【摘要】：隨著近幾年人工智能的不斷發(fā)展,生理信號的研究也逐漸從醫(yī)學(xué)領(lǐng)域擴展到情感計算與人機交互領(lǐng)域。腦電等生理信號直接獲取自個體,具有不可偽裝的特點,因此生理信號的情感研究越來越受到重視。加之深度學(xué)習(xí)研究火熱,情感生理信號的研究思路應(yīng)更加多元。在此背景下,我們詳細(xì)調(diào)研并分析了近年來腦電等生理信號的研究,并從信號處理和情感特征提取兩方面提出了自己的模型。本文的主要工作如下:(1)通過分析不同信道的基線信號與情感信號在各類特征下的穩(wěn)定性,總結(jié)出基線策略。選取功率譜密度作為前置特征,分別使用不同后置特征組合以及不同分類器驗證實驗。實驗結(jié)果表明,在不同特征組合和分類算法下,基線策略都可以有效提升情感特征的表征能力。(2)通過分析腦電極在二維電極圖中分布的空間位置關(guān)系,總結(jié)并構(gòu)建了空間關(guān)聯(lián)的3D卷積網(wǎng)絡(luò)模型。該模型可以提取不同腦電信道的空間關(guān)聯(lián)特征。為驗證該模型有效,本文分別選取多種特征組合和分類器進行對比實驗。結(jié)果表明空間關(guān)聯(lián)的3D卷積網(wǎng)絡(luò)對多信道情感特征具有較好的表征能力。在此基礎(chǔ)上,通過分析腦電及外周生理信號的情感特征特點,本文分別在特征層和決策層對腦電及外周生理信號進行了融合實驗。在特征層融合中,對腦電和外周生理信號分別提取了頻域和時域特征;在決策層融合中,對腦電和外周生理信號的四組較好的分類結(jié)果分組采用加權(quán)投票的方法進行融合。實驗結(jié)果表明,決策層融合提高了最終分類準(zhǔn)確率,兩組情感標(biāo)簽下的最好分類結(jié)果分別為83.2%和81.7%。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN911.7;R318
【圖文】：

大腦在活動中大量神經(jīng)元的突觸后電位的匯集產(chǎn)生，EEG的產(chǎn)生主要是由于大腦皮膚表面和大腦皮層的腦神經(jīng)細(xì)胞的電活動反應(yīng)。人腦面積最大的功能部分在大腦皮層，大腦皮層動能區(qū)劃為額葉、顳葉、頂葉和枕葉，如圖1.1所示。

圖 1.1 額葉、顳葉、頂葉和枕葉等腦功能位置分布g 1.1 Location map of brain: frontal lobe, temporal lobe, parietal lobe and occipitalG 是一種醫(yī)學(xué)成像技術(shù)，可讀取由大腦結(jié)構(gòu)產(chǎn)生的頭皮電活動或大，即它測量由大腦神經(jīng)元內(nèi)的離子電流引起的電壓波動。從頭皮測量通常成年人的 EEG 信號強度大致在 10-100μV 之間[1]。通過腦電極些電信號，在特定的生理或情感狀態(tài)下會更突出某些頻段。這些頻段Delta（1-4Hz），Theta（4-7Hz），Alpha（8-13Hz），Beta（13-30Hz）和于 30 Hz），如圖 1.2 所示。一般這五種頻率劃分為 EEG 研究所公認(rèn)頻率界限在不同研究中可能會有細(xì)微的差別。

表明心理活動強烈或大腦正處于活躍狀態(tài)，此時，信號在額為顯著。號一般由配合大腦功能區(qū)域的電采集設(shè)備采集得到的。依統(tǒng)，10-20 系統(tǒng)，腦電極分布如圖 1.3 所示。圖中電極上標(biāo)，右半球的電極用偶數(shù)表示，左半球的電極用奇數(shù)表示。而代表中心部分（Central），F(xiàn) 代表額葉部分（Frontal），P 代O 代表枕葉部分（Occipital），T 代表顳葉部分（Tempor軸線上的電極。四個邊緣解剖標(biāo)志用于正確定位電極，N，A1、A2 分別代表左右耳。以采用單電極，也可以采用雙電極。單電極一般記錄電位般在耳垂或乳頭上，一般多個單電極共用一組參考電極。雙般記錄成對電極間的電位差。使用高密度電極，可以產(chǎn)生多噪聲源，例如面部活動引發(fā)的肌肉活動，眼球移動和眨眼的額葉區(qū)域產(chǎn)生強烈影響，特別是中前部位（F3 和 F4），3][4]。

【參考文獻】

相關(guān)期刊論文 前1條

1 聶聃;王曉椺;段若男;呂寶糧;;基于腦電的情緒識別研究綜述[J];中國生物醫(yī)學(xué)工程學(xué)報;2012年04期

本文編號：2788560