[发明专利]基于情感诱发的脑电信号识别方法在审

专利信息
申请号: 201611070661.7 申请日: 2016-11-29
公开(公告)号: CN106725452A 公开(公告)日: 2017-05-31
发明(设计)人: 张雪英;畅江;李凤莲;张卫;陈桂军 申请(专利权)人: 太原理工大学
主分类号: A61B5/0476 分类号: A61B5/0476
代理公司: 太原倍智知识产权代理事务所(普通合伙)14111 代理人: 戎文华
地址: 030024 山西*** 国省代码: 山西;14
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 情感 诱发 电信号 识别 方法
【权利要求书】:

1.一种基于情感诱发的脑电信号识别方法,所述脑电信号识别方法是按下列步骤进行的:

(1)脑电信号采集:所述脑电信号采集是在情感诱发条件下,提取被试在不同情感诱发条件下的脑电数据;

(2)脑电信号预处理:所述脑电信号预处理是对脑电信号进行去除伪迹、眼电以及带通滤波的处理;

(3)脑电信号识别:所述脑电信号识别是选择合适的观测矩阵,将原始信号进行压缩,通过构造及训练适用于压缩后脑电信号的超完备字典方法对脑电信号进行识别,以便识别出不同情感状态下的脑电信号。

2.根据权利要求1所述的脑电信号识别方法,所述脑电信号的采集是按下列步骤进行的:

(1)实验设计:选择音频、视频或图片的某一种素材作为情感刺激材料,在实验过程中需要被试者认真观看或倾听是实验材料,并采集有效的情感脑电数据;

(2)实验材料筛选与预处理:对实验的音频材料经过有效性筛选,再对所选的情感刺激进行必要的端点预处理,准确确定情感的起始点。

3.根据权利要求1所述的脑电信号识别方法,所述脑电信号的采集方法是:使用E-prime软件设计实验程序,使用64导的Neuroscan设备采集脑电数据,其中脑电信号的实时采样率设定为1000Hz,且每个导连的电极阻抗都小于5KΩ。

4.根据权利要求1所述的脑电信号识别方法,所述脑电信号的预处理是离线滤波通带为0.5 Hz - 30 Hz,去除伪迹、眼电使用Neuroscan仪器自带的curry软件进行。

5.根据权利要求1所述的脑电信号识别方法,所述脑电信号的识别方法按下列步骤进行的:

(1)数据归一化处理;

(2)选择有效导联,本发明选择FC1、FC2、FC3、FC4、C1、C2、C3、C4、CP1、CP2、CP3及CP4位置处的电极,共12导的脑电数据进行识别;

(3)选择合适的观测矩阵,将原始信号进行压缩即为压缩后的信号;

(4)构造及训练样本字典,按下列步骤进行:

1)构造初始字典:设对悲伤、生气、高兴、惊奇和中性于五种情感诱发的脑电数据,其中每种情感脑电数据的训练样本为为情感的类别,第类训练样本构成矩阵,五种训练样本组成的矩阵为训练样本的维数,每类训练样本的采样点数,;对于任一测试样本的重构过程通过矩阵表示成为第类样本的稀疏系数;

2)训练字典:假设算法对初始字典进行训练,得到新的超完备稀疏字典为训练符合第类情感样本表达的超完备稀疏字典,K-SVD算法步骤如下:

Ⅰ、稀疏编码阶段:根据,利用现有的追踪算法计算出每个样本的稀疏表示向量;

Ⅱ、字典更新阶段:根据上一步稀疏编码阶段已知,已知,设训练字典未知,求解字典的过程为字典进行更新,并逐个更新字典第列的原子,其目标逼近函数为:

其中为误差矩阵,表示原子稀疏系数;

Ⅲ、用表示所用到的原子位置索引集合,即非零值的位置集合,将设置成只保留中所提到的那些原子的集合,记为;

Ⅳ、对进行SVD分解,的第一列,用替换字典中的第,完成字典D的更新;

(5)根据,找到用完备字典表示测试样本的稀疏解,然后再对;

(6)计算残差,z,找出最小残差所对应字典的所属类别;

(7)输出识别结果,最小残差所对应的类别,即为所求的识别结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于太原理工大学,未经太原理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201611070661.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top