本文關(guān)鍵詞：基于腦電信號的情緒識別方法研究

  更多相關(guān)文章： 腦電 情緒識別 偽跡自動去除 特征選擇 稀疏學(xué)習(xí) 功能磁共振成像 通道選擇

【摘要】：如何有效獲取情緒信號,對個人情緒狀態(tài)進(jìn)行客觀、準(zhǔn)確地解讀,使智能信息系統(tǒng)具備更好的感知和決策能力,是智能信息處理中的熱點問題。人類情緒變化的本質(zhì)是大腦皮層上的高級神經(jīng)活動。近年來,現(xiàn)代神經(jīng)影像技術(shù)的發(fā)展建立起了主觀世界與客觀世界的橋梁。其中,腦電(Electroencephalography,EEG)以其高時間分辨率和便攜實用的特點,已成為研究大腦功能以及設(shè)計腦機(jī)接口的主流工具。研究基于腦電的情緒識別方法,在疾病治療、腦機(jī)接口、信息評估等領(lǐng)域具有很好的理論和應(yīng)用價值。本文針對基于EEG的情緒識別技術(shù)在穩(wěn)定性、準(zhǔn)確性和實用性方面的要求,對基于EEG進(jìn)行情緒識別中的信號預(yù)處理方法、特征選擇方法以及利用功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)輔助的EEG通道選擇方法等問題進(jìn)行了研究。主要研究工作如下:1、研究了EEG偽跡的在線自動去除方法。EEG信號具有很高的時變敏感性,除了來自系統(tǒng)本身的噪聲,還有眼電、肌電等難以避免的噪聲,信噪比往往較低。在不附加額外參考電極的情況下,傳統(tǒng)方法預(yù)先采集大量偽跡樣本進(jìn)行離線訓(xùn)練,再經(jīng)訓(xùn)練的分類器去除偽跡成分,存在測試時間長且有離線訓(xùn)練的分類器與單次采集數(shù)據(jù)不匹配的問題。為此,本文提出了一種基于先驗信息的腦電偽跡在線自動去除方法。該方法以在線方式預(yù)先采集針對某些特異性偽跡的先驗信息,并將先驗信息融入到結(jié)合小波分析的獨立成分求解中,達(dá)到利用偽跡先驗信息在線分離和去除相應(yīng)偽跡成分的目的。實驗結(jié)果表明,該方法克服了偽跡先驗信息與單次采集數(shù)據(jù)不匹配的問題,能夠有效抑制EEG偽跡的影響,增強(qiáng)了腦電數(shù)據(jù)中認(rèn)知信息的可解讀能力。2、研究了EEG情緒識別中的特征選擇方法。腦電信號中的大量時頻特征反應(yīng)了大腦不同認(rèn)知狀態(tài),是進(jìn)行情緒識別的依據(jù),如何在高維特征中選擇情緒相關(guān)特征,是實現(xiàn)快速、準(zhǔn)確和有效情緒識別的關(guān)鍵因素。本文提出了一種基于稀疏學(xué)習(xí)的特征選擇方法。該方法可以從高維特征空間中,找出少量且對于類別信息重構(gòu)貢獻(xiàn)較大的特征,從而達(dá)到快速高效的獲取少量和情緒較相關(guān)特征的目的。實驗結(jié)果表明,和傳統(tǒng)方法相比,本文方法降低了特征選擇的時間消耗,且在相同的特征維數(shù)下得到了更高的情緒五分類正確率。此外,在特征選擇的基礎(chǔ)上,分析比較了腦電特征中和情緒相關(guān)的特征在不同時間段、不同頻段的分布情況,對情緒的腦電機(jī)理研究也具有一定的借鑒意義。3、研究了fMRI輔助的EEG情緒識別通道選擇方法。大腦情緒映射為大腦皮層中局部區(qū)域的特異性活動,研究大腦情緒特征的空間分布特性,對于合理選擇腦電通道,增強(qiáng)在線情緒識別的適用性具有重要意義。本文在利用fMRI進(jìn)行輔助的基礎(chǔ)上,提出了一種基于腦電正演模型的情緒相關(guān)通道選擇方法。該方法根據(jù)大腦MRI結(jié)構(gòu)像建立EEG正演模型,得到從大腦皮層處信號源到頭表電極的傳遞矩陣,由此可以把fMRI情緒實驗的激活結(jié)果映射到頭表,得到反映情緒相關(guān)程度的腦電地形圖,從而為基于EEG情緒識別的通道選擇提供理論依據(jù)。實驗數(shù)據(jù)分析表明,依據(jù)本方法所得情緒相關(guān)程度腦電地形圖而選出的EEG通道,可以較大程度的保留與情緒相關(guān)的EEG信號。
【關(guān)鍵詞】：腦電 情緒識別 偽跡自動去除 特征選擇 稀疏學(xué)習(xí) 功能磁共振成像 通道選擇
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R318;TN911.7
【目錄】：

