[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

说明书

本发明公开了一种基于独立分量分析的情感脑电信号的导联选择方法，使用多导联情感脑电信号并对其进行滤波处理，将滤波后的数据使用ICA分析，建立对应不同情感任务背景下的空域滤波器组，然后进行线性投影，获取全导联的情感信号的空域特征参数，然后使用导联选择的方法选择出受试者的最优导联集合。本发明获得了较高的识别正确率，实现了根据不同受试者自动选择情感相关独立分量，相对于提取全通道的独立分量，选取最优导联位置的独立分量不仅能够降低算法的时间复杂度，同时能更准确地描述情感相关独立源的真实情况，同时能够有效抑制与情感信号无关的分量及外部噪声的干扰。

技术领域

本发明涉及脑-机接口技术领域，特别是涉及一种基于独立分量分析的情感脑电信号的导联选择方法。

背景技术

人在进行特定活动时所引发的情感模式在很大程度上能够揭示其情感行为状态，如：积极，中性，消极等，而这种情感模式可以通过对头皮脑电变化情况的跟踪来获取，因此基于脑电信号的情感识别算法的设计与实现已经成为新的研究热点。EEG情感识别是指将EEG信号作为被观测对象，通过对其分析与识别，获取被观测对象的情感类型等信息。在情感识别过程中，情感EEG信号的分析是最为关键的一步，为此，研究者们做出大量的研究。其中，Soleymani提出利用原始EEG信号在theta(4Hzf8Hz)、slow alpha(8Hzf10Hz)、alpha(8Hzf12Hz)、beta(12Hzf30Hz)与gamma(30Hzf)5个频带上的功率谱和除slowsalpha之外4个频带上的左右脑功率谱的不对称性特征进行情感识别，取得了一定的成功，但这类方法主要关注的是情感信号的频域分析，其分析过程仅考虑了信号的频域信息，难以保证情感信号的识别正确率。

现阶段，基于独立分量分析提取情感脑电信号的全导联独立分量进行情感识别的研究已经实现，但是基于多导联脑电信号情感识别的算法复杂度过高，而且有研究发现某些导联的脑电信号与情感过程的关联度很低。Sander等提出不同频带上的功率谱密度与Fp1,T7,CP1,Oz,Fp2,F8,FC6,FC2,Cz,C4,T8,CP6,CP2,PO4的关联度更高，Chatchinarat等发现前额叶和顶叶区域的导联在情感识别的过程中更为重要，然而这些研究忽略了受试者之间的差异性，并且是基于多导联的手动选择。

因此亟需提供一种新型的基于独立分量分析的情感脑电信号的导联选择方法来解决上述问题。

发明内容

本发明所要解决的技术问题是提供一种基于独立分量分析的情感脑电信号的导联选择方法，能够自动选择最优导联，识别正确率更高、扩展性更强、应用前景良好。

为解决上述技术问题，本发明采用的一个技术方案是提供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；