[发明专利]基于跨设备前额脑电情绪识别的方法和系统

说明书

本发明涉及信号处理技术领域，尤其是基于跨设备前额脑电情绪识别的方法和系统，包括步骤：将预处理后的源域脑电数据、目标域脑电数据一起输入多空间域适应网络模型，通过多空间域适应网络模型提取多空间的脑电信号特征，计算源域脑电数据和目标域脑电数据之间的多空间的域适应损失，计算源域脑电数据的分类损失；最小化多空间域适应网络总损失，直至多空间域适应网络模型收敛；将待分类的目标域脑电数据输入收敛模型中进行测试，输出对目标域中脑电数据所属类别的预测情绪标签。本发明通过结合多空间域适应网络模型，可以消除个体差异和设备差异，提高了模型的泛化能力，在跨设备研究中取得了较好的分类效果。

技术领域

本发明涉及信号处理技术领域，尤其涉及基于跨设备前额脑电情绪识别的方法和系统。

背景技术

情绪是一种自然的表达方式，反映了人的生理或心理状态，已经有大量的研究是分析生理信号与情绪的关联。其中脑电信号可以直接反映大脑的活动，具有良好的时间分辨率和采集成本低、便利性好等优点，基于脑电信号的情绪识别越来越受到人们的重视。随着研究的深入，通过脑电信号来分析个体的情绪状态可以解决工作生活中的各种问题，例如作为可穿戴设备对人体的精神健康状态进行日常监测、在车辆行驶过程中监测司机的疲劳状态、在人机交互(HCI)中提高用户的体验度等。

目前，大部分研究均是对于多通道脑电的分析，其数据采集过程复杂且不方便，不符合可穿戴的理念。而前额脑电在可穿戴情绪识别中具有非常大的潜力，但却又很少针对前额脑电的算法模型设计。另外，目前由于不同个体采集的脑电信号大不相同引起的个体差异，导致现有算法模型在面临新个体的时候表现很差，消除个体差异已经成为了基于脑电的情绪识别研究的迫切需求。

发明内容

为解决现有技术所存在的技术问题，本发明提供基于跨设备前额脑电情绪识别的方法，通过多空间域适应网络细粒化提取前额三导联脑电信号至多通道脑源信号，构造脑电时-空域连通图，并利用图卷积获取非欧式空间的脑电特征，扩大卷积的感受野，以消息传递的方式提取大脑的连通性，可以更加有效地提取到脑电信号中与情绪相关的特征；通过在欧式空间和非欧式空间中对齐源域和目标域的数据，使得多空间域适应网络在不同空间中学习到更多与情绪相关的共性特征，消除了个体差异和设备差异，提高了模型的泛化能力，在跨设备实验中取得了较好的分类效果。

基于相同的发明构思，本发明还提供基于跨设备前额脑电情绪识别的系统。

本发明采用以下技术方案来实现：

基于跨设备前额脑电情绪识别的方法，包括以下步骤：

S1、采集受试者的前额脑电数据，将一种脑电采集设备采集到的脑电数据作为源域，将另一种脑电采集设备采集到的脑电数据作为目标域，源域带有情绪标签，目标域不带有情绪标签；

S2、对采集到的源域脑电数据、目标域脑电数据进行切分预处理；

S3、将预处理后的源域脑电数据、目标域脑电数据一起输入多空间域适应网络模型，通过多空间域适应网络模型提取多空间的脑电信号特征，计算源域脑电数据和目标域脑电数据之间的多空间的域适应损失，计算源域脑电数据的分类损失；

S4、最小化多空间域适应网络总损失，直至多空间域适应网络模型收敛；

S5、将待分类的目标域脑电数据输入步骤S4收敛的多空间域适应网络模型中进行测试，输出对目标域中脑电数据所属类别的预测情绪标签。

根据本发明的基于跨设备前额脑电情绪识别的系统，包括：

采集处理模块，用于采集受试者的前额脑电数据，将一种脑电采集设备采集到的脑电数据作为源域，将另一种脑电采集设备采集到的脑电数据作为目标域，源域带有情绪标签，目标域不带有情绪标签；

数据预处理模块，用于对采集到的源域脑电数据、目标域脑电数据进行切分预处理；