[发明专利]一种情感脑电信号识别方法及系统

说明书

本发明公开了一种情感脑电信号识别方法及系统。该方法包括：建立两层多分类模型；两层多分类模型为OAA‑OAO‑RVM模型；通过果蝇算法优化两层多分类模型的核参数，得到优化后的两层多分类模型；获取情感脑电信号；对信号进行预处理，得到去除干扰后的情感脑电信号；对去除干扰后的情感脑电信号进行特征提取，得到情感脑电信号特征数据；通过得到优化后的两层多分类模型对情感脑电信号特征数据进行识别。本发明构造全新的两层多分类模型OAA‑OAO‑RVM，该模型有效去除一部分无效投票从而使分类精度得到显著提高，并且降低了分类过程的计算复杂度。本发明还使用果蝇算法对模型中的核参数进行了优化，使得最终得到的对脑电信号情感识别率最佳。

技术领域

本发明涉及脑电数据分析领域，特别是涉及一种情感脑电信号识别方法及系统。

背景技术

近年来，情感计算在实际生活中的应用已经取得了很大的进步，有效的改善了人们的生活。通过计算机对人类的情绪变化进行模拟和数学方式的计算，能够对人类的行为知识有一个基础的了解，促进人与计算机之间的和谐交流，推进人工智能的实现。一方面，能够在一定范围内改变以往人与计算机之间命令式的、无反馈的交流方式；另一方面，还可在现有的基础上，有效提高计算机的工作效率。综上，研究人类的情感变化特征对个体的健康和保障至关重要。脑电信号是一种复杂的非线性信号，而非线性指标可以很好的揭示大脑的混沌行为，所以利用脑电信号对人类情感进行识别能较准确的反应人类真实的情感变化。

由于情感脑电信号在采集过程中极易受外界环境(如噪声、人为干扰等)和其他生理信号的干扰，使得采集到的各脑电信号之间容易产生串扰、信噪比低等问题；而脑电信号本身所具有的时变、非平稳、非线性以及信号维度大等特性，使得对脑电信号的情感计算较为复杂，识别过程耗时较长，识别精度受影响。因此，鉴于情感脑电信号的分析处理技术与其自身的特点存在着紧密的联系，使得分类方法的计算复杂度和识别准确率等特性可以有效的提高在脑电信号情感识别精度。

目前常用的多分类方法有OAO、OAA等，其中，前者分类精度较高且应用最广泛。在OAO算法中，待测样本要遍历所有的二分类器，使其会产生一部分的无效投票，从而降低识别精度；而OAA算法中训练样本的不均衡特点会导致待测样本被错分的概率增加。综上，这两种方法都会使目前对脑电信号的情感识别精度受限。

发明内容

针对上述问题，本发明提供了一种情感脑电信号识别方法及系统。

为实现上述目的，本发明提供了如下方案：

一种情感脑电信号识别方法，所述方法包括：

建立两层多分类模型；所述两层多分类模型为OAA-OAO-RVM模型；

通过果蝇算法优化所述两层多分类模型的核参数，得到优化后的两层多分类模型；

获取情感脑电信号；

对所述信号进行预处理，得到去除干扰后的情感脑电信号；

对所述去除干扰后的情感脑电信号进行特征提取，得到情感脑电信号特征数据；

通过优化后的两层多分类模型对所述情感脑电信号特征数据进行识别。

可选的，在所述通过果蝇算法优化所述两层多分类模型的核参数，得到优化后的两层多分类模型，之前还包括：

获取训练样本；所述训练样本为实验情感脑电信号；

对所述训练样本进行预处理，得到去除干扰后的训练样本；

对所述去除干扰后的训练样本进行特征提取，得到训练样本特征数据；

将所述训练样本特征数据输入到所述两层多分类模型中，得到输出数据；

判断所述输出数据是否在误差阈值范围内；