[发明专利]一种基于少量通道EEG信号的情绪识别方法及系统

说明书

本发明属于脑机接口领域，具体涉及一种基于少量通道EEG的情绪识别方法及系统，包括获取用户头皮4个通道的脑电信号，对脑电信号进行预处理；将预处理后的脑电信号转换为基础信号，对基础信号进行分解和重构，得到一系列分量信号；将平滑后的特征输入训练好的分类模型检测用户情绪；本发明使用更少通道的脑电信号来检测用户情绪，用户只需要根据实际的场景进行情绪调动，PC会对采集用户的大脑皮层脑电信号进行分析，通过预处理和特征提取，将最终的特征输入分类器里面进行分类，就可以反映出当时用户的情绪类别。

技术领域

本发明属于脑机接口领域，具体涉及一种基于少量通道EEG的情绪识别方法及系统。

背景技术

情感在日常生活中具有重要的作用，其囊括了积极情绪、消极情绪、警觉和疲劳等心理状态，这些心理状态影响着一个人的生理状态，不同领域的研究人员使用面部表情、语音信号、短信、心电图和脑电图等数据对人的心理状态进行分析，研究中发现脑电图信号因个人特征不同受到的影响最小。但是脑电信号的信道中存在噪声，信噪比较低，限制了对脑电信号的分析和处理。

随着计算机、无线通信和智能化计算技术的快速发展，研究人员不断开发智能化的可穿戴设备以改善人们的生活。然而，目前却很少有基于脑电图(electroencephalogram，EEG)的情绪识别可穿戴设备走向市场，其原因就在于脑电信号采集技术的限制，头戴式脑电帽采集的脑电信号噪声较大，同时目前实验室中的基于多通道的数据采集方式和情绪识别算法较为复杂，很难运用到可穿戴设备中。

近年来许多研究者对基于脑电信号的情绪识别进行的研究大多集中在通道数较多的情况下进行分类精度的提升，这些算法很难在可穿戴设备中加以应用。同时，大脑皮层所有通道的脑电图数据都包含了大脑各区域的相关信息，但对于特定的任务，使用所有的通道并不利于算法应用于可穿戴设备走向大众市场。故采用更少的通道来收集实时数据并完成分类任务可以极大的提升算法在可穿戴设备上的实用性。

发明内容

为解决上述问题，本发明提出了一种基于少量通道EEG的情绪识别方法及系统。

在第一方面，本发明提出了一种基于少量通道EEG的情绪识别方法，包括：

S1.获取用户头皮4个通道的脑电信号，对脑电信号进行预处理；

S2.将预处理后的脑电信号转换为基础信号，对基础信号进行分解和重构，得到一系列分量信号；

S3.提取基础信号和分量信号的微分熵作为特征，并对特征进行平滑；

S4.将平滑后的特征输入训练好的分类模型检测用户情绪。

进一步的，用户头皮的4个通道为位于前额叶的FP1、FP2通道和位于颞叶T7、T8通道。

进一步的，对FP1、FP2、T7、T8通道的脑电信号进行预处理，采用通道电极之间的电位差构建基础信号，即将四个预处理后的脑电信号两两相减得到6个基础信号，分别为FP1-T7，FP1-T8，FP1-FP2，FP2-T7，FP2-T8，T7-T8。

进一步的，对脑电信号进行预处理的过程为：

对脑电信号进行降采样，得到200Hz的脑电信号；

采用巴特沃斯滤波器对200Hz的脑电信号进行滤波，得到滤波后的脑电信号。

进一步的，采用固有时间尺度分解、离散小波变换、变分模态分解、相空间重构对基础信号进行分解和重构，从而扩充既有的模态，其中：

固有时间尺度分解采用仿射线性变换的形式对基础信号进行处理，得到PRC1旋转分量信号和PRC2旋转分量信号；

离散小波变换通过对母小波函数进行缩放和移位，从基础信号中提取Gamma、Beta、Alpha、Theta共四个生理脑电波段的分量信号；