[发明专利]基于多元经验模态分解的脑电信号情绪识别方法

说明书

本发明提出了数字信号处理技术领域内的一种基于多元经验模态分解的脑电信号情绪识别方法，包括以下步骤：步骤1）采集脑电信号，并对脑电信号进行预处理；步骤2）对预处理后的信号进行多元经验模态分解，得到固有模态函数；步骤3）计算固有模态函数的样本熵；步骤4）将提取的样本熵构成特征向量集输入到支持向量机中进行不同情绪的识别，可有效提高分类精度、准确率。

技术领域

本发明涉及一种脑电信号研究方法，具体的说是一种基于多元经验模态分解的脑电信号情绪识别方法，属于数字信号处理技术领域。

背景技术

脑电图(EEG)信号记录的大脑中神经元的电位。获取EEG信号的方法通常会使用非侵入法，也就是在头皮上放置电极来获取EEG信号。脑计算机接口(BCI)是通过分析EEG信号来控制外部设备或实现某些动作而实现的最流行的应用之一。除了通过使用EEG信号控制智能设备之外，情绪状态的研究也是目前非常受欢迎的研究。

情绪是多种感觉，思想和行为综合产生的生理和心理状态。情绪的好坏不同程度上影响着人类的学习，记忆和决策等行为。在日常生活中，情绪无时无刻不在影响着我们的生活。有研究表明，长期负面的情绪会造成工作效率低下，生活没有激情，更有甚者会影响人们的生理机能，降低身体的免疫力。当今社会生活压力如此大的情况下，当发现负面情绪时适当的给与干涉也显得十分有必要。另一方面，如今人工智能的发展非常迅速，在未来世界如何让机器更好的服务人类，这必然要考虑到机器的情绪感知能力。一个没有情绪感知的机器并不能算真正意义上的人工智能。所以对情绪的研究也显得尤为重要。在脑电信号的情感识别过程中，要经历信号预处理、特征提取和分类三个阶段，其中特征提取最为重要。目前有很多情绪识别的研究会采用经验模态分解算法来进行EEG信号的处理。

发明内容

本发明的目的是提供一种基于多元经验模态分解的脑电信号情绪识别方法，可有效提高分类精度、准确率。

本发明的目的是这样实现的：一种基于多元经验模态分解的脑电信号情绪识别方法，包括以下步骤：

步骤1)采集脑电信号，并对脑电信号进行预处理；

步骤2)对预处理后的信号进行多元经验模态分解，得到固有模态函数；

步骤3)计算固有模态函数的样本熵；

步骤4)将提取的特征输入到支持向量机中进行不同情绪的识别。

作为本发明的进一步限定，步骤1)中预处理包括截取情绪的有效数据，降低采样率，去除基线漂移和眼电伪迹。

作为本发明的进一步限定，步骤2)中多元经验模态分解包括：设一个n维向量组序列代表一个n元信号，信号序列长度为T，表示在(n-1)维球面上对应角的方向向量集，如果要在球面空间上建立K个方向向量，那么k＝1,2,3,…,K；具体包括以下步骤：

2-1)采用Hammersley序列采样法，在(n-1)维球面上获得合适的均匀采样点集，即得到n维空间的方向向量；

2-2)计算输入信号v(t)在每个方向向量上的映射

2-3)确定所有方向向量的映射信号极值对应的瞬时时刻1表示极值点位置，1∈[1,T]；

2-4)用多元样条插值函数插值极值点得到K个多元包络

2-5)对球空间K个方向向量，n元信号均值m(t)为：

2-6)通过h(t)＝v(t)-m(t)提取固有模态函数h(t)，如果h(t)满足多元IMF判断标准，那么就将v(t)-h(t)结果当做第(2)步的输入信号，继续(2)～(6)步迭代计算，提取新的多元IMF分量h(t)；否则，将h(t)当做第(2)步的输入信号，继续执行(2-2)～(2-6)步迭代；