[发明专利]一种情感识别方法及系统

摘要

本发明公开了一种情感识别方法及系统，该方法包括：获取待识别的脑电信号；提取待识别时频域特征、待识别非线性特征和待识别脑网络属性特征；待识别时频域特征为根据待识别的脑电信号的小波分解系数计算得到的小波熵；待识别非线性特征包括对待识别的脑电信号进行离散傅里叶变换后得到的功率谱密度和对待识别的脑电信号进行平均误差计算后得到的Hurst指数；待识别脑网络属性特征反应待识别的脑电信号之间的相关性；对待识别的脑电信号特征采用训练好的支持向量分类机进行情感识别。本发明提出的方法及系统，具有的能够提高情感识别准确率优点。

主权项

1.一种情感识别方法，其特征在于，包括：随机向使用者播放多种情感类型的语音片段，采集所述使用者在每一情感类型语音片段的脑电信号，得到待训练的脑电信号；提取所述待训练的脑电信号特征；所述待训练的脑电信号特征包括：待训练的时频域特征、待训练的非线性特征和待训练的脑网络属性特征；所述待训练的时频域特征为根据所述待训练的脑电信号的小波分解系数计算得到的小波熵；所述待训练的非线性特征包括对所述待训练的脑电信号进行离散傅里叶变换后得到的功率谱密度和对所述待训练的脑电信号进行平均误差计算后得到的Hurst指数；所述待训练的脑网络属性特征反应所述待训练的脑电信号之间的相关性；对所述待训练的脑电信号特征采用支持向量回归法进行特征映射及融合，得到融合后的脑电信号特征；根据所述融合后的脑电信号特征对支持向量分类机进行训练，得到训练好的支持向量分类机；获取待识别的脑电信号；提取所述待识别的脑电信号特征；所述待识别的脑电信号特征包括：待识别时频域特征、待识别非线性特征和待识别脑网络属性特征；所述待识别时频域特征为根据所述待识别的脑电信号的小波分解系数计算得到的小波熵；所述待识别非线性特征包括对所述待识别的脑电信号进行离散傅里叶变换后得到的功率谱密度和对所述待识别的脑电信号进行平均误差计算后得到的Hurst指数；所述待识别脑网络属性特征反应所述待识别的脑电信号之间的相关性；对所述待识别的脑电信号特征采用所述训练好的支持向量分类机进行情感识别。