[发明专利]一种基于脑电源成像和正则化共空间模式的情绪识别方法

说明书

本发明涉及信号特征提取领域，特别涉及一种基于脑电源成像和正则化共空间模式的情绪识别方法，包括采集脑电信号并进行预处理；通过搭建脑电源成像，重构大脑皮层神经电活动；通过最小模算法，重构的EEG时间序列被投影到Brodman分区上，Brodman分区包括26个空间感兴趣的区域，利用26个空间感兴趣的区域互信息构建脑功能连接矩阵；基于脑功能连接矩阵采用正则化的方式构建泛化样本的协方差矩阵，提取特征向量；将历史数据的特征输入分类器进行训练，并将待分类数据的特征向量输入分类器获得脑电情绪分类；本发明减少了估计偏差，提高了估计稳定性，最终分类出的结果准确率提高。

技术领域

本发明涉及信号特征提取领域，特别涉及一种基于脑电源成像和正则化共空间模式的情绪识别方法。

背景技术

情感分析作为人机交互的重要内容。脑电(Electroencephalography，EEG)信号反映认知任务下皮层神经活动，由于其高时间分辨率和非侵入性，在情绪识别中越来越受到重视。

目前常用的基于脑电情绪识别方法首先提取脑电信号的时域、频域等属性特征，然后利用模式分类器进行情绪识别。然而，由于容积效应，头皮EEG信号的空间分辨率较低，也限制了基于头皮EEG信号的脑电情绪识别性能。

此外在实际应用中，跨被试的情绪识别是非常重要的研究内容。此前中国专利CN110070105B公布了一种基于元学习实例快速筛选的脑电情绪识别方法，该专利将各电极脑电数据的特征向量进行拼接，得到待识别特征向量，然后采用训练好的情绪识别模型，依据待识别特征向量，获取相应的情绪标签以实现跨被试的情绪识别。该方法仍然存在一些实用性问题，例如，不同被试者的脑电数据差异，导致难以获得能够跨被试使用的通用模型：鉴于脑电的非平稳特性，同一个被试者的脑电分布会随时间变化，难以获得可以长期使用的模型。由于人脑认知行为是若干脑区协同作用的结果，与脑区间的交互有关，因此脑网络蕴含丰富的时空分类信息。该方法忽略脑网络中蕴含的分类信息，未有效提取皮层脑网络的分类特征。同时，在基于脑电的跨被试情绪识别研究中，如何充分利用已有被试EEG数据的信息，依然是一个亟待解决的问题。

发明内容

为了提高脑电信号分类的准确性，本发明提出一种基于脑电源成像和正则化共空间模式的情绪识别方法，包括以下步骤：

采集脑电信号，并对脑电信号进行预处理；

利用贝叶斯最小模算法处理与处理后的脑电信号，通过搭建脑电源成像，重构大脑皮层神经电活动；

通过最小模算法，重构的EEG时间序列被投影到Brodman分区上，Brodman分区包括26个空间感兴趣的区域，在翻转方向相反的源信号后，将26个空间感兴趣的区域内所有源信号的时间序列取平均值；

利用26个空间感兴趣的区域互信息构建脑功能连接矩阵；

基于脑功能连接矩阵采用正则化的方式构建泛化样本的协方差矩阵，得到最优空间滤波器使两类信号的方差值差异最大化，从而得到具有较高区分度的特征向量；

将历史数据的特征输入分类器进行训练，并将待分类数据的特征向量输入分类器获得脑电情绪分类。

进一步的，重构大脑皮层神经电活动具体包括以下步骤：

根据生物导体中电磁场的传播规律，构建头皮表面的EEG电位分布与人脑内源空间信号的线性关系表达式；

对获取的线性关系表达式进行空间白化；

根据给定大脑皮层源信号的一个先验分布以及贝叶斯公式，计算该源信号的后验分布；

利用最小模解估算源信号的最大后验估计，即利用最小模解选择能量最小的源结构作为最终的源信号估计，该源信号估计作为人脑成像的源信号。

进一步的，利用最小模解估算源信号的最大后验估计，则源信号的最大后验估计表示为：