情緒作為人腦的高級(jí)功能,在很大程度上影響著人類(lèi)學(xué)習(xí)、工作、生活的各個(gè)方面。正確的識(shí)別人類(lèi)情感可以使人工智能更好的服務(wù)于人類(lèi),因此情緒識(shí)別成為人工智能領(lǐng)域的一個(gè)十分重要的研究方向。目前情緒識(shí)別主要圍繞人的外在行為特征和客觀生理信號(hào)展開(kāi)。相比人的外在行為特征,客觀生理信號(hào)具有著更好的自發(fā)性和客觀性。腦電信號(hào)作為生理信號(hào)一種,是由中樞神經(jīng)系統(tǒng)產(chǎn)生,與人類(lèi)情感聯(lián)系最為緊密。對(duì)于腦電信號(hào)的情感識(shí)別研究,大多數(shù)實(shí)驗(yàn)根據(jù)全通道EEG信號(hào)展開(kāi),全通道EEG信號(hào)的采集不便于后續(xù)便攜式設(shè)備的開(kāi)發(fā)。此外情感識(shí)別分類(lèi)算法多是采用淺層分類(lèi)器,由于淺層分類(lèi)器學(xué)習(xí)能力的限制,導(dǎo)致識(shí)別率存在瓶頸。本文針對(duì)以上兩方面存在的問(wèn)題圍繞腦電信號(hào)的預(yù)處理、特征提取、通道選擇、分類(lèi)算法改進(jìn)等做了以下幾方面的研究:實(shí)際采集的EEG信號(hào)十分微弱,包含著偽跡和環(huán)境噪聲干擾,本文首先通過(guò)預(yù)處理對(duì)EEG信號(hào)的噪聲進(jìn)行去除,獲取純凈的腦電信號(hào)。針對(duì)EEG信號(hào)具有非平穩(wěn)性,本文采用小波變換和信息熵的組合特征提取方法獲得了992維的EEG組合特征。針對(duì)EEG采集實(shí)驗(yàn)需要采集大量腦電通道數(shù)據(jù),導(dǎo)致實(shí)驗(yàn)設(shè)備的便攜性差,數(shù)據(jù)處理復(fù)雜的問(wèn)題。本文采用了... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

大腦結(jié)構(gòu)示意圖

圖 2-3 腦電信號(hào)各個(gè)頻率的波形圖除了上述按照腦電信號(hào)的頻率來(lái)劃分腦電特征外，還可以根據(jù)腦電周期等的特性對(duì)其進(jìn)行分類(lèi)。按照腦電信號(hào)的振幅大小可將腦電信號(hào)腦電信號(hào)（幅度小于 25 V ）；中幅腦電信號(hào)（幅度在 25 V ~75 V 之間腦電信號(hào)（幅度在 75 V ~150 V 之間）；當(dāng)信號(hào)的幅度大于 150 V 的為極高幅腦電信號(hào)[29]。根據(jù)腦電信號(hào)振幅變化的快慢，可以將腦電如下幾種類(lèi)型：突發(fā)性變化，即振幅的改變?cè)谒查g完成的情況；短時(shí)即振幅的改變?cè)诜昼娂?jí)別及以內(nèi)的時(shí)間內(nèi)發(fā)生改變的情況；緩慢變化號(hào)其振幅的改變可能在數(shù)天級(jí)別的范圍。根據(jù)腦電信號(hào)的波形相位種將其劃分為如下幾種類(lèi)型：波峰處于基線上方的腦電信號(hào)劃分成陰性處于基線下方的腦電信號(hào)劃分為陽(yáng)性波。.2 腦電信號(hào)的采集目前有兩種較為常見(jiàn)的腦電信號(hào)采集方式，分別為采用濕電極帽的腦置，和采用干電極帽的腦電采集裝置。如圖 2-4 所示，采用干電極帽

（a 濕電極） （b 干電極）圖 2-4 濕電極帽與干電極帽由于人類(lèi)的腦電信號(hào)，其電位大小只有不到 100 V ，因此腦電信號(hào)應(yīng)盡可能的接地，減少電磁場(chǎng)和靜電場(chǎng)的干擾。在腦電信號(hào)采集過(guò)程的擺放區(qū)域需要根據(jù)國(guó)際標(biāo)準(zhǔn)導(dǎo)聯(lián) 10-20 系統(tǒng)的標(biāo)準(zhǔn)進(jìn)行，根據(jù)不同的電極數(shù)量，分為 16，32，64，128 導(dǎo)路電極分布，圖 2-5 是 64 道腦圖，其中 T9 和 T10 為兩個(gè)參考電極，有 62 個(gè)通道包含了有用的腦已有理論研究證明實(shí)際上采集少量通道的腦電信息就可以獲得十分良效果，通道選擇的相關(guān)內(nèi)容將在第三章完成。

【參考文獻(xiàn)】：
期刊論文
[1]基于小波分解的腦電信號(hào)特征提取[J]. 初明.  科技創(chuàng)新導(dǎo)報(bào). 2015(29)
[2]情緒生理機(jī)制研究的外周與中樞神經(jīng)系統(tǒng)整合模型[J]. 劉飛,蔡厚德.  心理科學(xué)進(jìn)展. 2010(04)

碩士論文
[1]基于情感識(shí)別的在線教學(xué)流程設(shè)計(jì)研究[D]. 魏刃佳.陜西師范大學(xué) 2014
[2]基于腦電信號(hào)樣本熵的情感識(shí)別[D]. 李立.太原理工大學(xué) 2014
[3]腦電信號(hào)的特征分析與研究[D]. 周建芳.廣西師范大學(xué) 2008



本文編號(hào)：3212495