視頻刺激下基于腦電信號的人類情感識別研究
發(fā)布時間:2020-12-16 02:15
隨著腦機接口(BCI)技術(shù)的發(fā)展,多通道腦電信號逐漸取代其他生理信號,成為情緒識別研究的主要線索,然而基于腦電信號的情感分類準(zhǔn)確性并不穩(wěn)定,這可能與接收刺激前后腦電信號的特征變化量有關(guān)。同時,隨著技術(shù)發(fā)展的日新月異,以深度學(xué)習(xí)為翹楚的分類預(yù)測模型為模式識別領(lǐng)域注入了新的活力;谏硇盘柕那楦凶R別研究能否與深度學(xué)習(xí)相結(jié)合從而進一步提高機器識別人類情緒的能力,還需要深入的研究和探索。在本研究中,首先提出了一種基于去基線策略的特征分析方法,利用小波包變換(WPT)擷取情感視頻刺激前后的差分熵(DE)變化量,提高了機器辨識個體情緒狀態(tài)的能力。其實現(xiàn)方法是使用腦電情感數(shù)據(jù)庫DEAP,將實驗?zāi)X電數(shù)據(jù)平均分成15組并基于WPT提取它們的微分熵,然后計算各分離腦電信號集的特征變化量,隨后結(jié)合隨機森林(RF)算法,將情緒在效價-喚醒度情感模型上劃分為四類,最后設(shè)計了三種去基線策略方案的對比實驗,結(jié)果表明:新方法平均分類精度為87.3%,相較于其他方案高出大約25%,意味著基于新方法的WPT-RF模型大大提高了基于腦電信號的情感識別率。接下來,建立了基于深度學(xué)習(xí)的情感預(yù)測模型。在分析腦電信號多種非線性特...
【文章來源】:東北電力大學(xué)吉林省
【文章頁數(shù)】:55 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-2現(xiàn)場采集實驗??電極帽要正確佩戴以保證位置準(zhǔn)確,通過腦電采集設(shè)備,將各個電極的腦電信號記錄??
東北電力大學(xué)碩士學(xué)位論文??受試者過于疲憊,重復(fù)實驗至少間隔1天左右再進行。??圖2-2現(xiàn)場采集實驗??電極帽要正確佩戴以保證位置準(zhǔn)確,通過腦電采集設(shè)備,將各個電極的腦電信號記錄??到電腦當(dāng)中。在身體某處設(shè)置參考電極也就是零電位,一般采用耳垂,其他電極位置與零??電位形成電位差,在大腦皮層上各個電極的位置根據(jù)10-20系統(tǒng)呈現(xiàn)如圖2-3所示。??Anterior?????Xjfe??^/r?0??????0\h??I?Y^ee?0??0y\??Left?〇〇〇〇???0000?Right??IL?^0?〇?e??a]??%??0?@o???圖2-3?EEG電極位置??2.2.4?EEG的預(yù)處理方法??EEG信號的噪聲主要來源于被試本身產(chǎn)生的人體干擾,還有系統(tǒng)和環(huán)境的干擾。由于??設(shè)備的工頻干擾、環(huán)境的電磁干擾等屬于測量系統(tǒng);而實驗時,被試者除大腦外的其他組??織、器官的動作產(chǎn)生的生理電信號引發(fā)的干擾等屬于人體干擾,如眨眼、眼動、呼吸、心??跳等。??預(yù)處理方法可以從三個方面來概括。1)去除信號的不正常波動和噪聲。在實驗過程中,??常常出現(xiàn)一些被試身體晃動、電極之間通過導(dǎo)電膏連在一起、電極移動等情況,這些狀況??-16-??
第3章基于去基線策略特征分析的EEG情感分類方法及買驗結(jié)朱甘W??情感四分類?ncirrirw?32個電?^_道><5刊§??QDIDi?E9EOICS?段??、??E1隨?計算獅spsnia???工一e圃二-_-—-艦值號-空翌…版-??????????的沉?60s的實SS數(shù)??〔?Hi?—?一??1?r、i?1?1?\??^?|?:戀?b:’??^?極通-簦肱?預(yù)處理??電信號??圖3-1基于去基線策略的情感計算模型??具體分析方法為:將視頻播放前的腦電記錄作為基線數(shù)據(jù),對實驗數(shù)據(jù)可以采取等分??割和非分割兩種措施。等分割分析方法是將實驗數(shù)據(jù)根據(jù)信號時長均等的分割后,每一段??都進行去基線操作?,非分割方法是我們將全時段的實驗數(shù)據(jù)直接去除基線特征。在實驗部??分,我們討論了這兩種方法去除基線數(shù)據(jù)影響的效果,結(jié)果表明,第一種方法對實驗數(shù)據(jù)??進行等分割,取得了較高的精度。圖3-1表示的是以腦電信號特征微分熵為例,建立的去??基線策略的腦電信號方法流程圖。本文首先建立了一個基于二維空間的情感分類標(biāo)簽。然??后基于小波包變換算法提取DE特征,并提取基線從特征值中減去3s的數(shù)據(jù)去特征值,得??到每個實驗數(shù)據(jù)的特征值差。最后,使用隨機森林分類器將二維情感空間分為四類。??圖3-1顯示了我們提出的情感計算模型的BCI模擬系統(tǒng)。受試者接受視頻刺激并記錄??他們的腦電圖信號。每組包括3s空白和60s視頻刺激。信號預(yù)處理后,將60s的實驗數(shù)??據(jù)分成15份,時間相同。??3.?1.1建立分類標(biāo)簽??本文利用志愿者觀看的視頻材料的自我評價值,建立維度模型,構(gòu)建二維的價格喚醒??度標(biāo)簽。根據(jù)1-9分的
本文編號:2919333
【文章來源】:東北電力大學(xué)吉林省
【文章頁數(shù)】:55 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-2現(xiàn)場采集實驗??電極帽要正確佩戴以保證位置準(zhǔn)確,通過腦電采集設(shè)備,將各個電極的腦電信號記錄??
