[发明专利]一种基于离散小波变换和多尺度熵的脑电情感识别方法

摘要

本发明公开一种基于离散小波变换和多尺度熵的脑电情感识别方法，先用小波变换分解重构出四种节律波，并计算出四种节律波的小波能量以及小波熵值，然后又运用多尺度熵算法，提取出十四种尺度下的多尺度熵值，最后用主成分分析法对这些特征量进行降维后放入经遗传算法参数寻优的SVM分类器中识别。本发明同时考虑脑电情感数据集中数据的非线性和非平稳性特性，保证了该方法的分类精度、准确率和执行速度。

主权项

1.一种基于离散小波变换和多尺度熵的脑电情感识别方法，其特征在于按照如下步骤依次进行：步骤一：对脑电信号进行小波变换，并计算脑电信号的小波能量和小波熵；对脑电信号x(t)用db4小波做四层小波分解可得：其中A_i为近似分量其对应的近似系数为CA_i，D_j为不同尺度下的细节分量其对应的细节系数为CD_j，小波能量是该尺度下小波系数的平方和，设i为分解层数，那么求得总的小波能量为：根据香浓熵的定义需取相对小波能量那么可求得小波熵：步骤二：计算脑电信号的多尺度熵；计算基于样本熵的多尺度熵之前，首先对于长度为M的时间序列{Y}＝{y₁,y₂,L,y_M}进行粗粒化处理，得到新的序列为：其中序列长度为t为尺度，然后按照如下过程来计算新序列的样本熵值；1)对粗粒化后的序列{X}重构出一组m维矢量，其中i＝1,2,ΛN‑m+1，Xi＝xi,xi+1,L,xi+m‑1；2)定义Xi与Xj间的距离di,j为对应元素切比雪夫距离的最大值，其中i≠j，计算公式为di,j＝max[|Xi+k‑Xj+k|]；3)给定阈值r，对每个在取值范围内的i，计算X_i与其余矢量X_j的距离d_i,j，统计d_i,j小于r的数目L^m(i)，以及L^m(i)与距离总数N‑m的比值，记为4)计算的平均值，记为5)增加维数为m+1，重复以上过程，得到C^m+1，当N为有限值时，那么该序列长度为N的样本熵为：6)重复以上过程，最终得到不同尺度下的样本熵值；步骤三：对上述特征量进行主成分分析法降维；经过上述方法进行一系列的特征提取可以得到4个小波能量的特征值，1个小波熵的特征值，以及14个多尺度熵的特征值，共计19个特征参数，如果将这19个参数都放入分类器中进行分类将导致情感识别和程序运行速度上存在较大的难度，所以本发明采用主成分分析法对19个特征量进行降维处理，最终降维后只得到3个特征特征维数；步骤四：将特征样本放入支持向量机进行训练分类；将样本进行随机排序，抽出一半的样本输入到SVM分类器中进行训练，然后把剩下的样本输入到已经训练好的分类器中进行测试，为了得到SVM最佳的惩罚因子c和核函数参数g，本发明利用遗传算法进行参数寻优，设置g和c的区间均为[0 100]，最大遗传代数为200，交叉概率为0.4，变异概率为0.01。