[发明专利]基于脑电特征的情绪状态识别方法

权利要求书

1.一种基于脑电特征的情绪状态识别方法，其特征在于，包括如下阶段：

（1）数据采集阶段，所述的数据采集是在国际情绪图片诱发条件下，提取被试在不同愉悦度等级图片诱发下的64导脑电数据；

（2）数据预处理阶段，

对采集到的64导脑电数据进行改变参考电位、降采样、带通滤波、去除眼电四个步骤的处理；

（3）特征提取阶段，

所述的特征提取阶段是将预处理后的信号用共空间模式算法进行滤波后提取时域特征；

（4）特征识别

特征提取后，使用支持向量机分类器对特征进行识别，将不同情绪状态区分开。

2.根据权利要求1所述的基于脑电特征的情绪状态识别方法，其特征在于，所述的数据采集阶段包括进行如下步骤：

1）实验设计：从国际情绪图片库中选择了45张图片，按愉悦度范围分为3个等级，每个等级15张图片；等级1、2、3分别对应代表消极、中性、积极情绪图片；包含45次任务，每次刺激任务时间为14秒，有三个时段，即图片呈现时段A、休息时段B和提醒时段C；

2）脑电采集：采集EEG的实验程序是在stim2平台下设计的，脑电采集仪器使用的是scan4.3，使用的脑电电极帽是10-20标准64导联。

3.根据权利要求1所述的基于脑电特征的情绪状态识别方法，其特征在于，所述的数据预处理阶段中的改变参考电位，是将CZ导联处的原参考电位变为位于两侧乳突部位的M1、M2处导联的电位。

4.根据权利要求1所述的基于脑电特征的情绪状态识别方法，其特征在于，阶段（2）中所述的降采样，是将脑电信号的采样频率由1000Hz降为128Hz。

5.根据权利要求1所述的基于脑电特征的情绪状态识别方法，其特征在于，阶段（2）中所述的带通滤波范围为1Hz～45Hz。

6.根据权利要求1所述的基于脑电特征的情绪状态识别方法，其特征在于，阶段（2）中所述的去除眼电是通过独立分量分析滤波的方法予以去除。

7.根据权利要求1所述的基于脑电特征的情绪状态识别方法，其特征在于，阶段（3）中所述的特征提取阶段包括如下步骤：

1）共空间模式滤波：

三类任务原始的脑电信号为64×384维的矩阵：设为X₁，X₂和X₃其中64为导联通道数，384为每个通道在刺激任务下的前3秒的数据点数，则每一类信号的归一化协方差矩阵分别为：

Ri=XiXiTtrace(XiXiT);]]>i＝1，2，3

这里的X^T表示X的转置，trace表示矩阵的迹。

构造合成的空闻协方差矩阵为：

R＝R₁+R₂+R₃

R可分解为：

R=U0AU0T]]>

U₀和A分别为其特征矢量矩阵和特征值对角阵，白化变换可使方差均匀化，白化矩阵为：

W=A-1/2U0T]]>

为了更好地阐述这个算法，先考虑如何得到愉悦度等级为1的诱发脑电的空间滤波器，设：

R′₁＝R₂+R₃，令：

S1=W1R1W1T]]>

S1′=W1R1′W1T]]>

如果S₁可以分解成：

S1=U1A1U1T]]>

则S′₁可被分解为：

S1′=U1A1′U1T]]>

且有：

A₁+A′₁＝1

将式S1=W1R1W1T,]]>S1′=W1R1′W1T,]]>S1=U1A1U1T,]]>S1′=U1A1′U1T,]]>S1′=U1A1′U1TA1+A1′=1]]>综合，即得到：

(W1TU1)TR1(W1TU1)+(W1TU1)TR1′(W1TU1)=1]]>

这里的U₁的列向量是矩阵S₁的特征向量。可以看出，经变换后信号协方差阵的特征矢量对应的特征值之和为1，所以在X₁方差值最大的方向上其余的信号（X₂和X₃）的方差值就很小，所以选取U₁中与最大的特征值对应的特征向量则对应于X₁的空间滤波器，即信号的投影方向为：

SF1=U1iTW1]]>

在相应的模式下的投影即为：

Z₁＝SF₁X₁

同理可获得X₂、X₃的空间滤波器分别为：

SF2=U2iTW2,]]>SF3=U3iTW3]]>

以上得到的空间滤波器是64×64维的，每一行向量被称为空间滤波子，对应的空间滤波器与对应的信号相乘即得到滤波后的信号，经过共空间模式滤波后的情绪脑电信号，去除了背景信号的干扰；

2）为了更好地进行后续的分类识别，根据滤波后的信号Zm做如下变化后作为脑电特征值，

fm=lgvar(Zm)Σ13var(Zm);]]>m＝1，2，3。