[发明专利]一种面向情感识别的脑电信号通道选择方法、系统及应用

权利要求书

1.一种面向情感识别的脑电信号通道选择方法，其特征在于，所述面向情感识别的脑电信号通道选择方法对脑电数据进行去基值化的预处理；结合滑动窗口和快速傅里叶变换计算得到频域信号的功率谱强度，作为脑电特征；接着分别采用ReliefF和MIC算法求取每个特征的权值，并利用波达计数法整合得到每个通道的积分和，依次增加一个积分和值较大通道的特征数据，采用随机森林分类并找出最佳通道子集；采用SVM、随机森林和KNN进行分类评估。

2.如权利要求1所述的面向情感识别的脑电信号通道选择方法，其特征在于，所述面向情感识别的脑电信号通道选择方法包括：

第一步，脑电数据预处理：在得到脑电数据后，先进行去基值化的操作，将前几秒平静状态下的脑电数据记作基值数据，将后面视频刺激下的脑电数据记为原始数据，基值数据与原始数据的差值反映出人产生情感时脑电的相对变化；

第二步，脑电特征提取：设定一个滑动窗口，针对每个窗口对输入的时域数据采用快速傅里叶变换将其转换到频域上，对频域信号求取功率谱强度，将其作为脑电特征；

第三步，脑电通道选择：根据特征和类别的相关性，分别采用ReliefF算法和MIC算法求取每个特征的权值，针对每个通道将其包含的特征权值通过波达计数法进行整合，根据积分和对这些通道进行降序排列，逐次增加通道个数并用随机森林分类，根据记录的结果寻找最佳的通道子集。

3.如权利要求2所述的面向情感识别的脑电信号通道选择方法，其特征在于，所述获取实验输入数据的具体实现过程为：将1s作为划分标准，X_i代表第i(i＝1,2,...,m)秒的基线数据，Base代表基值，Raw_j代表第j(j＝1,2,...,60)秒的视频刺激下的原始数据，Input_j即为实验第j秒的输入数据，那么相关的计算公式如下式所示：

Input_j＝Raw_j-Base。

4.如权利要求2所述的面向情感识别的脑电信号通道选择方法，其特征在于，所述整合通道积分和的具体实现过程为：采用ReliefF和MIC算法分别求取g个频带上n维脑电特征的权值后，采用波达计数法整合一个通道上所包含的所有特征的权值，即共有2g个组，针对每组的特征进行降序排列，根据每个特征的顺序i赋予它们积分n-i，将每个通道上2g个组的所有特征的积分求和从而得到通道的积分和。

5.如权利要求2所述的面向情感识别的脑电信号通道选择方法，其特征在于，所述寻找最佳通道子集的具体实现过程为：根据积分和的大小对c个通道进行降序排列，开始迭代实验；初始化通道数i＝0，如果i小于总的通道数c，则增加一个排序靠前的通道的特征数据，并采用随机森林对其进行分类，记录通道索引号及其对应的识别率，绘制分类准确率随通道数变化的曲线，根据曲线找出通道数少同时识别精度损失不大的最佳点，此点对应了最佳通道子集。

6.如权利要求3所述的面向情感识别的脑电信号通道选择方法，其特征在于，所述情感分类模型包括三种：Valence维度的情感二分类、Arousal维度的情感二分类和Valence-Arousal双重维度的情感四分类。

7.一种运行权利要求1～6任意一项所述面向情感识别的脑电信号通道选择方法的面向情感识别的脑电信号通道选择系统，其特征在于，所述面向情感识别的脑电信号通道选择系统包括：

脑电数据预处理模块，用于对脑电数据进行去基值化的预处理；

频域信号功率谱强度获取模块，用于结合滑动窗口和快速傅里叶变换计算得到频域信号的功率谱强度，作为脑电特征；

最佳通道子集获取模块，用于采用ReliefF和MIC算法求取每个特征的权值，并利用波达计数法整合得到每个通道的积分和，依次增加一个积分和值较大通道的特征数据，采用随机森林分类并找出最佳通道子集；

分类评估模块，用于采用SVM、随机森林和KNN进行分类评估。