東北電力大學(xué)碩士學(xué)位論文??受試者過于疲憊,重復(fù)實驗至少間隔1天左右再進行。??圖2-2現(xiàn)場采集實驗??電極帽要正確佩戴以保證位置準(zhǔn)確,通過腦電采集設(shè)備,將各個電極的腦電信號記錄??到電腦當(dāng)中。在身體某處設(shè)置參考電極也就是零電位,一般采用耳垂,其他電極位置與零??電位形成電位差,在大腦皮層上各個電極的位置根據(jù)10-20系統(tǒng)呈現(xiàn)如圖2-3所示。??Anterior?????Xjfe??^/r?0??????0\h??I?Y^ee?0??0y\??Left?〇〇〇〇???0000?Right??IL?^0?〇?e??a]??%??0?@o???圖2-3?EEG電極位置??2.2.4?EEG的預(yù)處理方法??EEG信號的噪聲主要來源于被試本身產(chǎn)生的人體干擾,還有系統(tǒng)和環(huán)境的干擾。由于??設(shè)備的工頻干擾、環(huán)境的電磁干擾等屬于測量系統(tǒng);而實驗時,被試者除大腦外的其他組??織、器官的動作產(chǎn)生的生理電信號引發(fā)的干擾等屬于人體干擾,如眨眼、眼動、呼吸、心??跳等。??預(yù)處理方法可以從三個方面來概括。1)去除信號的不正常波動和噪聲。在實驗過程中,??常常出現(xiàn)一些被試身體晃動、電極之間通過導(dǎo)電膏連在一起、電極移動等情況,這些狀況??-16-??
第3章基于去基線策略特征分析的EEG情感分類方法及買驗結(jié)朱甘W??情感四分類?ncirrirw?32個電?^_道><5刊§??QDIDi?E9EOICS?段??、??E1隨?計算獅spsnia???工一e圃二-_-—-艦值號-空翌…版-??????????的沉?60s的實SS數(shù)??〔?Hi?—?一??1?r、i?1?1?\??^?|?:戀?b:’??^?極通-簦肱?預(yù)處理??電信號??圖3-1基于去基線策略的情感計算模型??具體分析方法為:將視頻播放前的腦電記錄作為基線數(shù)據(jù),對實驗數(shù)據(jù)可以采取等分??割和非分割兩種措施。等分割分析方法是將實驗數(shù)據(jù)根據(jù)信號時長均等的分割后,每一段??都進行去基線操作?,非分割方法是我們將全時段的實驗數(shù)據(jù)直接去除基線特征。在實驗部??分,我們討論了這兩種方法去除基線數(shù)據(jù)影響的效果,結(jié)果表明,第一種方法對實驗數(shù)據(jù)??進行等分割,取得了較高的精度。圖3-1表示的是以腦電信號特征微分熵為例,建立的去??基線策略的腦電信號方法流程圖。本文首先建立了一個基于二維空間的情感分類標(biāo)簽。然??后基于小波包變換算法提取DE特征,并提取基線從特征值中減去3s的數(shù)據(jù)去特征值,得??到每個實驗數(shù)據(jù)的特征值差。最后,使用隨機森林分類器將二維情感空間分為四類。??圖3-1顯示了我們提出的情感計算模型的BCI模擬系統(tǒng)。受試者接受視頻刺激并記錄??他們的腦電圖信號。每組包括3s空白和60s視頻刺激。信號預(yù)處理后,將60s的實驗數(shù)??據(jù)分成15份,時間相同。??3.?1.1建立分類標(biāo)簽??本文利用志愿者觀看的視頻材料的自我評價值,建立維度模型,構(gòu)建二維的價格喚醒??度標(biāo)簽。根據(jù)1-9分的
本文編號:2919333
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/2919333.html
最近更新
教材專著