[发明专利]一种基于离散小波变换和多尺度熵的脑电情感识别方法

说明书

本发明公开一种基于离散小波变换和多尺度熵的脑电情感识别方法，先用小波变换分解重构出四种节律波，并计算出四种节律波的小波能量以及小波熵值，然后又运用多尺度熵算法，提取出十四种尺度下的多尺度熵值，最后用主成分分析法对这些特征量进行降维后放入经遗传算法参数寻优的SVM分类器中识别。本发明同时考虑脑电情感数据集中数据的非线性和非平稳性特性，保证了该方法的分类精度、准确率和执行速度。

技术领域

本发明涉及生物信息技术领域以及数据挖掘领域，具体涉及一种基于离散小波变换(Discrete Wavelet Transform，DWT)与多尺度熵(Multi-Scale Entropy，MSE)相结合的脑电情感识别方法。

背景技术

近年来，随着计算机领域的飞速发展人工智能的研究已经达到了较高水平，因此其研究内容也在进一步的延伸。机器对人的情感进行识别是人工智能领域重要的应用延伸之一，这方面的研究会大大促进拟人机器人、人性化的商品设计以及情感沟通机器人等领域的发展，具有十分重要的意义。目前，在情感识别研究领域中，利用脑电信号(Electroencephalogram，EEG)来进行情感识别是主要研究方向之一，其特点是不易伪装，并且相对于其他的生理信号有较高的识别准确度。

在脑电情感识别领域中，特征量的提取是影响识别准确率的关键因素，本发明中选用小波能量、小波熵和多尺度熵作为特征参数，其中小波能量可以反映出四个节律波的能量分布状况，小波熵可以反映出信号谱在各个空间上的无序程度、多尺度熵可以反映脑电信号在各种尺度下的相关程度和复杂程度，这些特征可以从各个层面来反映脑电信号的特点，能够达到很好的情感识别效果。

发明内容

发明是为了解决现有技术存在的上述技术问题，提供一种可提高分类精度的基于小波变换和多尺度熵的脑电情感识别方法。

为了达到上述的目的，本发明的技术方案为：

一种基于离散小波变换和多尺度熵的脑电情感识别方法，其特征在于按照如下步骤依次进行：

步骤一：对脑电信号进行小波变换，并计算脑电信号的小波能量和小波熵。

对脑电信号x(t)用db4小波做四层小波分解可得：其中A_i为近似分量其对应的近似系数为CA_i，D_j为不同尺度下的细节分量其对应的细节系数为CD_j。小波能量是该尺度下小波系数的平方和，设i为分解层数，那么求得总的小波能量为：根据香浓熵的定义需取相对小波能量那么可求得小波熵：

步骤二：计算脑电信号的多尺度熵。

计算基于样本熵的多尺度熵之前，首先对于长度为M的时间序列{Y}＝{y₁,y₂,L,y_M}进行粗粒化处理，得到新的序列为：其中序列长度为1≤k≤N，t为尺度。然后按照如下过程来计算新序列的样本熵值。

1)对粗粒化后的序列{X}重构出一组m维矢量，其中i＝1,2,ΛN-m+1，X_i＝x_i,x_i+1,L,x_i+m-1。

2)定义X_i与X_j间的距离d_i,j为对应元素切比雪夫距离的最大值，其中i≠j，计算公式为：d_i,j＝max[|X_i+k-X_j+k|]。

3)给定阈值r，对每个在取值范围内的i，计算X_i与其余矢量X_j的距离d_i,j，统计d_i,j小于r的数目L^m(i)，以及L^m(i)与距离总数N-m的比值，记为