心理、個(gè)性、性別等特性有關(guān)，一般女性的β波多于男性，老年人的β波多于成人，當(dāng)人體的大腦皮層出現(xiàn)興奮狀

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 謝平;楊芳梅;陳曉玲;杜義浩;吳曉光;;基于多尺度傳遞熵的腦肌電信號(hào)耦合分析[J];物理學(xué)報(bào);2015年24期

2 裘志軍;陳旨娟;田心;;基于Granger因果分析研究顳葉癲癇腦電的網(wǎng)絡(luò)特性[J];天津醫(yī)科大學(xué)學(xué)報(bào);2014年06期

3 陳立江;毛峽;Mitsuru ISHIZUKA;;基于Fisher準(zhǔn)則與SVM的分層語(yǔ)音情感識(shí)別[J];模式識(shí)別與人工智能;2012年04期

4 吳曉彬,邱天爽;基于時(shí)頻分析的EEG信號(hào)分析處理方法研究進(jìn)展[J];國(guó)外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊(cè);2004年06期

5 季忠,秦樹(shù)人,彭麗玲;腦電信號(hào)的現(xiàn)代分析方法[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年09期

相關(guān)博士學(xué)位論文 前1條

1 劉欣;基于表情認(rèn)知的服務(wù)機(jī)器人情感計(jì)算研究[D];北京科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前2條

1 周霖;基于腦電的音樂(lè)視頻情感標(biāo)記理論研究[D];蘭州大學(xué);2014年

2 聶聃;基于腦電的情感識(shí)別[D];上海交通大學(xué);2012年

本文編號(hào)：2760740