[发明专利]基于注意力机制的脑电信号情感判别方法及装置

说明书

本发明公开了一种基于注意力机制的脑电信号情感判别方法及装置，该方法包括：(1)获取通过脑电采集设备的多个信号电极采集的脑电信号；(2)提取每个频段信号上的过零计数特征作为脑电特征；(3)构建全局特征提取模型，所述模型包括特征提取分支和注意力向量生成分支和全局特征生成单元；(4)构建带有全连接层的长短时记忆网络LSTM，采用全局特征作为网络输入进行训练，(5)按照步骤(1)‑(3)提取待识别脑电信号的全局特征，并输入训练好的带有全连接层的长短时记忆网络，输出即为识别的情感类别。本发明识别结果更精确。

技术领域

本发明涉及情感判别方法，尤其涉及一种基于注意力机制的脑电信号情感判别方法及装置。

背景技术

随着人机交互以及计算机技术的发展，识别人类情感因其潜在的应用发展而得到广泛关注。当前在识别人类情感中应用比较多的是面部表情、语音和行为动作等外部的信号，近年来生理信号因其对情感表达的真实性以及无法伪装性而得到关注。随着干电极技术的发展，脑电信号的采集越来越容易，脑电信号也因此应用广泛。

研究表明人类情感与一些脑区是紧密联系的，也就是说在情感分类任务中，不是所有的电极都对情感分类有帮助。当前虽然有研究如何做电极选择，但是因为脑区之间复杂的联系，而没有考虑电极之间的相关性，无法达到理想的情感判别效果。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种基于注意力机制的脑电信号情感判别方法及装置，判别结果更精确。

技术方案：本发明所述的基于注意力机制的脑电信号情感判别方法包括：

(1)获取用户处于不同情感时的原始脑电信号，所述原始脑电信号通过脑电采集设备的多个信号采集电极分布于用户的脑部不同位置进行采集得到；

(2)将原始脑电信号去噪后通过带通滤波获取多个频段信号，并提取每个频段信号上的过零计数(higher order crossings，HOC)特征作为脑电特征；

(3)构建全局特征提取模型，所述模型包括特征提取分支和注意力向量生成分支和全局特征生成单元，所述特征提取分支用于采用两层图卷积对所述脑电特征进行图滤波，得到初级特征，所述注意力向量生成分支用于采用一层图卷积对所述脑电特征处理后再转换为一维注意力列向量，所述全局特征生成单元用于将所述注意力列向量扩充为以向量中元素为对角元素的对角矩阵，并与初级特征点乘得到全局特征；其中，所述图卷积根据脑电采集设备的信号采集电极的邻接关联图生成；

(4)构建带有全连接层的长短时记忆网络LSTM，采用全局特征作为网络输入进行训练，训练时采用的损失函数为：全局特征对应的实际情感类别和网络输出的情感类别的交叉熵，加上注意力向量正则项的函数；

(5)按照步骤(1)-(3)提取待识别脑电信号的全局特征，并输入到训练好的带有全连接层的长短时记忆网络，输出为每个情感类别对应的概率值，选取概率最大的情感类别作为预测的情感类型。

进一步的，步骤(3)中所述图卷积具体构建方法为：

根据脑电采集设备的信号采集电极的邻接关系生成邻接关联图G＝{V,A}，其中，V表示脑电采集设备的信号采集电极的集合，A表示信号采集电极的邻接矩阵，其元素a_ij表示信号采集电极i与信号采集电极j的联系紧密程度，取值区间为[0,n]，值越大表示联系程度越紧密，值为0表示无联系，n为大于等于1的整数；

计算矩阵A的拉普拉斯矩阵L：L＝D-A，其中D是以d_ii＝∑a_ij为对角元素的对角矩阵；