近年來(lái)人機(jī)交互領(lǐng)域迅速發(fā)展,正確識(shí)別和分析人類(lèi)情緒成為智能化的一項(xiàng)重要指標(biāo)。與其它生理信號(hào)相比,腦電（EEG）信號(hào)具備不易偽裝、時(shí)間分辨率高等優(yōu)點(diǎn),逐步成為情緒識(shí)別研究的重點(diǎn)。一方面,現(xiàn)有腦電信號(hào)的研究多使用傳統(tǒng)的線(xiàn)性分析方法,雖然具有一定的分辨率,但存在抗噪聲能力弱,對(duì)時(shí)間信號(hào)不敏感等缺點(diǎn)。因此,提出使用非線(xiàn)性的多尺度排列熵（MPE）算法研究腦電信號(hào),使得情緒相關(guān)的腦電信號(hào)可識(shí)別性大大提高。另一方面,基于腦電信號(hào)的情緒識(shí)別研究多數(shù)采用所有通道的腦電數(shù)據(jù),雖然取得了不錯(cuò)的效果,但實(shí)際實(shí)驗(yàn)過(guò)程中存在特征維數(shù)較高,特征之間存在關(guān)聯(lián),特征內(nèi)部存在冗余等缺點(diǎn)影響了情緒識(shí)別的結(jié)果。為此,研究了情緒識(shí)別中不同腦電特征組合及通道優(yōu)化選擇方法,為便攜腦電設(shè)備提供了一種新思路。論文主要工作如下:（1）針對(duì)腦電信號(hào)非線(xiàn)性和隨機(jī)性且無(wú)法滿(mǎn)足非平穩(wěn)隨機(jī)信號(hào)的處理要求等缺點(diǎn),提出了基于多尺度排列熵的面部表情識(shí)別方法。該方法將多尺度熵（MSE）和排列熵（PE）結(jié)合起來(lái)形成一種新的非線(xiàn)性分析方法,這不僅滿(mǎn)足了非平穩(wěn)隨機(jī)信號(hào)的處理要求,而且具有魯棒性強(qiáng)、區(qū)分效果明顯等特點(diǎn)。實(shí)驗(yàn)部分,探究了尺度因子對(duì)多尺度排列熵性能的... 

【文章來(lái)源】：山東師范大學(xué)山東省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

情緒識(shí)別流程圖

山東師范大學(xué)碩士學(xué)位論文123.1多尺度排列熵多尺度排列熵是在排列熵基礎(chǔ)上進(jìn)行改進(jìn)的一種腦電特征提取方法�；具^(guò)程大致可以分為兩步：第一步，將時(shí)間序列進(jìn)行粗�；幚恚坏诙�，將粗�；幚砗蟮臄�(shù)據(jù)進(jìn)行排列熵值的計(jì)算分析。情緒識(shí)別腦電信號(hào)的研究對(duì)象是腦電信號(hào)的非線(xiàn)性時(shí)間序列。在一定的采樣頻率下，腦電信號(hào)會(huì)隨著電位變化產(chǎn)生一種時(shí)間序列。兩個(gè)采樣點(diǎn)之間的電位變化就是研究的重點(diǎn)，每個(gè)時(shí)間采樣點(diǎn)對(duì)應(yīng)(),=1,2,…,，()表示第個(gè)時(shí)間采樣點(diǎn)的電位值。多尺度排列熵的算法流程如圖3-2所示：時(shí)間序列粗粒化序列重構(gòu)概率計(jì)算熵計(jì)算多尺度排列熵ymtP多尺度排列熵圖3-2多尺度排列熵算法流程圖3.1.1均值粗�；荡至；–oarseGraining，CG）方法[41]是是根據(jù)實(shí)際需要對(duì)給定時(shí)間序列進(jìn)行分段處理的一種操作方法。下面給出了具體的實(shí)現(xiàn)過(guò)程：對(duì)于給定的時(shí)間序列()，可以根據(jù)公式3-1得到粗粒化的時(shí)間序列：()()=1(),(1≤≤(1)+1)(3-1)其中，和分別代表()的尺度因子和采樣個(gè)數(shù)，具體粗�；^(guò)程由圖3-3表示。圖3-3均值粗�；^(guò)程圖

山東師范大學(xué)碩士學(xué)位論文18圖3-7尺度因子為1-5憤怒和高興多尺度排列熵值差異從圖3-7中可以看出，MPE的數(shù)值隨著尺度因子的增大逐漸增大，而后趨于平穩(wěn)，且憤怒表情MPE的數(shù)值明顯高于高興表情的MPE值。表3-2給出了兩種表情的多尺度排列熵值的詳細(xì)差異，表中的尺度因子取值為1到5，共5組數(shù)據(jù)。分析表中的數(shù)據(jù)，可以得出憤怒腦電信號(hào)的多尺度排列熵值要高于高興的熵值。表3-2憤怒和高興腦電圖多尺度排列熵尺度因子‘F4’‘F6’‘F8’‘FC6’憤怒高興憤怒高興憤怒高興憤怒高興12.10111.90272.13641.91732.12571.94332.09582.010122.64622.43372.66362.50702.64682.51472.64242.530532.94182.70552.94672.85472.90952.86982.95102.814143.01472.85423.06182.96473.03532.92373.07902.967253.05552.87633.08652.96543.10482.91803.08053.0299結(jié)合圖3-7和表3-2可以得到，隨著尺度因子從1增長(zhǎng)到5，憤怒和高興兩種面部表情腦電信號(hào)熵值的增長(zhǎng)趨勢(shì)明顯放緩，但仍然有微小地增長(zhǎng)。分析數(shù)值可以發(fā)現(xiàn)，兩種情緒


本文編號(hào)：3121367