[发明专利]基于独立分量分析的情感脑电信号的导联选择方法

权利要求书

1.一种基于独立分量分析的情感脑电信号的导联选择方法，包括以下步骤：

S1：多导联情感信号的预处理：

将实验室采集积极、中性、消极三种情感状态下的脑电信号进行预处理；

S2：全导联ICA空域滤波器组设计：

取单次实验数据y_i(i＝1，…，N)进行ICA分析，并根据独立分量在采集电极上的映射模式，自动选择相关独立分量和对应的ICA滤波器，建立对应不同情感任务背景下的ICA空域滤波器组{D_i1，...，D_in}(i＝1，…，N)(n≥3)；使用ICA空域滤波器组{D_i1，...，D_in}对原始导联情感脑电信号进行线性投影，以生成对应情感任务背景下的情感信号空域特征参数；

S3：情感模型的训练和识别：

将步骤S2生成的对应不同情感任务背景下的情感信号空域特征参数进行SVD分解降维，然后送入支持向量机中进行训练和识别；重复步骤S2和S3，最终得到不同ICA滤波器组{D_i1，...，D_in}的识别正确率；

S4：最优通道集合的选择：

S4.1：选择最高识别率所对应的ICA滤波器组{D₁，...，D_n}作为最优空域滤波器，对原始导联情感脑电信号进行线性投影，以生成对应情感任务背景下的情感信号空域特征参数；

S4.2：使用排一法选取(n-1)个滤波器投影后的特征参数，使用SVD进行特征降维，带入步骤S3中进行情感模型的训练和识别，将n个识别结果记录在矩阵ChanAc中，根据ChanAc计算情感相关系数EmoCoeff；

S4.3：测试导联集合的特征生成：对步骤S4.2中计算的情感相关系数EmoCoeff进行升序排序，并将排序后的下标记录在CS中，依次在CS中取前m个下标对应的导联组成导联集合cs_m(m＝2，...，n)，根据独立分量在采集电极上的映射模式，自动选择与cs_m中包括的导联的情感相关独立分量和对应的ICA滤波器，建立对应不同情感任务背景下的ICA空域滤波器组对原始导联情感脑电信号进行线性投影，以生成对应任务背景下的情感信号空域特征参数；

ICA空域滤波器组的设计包括以下步骤：

S4.3.1：从数据库中随机选择一组单次情感数据yi(i＝1，…，N)进行ICA分析，得到n×n的混合矩阵M和分离矩阵D；

S4.3.2：根据独立分量在采集电极的映射模式，自动选择与cs_m中包括的导联的情感相关独立分量和对应的ICA滤波器，得到分别对应于积极、中性、消极情感任务背景下的ICA空域滤波器组

自动选择情感相关独立分量包括以下步骤：

S4.3.2.1：为记录相应位置上的独立分量，对混合矩阵M取绝对值，即|M|，并搜索|M|中每列列向量中元素的最大值，记录其所在列的索引下标和对应的电极标号；

S4.3.2.2：对测试导联集合的独立分量的选择：分别选择cs_m中包含的情感导联位置具有最大绝对值元素的m个列向量，记录其对应的列序号；若矩阵|M|不同时包含所述cs_m中所包括的m个列向量，则放弃基于该单次ICA滤波器设计，否则转入下步；

S4.3.2.3：根据所得列序号，在分离矩阵D中分别找到相应的列，构成m类对应于积极、中性、消极情感任务背景下的ICA空域滤波器组：

S4.4：选择最优导联集合：使用S4.3中生成的空域特征参数进行情感模型的训练和识别，最后使用最优滤波器所得的识别率为对应导联集合cs_m的测试结果，对(n-1)个cs的测试结果进行排序，选择识别率最高的导联集合对应的cs_m作为最优导联集合。

2.根据权利要求1所述的基于独立分量分析的情感脑电信号的导联选择方法，其特征在于，在步骤S1中，预处理的过程为对原始多导联脑电信号使用陷波滤波器和高通滤波器进行滤波，陷波滤波器的截止频率为50Hz，高通滤波器的截止频率为30Hz。