[发明专利]一种基于静息脑电相似性的情绪跨时间识别方法

说明书

技术领域

本发明涉及基于脑电的情绪识别领域，尤其涉及一种基于静息脑电相似性的情绪跨时 间识别方法，该方法可用于情绪障碍的辅助诊断与疗效评价，特殊工作者(如航天员、司 机)的情绪识别与反馈，娱乐游戏、远程教学的人机互动。

背景技术

情绪(emotion)是人对客观事物是否满足自身需要而产生的综合状态。它作为人脑的 高级功能，保证着有机体的生存和适应，不同程度上影响着人的学习、记忆与决策。在人 们的日常工作和生活中，情绪的作用无处不在。负性情绪会影响我们的身心健康，降低工 作质量与效率，严重者会引发心理疾病(比如抑郁症、自闭症等)，也会造成严重的工作 失误。有研究证明，负性情绪的长期积累，会损害免疫系统的功能，使人们更容易受到周 围病毒的感染。所以，适时地发现负性情绪并给予适当的干预与调控十分必要，尤其是对 司机，航天员等一些特殊工作者。另一方面，在人机交互系统里，如果系统能够捕捉到人 的情绪状态，那么人机交互就会变得更加友好，自然与高效。情绪的分析与识别已经成为 神经科学、心理学、认知科学、计算机科学和人工智能等领域学科交叉的一项重要的研究 课题。

随着神经生理学的发展和脑成像技术的兴起，脑电信号(Electroencephalography,EEG) 因其时间分辨率高、不受人为因素控制、能够客观真实地反映人的情绪状态而受到研究人 员的重视并被引入到情绪识别领域。而且新式理论方法的提出在一定程度上提高了基于脑 电的情绪识别准确率。然而一旦走向实际应用，识别率大幅度下降，很难满足应用的需求， 建立高精确度的情绪识别模型仍面临巨大的挑战。其中一个难点就是如何剔除或降低脑电 信号的时间效应，进而实现跨时间的情绪脑电识别。众所周知，激素水平，外部环境(比 如温度与湿度)，以及饮食与睡眠都能引起生理信号的差异，所以在不同的时间里即使在 同一种情绪状态下的脑电信号也是有差异性的。在实际应用中，情绪识别模型的建立与情 绪状态的识别势必会存在一定的时间间隔，而且测试数据不会参与情绪识别模型的建立， 特别是在一些特殊的应用场景里，比如航天员情绪状态的识别，识别模型的建立发生在地 面上的准备阶段，而情绪状态的识别发生在太空里的工作阶段。当天建立识别模型然后马 上进入应用是不切实际的。

综上所述，实现跨时间的情绪脑电识别是十分必要的。在现有的研究中，关于跨时间 情绪识别的研究寥寥无几。2001年，Picard等人^[1]尝试去除时间效应对情绪识别模型的影 响，采用其他情绪状态减去平静状态的方法，但是利用该方法我们就无法识别中性情绪， 情绪类型会减少，而中性情绪是情绪稳定性的一个重要指标，对中性情绪状态的识别也是 非常重要且不可缺少的。2012年，Chueh,Tung-Hung等人^[2]利用多元方差分析的方法去除 时间效应的影响，提高了分类器的性能。但是依然存在着一个问题，测试集中的数据不是 独立的，依然与其他时间的数据混合在一起构建分类器，这在实际应用中也是不切实际的。 不同时间下的脑电信号基线(静息脑电)不同是跨时间情绪脑电识别正确率低的一个重要 原因。

发明内容

本发明提供了一种基于静息脑电相似性的情绪跨时间识别方法，本发明可有效地解决 目前情绪识别中的跨时间识别正确率低的瓶颈问题，将识别模型推向应用，并获得可观的 社会效益和经济效益，详见下文描述：

一种基于静息脑电相似性的情绪跨时间识别方法，所述情绪跨时间识别方法包括以下 步骤：

记录用户n天的静息脑电和情绪脑电，通过可分频段自适应跟踪算法找到每个用户的 最佳可分性频段；

计算每一天的静息脑电以及情绪脑电每一导联的最佳可分频段的功率谱密度，构成静 息脑电特征矩阵以及情绪脑电特征矩阵；

分别计算检测当天的静息脑电与之前的n天的静息脑电的欧式距离，选择最小的欧式 距离所对应的时间，该天的情绪脑电作为支持向量机的训练集来构建情绪检测模型，从而 准确、客观的进行跨时间情绪脑电识别。

所述通过可分频段自适应跟踪算法找到每个用户的最佳可分性频段的步骤具体为：

使用短时傅里叶变换计算出每一导联的时频矩阵；

计算Fisher比率，用于衡量同一模式内、和不同模式之间的能量差异；

获得DW(f)后，通过波段迭代选择法计算DFC；迭代次数等于需要获得的频段数。

所述计算每一天的静息脑电以及情绪脑电每一导联的最佳可分频段的功率谱密度，构 成静息脑电特征矩阵以及情绪脑电特征矩阵的步骤具体为：