[发明专利]一种基于卡诺模型的脑电信号标定方法

说明书

本发明公开了一种基于卡诺模型的脑电信号标定方法。在受试者面前呈现具有质量特性的听视觉刺激，在刺激呈现期间连续记录脑电图获得EEG数据，对EEG数据进行分割和滤波，计算每个EEG段的非线性样本熵的数值，利用卡诺模型对质量特性进行分类，并根据质量特性的分类结果对所有EEG段划分目录，采用支持向量机算法，以各个不同目录的样本熵作为算法输入进行训练得到模型，完成脑电信号的标定。本发明能够提取获得脑电信号的样本熵，建立了脑电信号与情感类型的对应关系，有效地解决了脑电信号中的情感识别问题。

技术领域

本发明涉及了一种新的信号标定方法，尤其是涉及了对脑电信号处理问题，提出了一种基于卡诺模型的脑电信号标定方法。

背景技术

情感识别在现代化生产中扮演着相当重要的角色，传统的情感识别方法已经不能满足商业需求，在人工智能，大数据等技术的推动下，情感识别将朝着智能化的方向发展。

针对客户需求分析过程中的情感识别问题，目前使用问卷调查的方式任然很普遍，但是这种根据客户满意度或不满意度的问卷进行分类的方法仍然过于主观，并且没有考虑心理和情绪的不确定性。在客户需求分析的情感识别中引入卡诺模型是近几年来兴起的方法，但是这实质上任然是一种问卷形式，没有实现认知匹配的智能化。而脑电信号在情感识别中应用广泛，各种智能分类与聚类算法也发展迅速。

发明内容

为了解决需求分析过程中的情感的自动识别问题，本发明提供了一种基于卡诺模型的脑电信号标定方法。

本发明采用以下技术方案，包括以下步骤：

步骤1：受试者佩戴电极帽后，在受试者面前呈现具有质量特性的听视觉刺激，在刺激呈现期间连续记录脑电图，获得EEG数据；

步骤2：数据预处理：根据刺激中的质量特性对EEG数据进行分割，用数字滤波器对EEG数据进行滤波；

步骤3：特征提取：计算每个EEG段的非线性样本熵的数值；

步骤4：利用卡诺模型对质量特性进行分类，并根据质量特性的分类结果对所有EEG段划分目录；

步骤5：采用支持向量机(SVM)算法，以各个不同目录的样本熵作为算法输入进行训练得到模型，完成脑电信号的标定。

所述步骤2中根据刺激中的质量特性对EEG数据进行分割具体是指根据质量特性对应的刺激所呈现的时间段对EEG数据进行时间上的分割，分为各个不同时间段的EEG段。

所述步骤3具体为：

3.1)采用以下公式将EEG片段的相邻各个采样点按时间顺序组成时间序列，作为m维幅值向量：

X_m(i)＝[x(i),x(i+1),...,x(i+m-1)],1≤i≤N-m+1

其中，m为模式维数，一般取值为2，N表示所获得的EEG片段的采样点总数，i为采样点的序数，x(i)表示第i个采样点的信号幅值大小，X_m(i)表示第i个采样点下m维的幅值向量；

采用以下公式计算得到X_m(i)和X_m(j)之间的距离d[X_m(i),X_m(j)]：

d[X_m(i),X_m(j)]＝max|x(i+k)-x(j+k)|1≤k≤m-1；1≤i,j≤N-m+1,i≠j

其中，j为采样点的序数，X_m(j)表示第j个采样点下m维的幅值向量；