• 摘要4-6
• Abstract6-12
• 第一章 緒論12-22
• 1.1 課題背景與研究意義12-14
• 1.2 情緒識別方法國內(nèi)外研究現(xiàn)狀14-15
• 1.3 基于腦電的情緒識別方法15-19
• 1.3.1 腦電信號的偽跡處理方法15-17
• 1.3.2 基于腦電的情緒特征提取與選擇17-18
• 1.3.3 情緒模式的學(xué)習(xí)與分類18-19
• 1.4 課題研究內(nèi)容及論文結(jié)構(gòu)安排19-22
• 第二章 腦電偽跡在線自動去除方法22-34
• 2.1 腦電偽跡自動去除方法概述22-23
• 2.2 基于先驗信息的腦電偽跡在線自動去除方法23-25
• 2.2.1 偽跡先驗信息在線采集23-24
• 2.2.2 基于WICA和相關(guān)性判別的腦電偽跡自動去除24-25
• 2.3 驗證實驗25-32
• 2.3.1 實驗材料一：運動想象分類實驗25-27
• 2.3.2 實驗材料二：情緒識別實驗27-28
• 2.3.3 結(jié)果分析28-32
• 2.4 本章小結(jié)32-34
• 第三章 基于稀疏學(xué)習(xí)特征選擇的腦電情緒識別34-46
• 3.1 特征選擇方法概述34-37
• 3.1.1 Relief與Relief F算法35-37
• 3.1.2 FCBF算法37
• 3.2 基于稀疏學(xué)習(xí)的特征選擇方法37-41
• 3.2.1 算法原理38-39
• 3.2.2 稀疏模型的求解39-41
• 3.3 情緒識別實驗41-45
• 3.3.1 不同特征選擇方法的分類結(jié)果比較41-42
• 3.3.2 不同時間段、不同頻段各通道處特征與情緒的相關(guān)性分析42-45
• 3.4 本章小結(jié)45-46
• 第四章f MRI輔助的情緒相關(guān)EEG通道選擇方法46-60
• 4.1 背景介紹46-49
• 4.1.1 f MRI原理46-47
• 4.1.2 EEG正演模型47-48
• 4.1.3 基于f MRI信息的EEG分析現(xiàn)狀48-49
• 4.2 基于EEG正演模型的情緒相關(guān)腦電通道選擇方法49-53
• 4.2.1 基本方法49-51
• 4.2.2 實驗材料51-52
• 4.2.3 數(shù)據(jù)處理52-53
• 4.3 結(jié)果分析53-59
• 4.3.1 f MRI情緒實驗激活結(jié)果53-54
• 4.3.2 腦電情緒相關(guān)地形圖54-55
• 4.3.3 通道篩選前后的分類正確率比較55-59
• 4.4 本章小結(jié)59-60
• 第五章 總結(jié)與展望60-62
• 5.1 總結(jié)60-61
• 5.2 展望61-62
• 致謝62-64
• 參考文獻(xiàn)64-72
• 作者簡歷72

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張迪;萬柏坤;明東;;基于生理信號的情緒識別研究進(jìn)展[J];生物醫(yī)學(xué)工程學(xué)雜志;2015年01期

2 李營;陳帥;王麗;;基于近似熵和樣本熵的思維腦電信號分析對比[J];重慶工商大學(xué)學(xué)報(自然科學(xué)版);2013年06期

3 李明愛;崔燕;楊金福;;腦電信號中眼電偽跡自動去除方法的研究[J];電子學(xué)報;2013年06期

4 雷煜;童莉;李建新;閆鑌;;基于腦功能磁共振影像的視覺信息解讀技術(shù)[J];計算機(jī)應(yīng)用研究;2013年06期

5 王登;苗奪謙;王睿智;;一種新的基于小波包分解的EEG特征抽取與識別方法研究[J];電子學(xué)報;2013年01期

6 姚旭;王曉丹;張玉璽;權(quán)文;;特征選擇方法綜述[J];控制與決策;2012年02期

7 楊夷梅;楊玉軍;;分支定界算法優(yōu)化研究[J];中國科技信息;2008年21期

8 賴永秀;高婷婷;吳丹;堯德中;;音樂情緒感知的腦電研究[J];電子科技大學(xué)學(xué)報;2008年02期

9 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

10 劉慧,和衛(wèi)星,陳曉平;生物時間序列的近似熵和樣本熵方法比較[J];儀器儀表學(xué)報;2004年S1期

，

本文編號：565963