[发明专利]基于情感诱发的脑电信号识别方法

说明书

技术领域

本发明设计一种神经科学、信号处理和模式识别，尤其是脑电数据分析方法的一种基于构造超完备字典的脑电信号识别方法。

背景技术

情感是人与人交流过程中不可或缺的信息载体。虽然目前基于情感识别的算法有很多，例如隐马尔科夫模型和支持向量机等，但是不论人们对这些算法如何改进，使这些算法如何的智能化，它们都很难与人脑的运行机制相媲美，因此，研究人脑对情感的感知过程，是实现人机交互的有效方法之一。近年来，随着脑电研究的深入，基于情感的脑电研究也受到越来越多的关注。人脑对情感的正确识别有利于人们的社会交往和环境适应。同时，对正常人的研究也可为临床诊断和治疗提供参考。

诱发脑电信号的刺激不同，所产生的脑电波形也是有所区别的，如何根据这些波形来推出被试所处于的认知状态，是信号识别领域的研究热点。对于传统的识别器而言，都要求用于识别的信号特征必须具有有效性，因此信号的特征提取对于信号的识别就显得尤为重要，例如专利申请号为201210199052.7，名称为 “基于脑电特征的情绪状态识别方法”中提出了一种共空间的模式算法用于去除背景信号，增强脑电信号来进行特征提取和识别；在专利申请号为201110344311.6，名称为 “基于有效时间序列和电极重组的脑电信号分类系统和方法”，提出了一种基于有效时间序列和电极重组的脑电信号识别方法，该发明将重组的脑电信号作为特征，采用传统识别方法进行脑电识别，在专利申请号为201210308790.0，名称为 “一种脑电特征提取方法”中需要提取信号的时频特征和形态特征，并将两种特征结合来识别脑电信号的状态；在专利申请号为201110127576.0，名称为 “一种基于脑电信号的疲劳状态识别方法”中采用模糊模式识别的方法评估人脑的疲劳程度，该方法的实现也需要提取每个通道信号的特征信息。

上述发明均需要基于不同方法对信号进行特征提取，再使用不同的识别模型进行识别，运算量大，且识别结果依赖于特征和识别模型的有效性。而且对于类似脑电信号这样的维数较高的信号，若先对其进行降采样再提取特征，那么降采样后的信号可能会损失原始信号中的部分特征，那么所获得的信号特征结果是不可靠的。

发明内容

本发明的目的是提供一种基于情感诱发的脑电信号识别方法，用于情感脑电信号的压缩识别方法，以解决现有信号识别方法需要提取特征的限制。

本发明所采用的数据信号是基于事件相关的脑电信号，具体技术方案如下。

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。

在上述技术方案中，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。

在上述技术方案中，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。

在上述技术方案中，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。

在上述技术方案中，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：