[发明专利]结合互信息通道选择与混合神经网络的脑电情感识别方法

权利要求书

1.结合互信息通道选择与混合神经网络的脑电情感识别方法，其特征在于，该方法具体包括以下步骤：

步骤(1)：多通道脑电信号采集与预处理；

首先采集受试者的多通道情感脑电信号，接着利用8阶巴特沃斯滤波器对每个通道的脑电信号进行带通滤波，得到δ(1-3Hz)，θ(4-7Hz)，α(8-13Hz)，β(14-30Hz)，γ(31-50Hz)这5个频带的EEG信号，并提取EEG信号各通道中γ频带的微分熵特征；

步骤(2)：基于归一化互信息的脑电通道选择，通过微分熵计算通道间相互的归一化互信息，将所得归一化互信息矩阵按列求和后的向量作为表征各通道任务相关性的权值，根据权值选出最优通道集；

步骤(3)：二维脑电序列变换方法，尝试根据脑电帽电极的空间分布，将各通道同一采样时刻采集到一维脑电序列转换为二维矩阵形式，既保留了电极空间排布的拓扑特性，又可作为后续CNN网络的输入；

步骤(4)：使用混合深度神经网络对采集受试者的多通道情感脑电信号进行特征提取和分类，将经过通道选择后的样本分别并行输入到CNN和LSTM网络中，其中输入CNN中的样本需要经过步骤(3)中的二维网状脑电序列变换，两类神经网络分别提取样本的特征并进行融合，使用softmax层对融合特征进行最后分类；

所述的步骤(2)基于归一化互信息的脑电通道选择，具体为：

互信息是衡量两个随机变量之间相互依赖性的统计学指标，对于两类离散随机变量X和Y，其互信息为：

其中p(x,y)为两个随机变量的联合分布，p(x),p(y)分别为两个随机变量的边缘分布，为了方便计算和对比，将所得的互信息进行归一化处理：

其中H(X)与H(Y)分别代表随机变量X和Y的信息熵；

首先计算被试观看完每个情感诱发视频后单时间窗内EEG信号的DE特征，然后计算各通道DE值之间的互信息并进行归一化处理；由于相同通道之间的互信息值为1，如此便得到了一个n×n的实对称互信息矩阵；其中n代表通道个数；

以权值来表征各通道的任务相关程度并进行通道选择，零初始化各被试全通道权值向量求出被试每次实验对应的归一化互信息矩阵I_NMI后，对其按列相加，得到各通道与其他通道互信息和的数组V_NMI，互信息和值越大代表该通道在情感活动中与其余脑区电极交互信息越多，任务相关性越高，故取V_NMI中最大元素，记其对应的通道编号为m，同时将向量W_s中的值加一；单个被试共进行M次实验，故经过M轮更新计算后得到单个被试的最终权值向量W_s；

由于个体的差异性，依赖被试的通道选择最终得到的是每个被试的最优通道集，然而在一些应用场景中对每一位使用者使用特定的最优通道集是不切实际的，这里采用一种权值相加法的思想，选择出适合所有被试的最优通道集，将每位被试经过M轮更新后的权值向量W_s按通道编号对应相加，得到不依赖具体被试的共性通道权值向量其中

N表示被试总数，表示被试s第i个通道的权值；将W_f中的元素按从大到小排列后取前K个通道最为最优通道，K应满足：

基于互信息通道选择法的步骤如表1所示：

表1通道选择流程

根据上述的流程，计算出各通道对应的权值，根据权值做出脑地形图并择选出适合所有受试的最优通道集。