[发明专利]一种基于脑电信号的视听诱发情绪识别方法及系统

权利要求书

1.一种基于脑电信号的视听诱发情绪识别方法，其特征在于，包括：

步骤S1：采集基于视听诱发产生的脑电信号，

步骤S2：通过带通滤波器进行预处理，获得多通道脑电信号；

步骤S3：对多通道脑电信号进行非均匀采样的多元经验模态分解，并选择有效的固有模态函数提取情绪脑电信号特征；

步骤S4：将序列浮动前向选择方法作为选择和删除特征集合的搜索策略，结合过滤器和封装器作为最优特征子集的评价准则，对提取出的情绪脑电信号特征进行筛选；

步骤S5：将筛选出的特征子集输入至预设支持向量机中进行分类，获得分类结果；

步骤S6：根据分类结果，获得情绪识别结果；

其中，步骤S4具体包括：

步骤S4.1：从原始特征集合Y_m中查找出一个评估J_F值最优的特征，循环查找，直到已选择的特征数X_k满足起始特征数，其中，J_F表示基于几何距离的可分性判据中基于散布矩阵的类别可分性度量，在混合SFFS中，Y_m表示具有m个特征的原始特征集合，X_k＝{x₁,x₂,...,x_k}表示中间最好的k个特征集合，k＝1,2,...,l≤m；

步骤S4.2：从Y_m-k中查找出一个特征加入X_k直到评估J_F值最优，比较加入特征前后的评估J_W值判断是否更新特征子集为X_k+1，其中，Y_m-k是其余m-k个特征的集合，评估J_W值表示支持向量机分类性能的评价准则；

步骤S4.3：从X_k+1查找出对评估J_F值影响最小的特征，通过比较剔除该特征前后的评估J_W值判断是否从特征子集中删除该特征，最终获得筛选后的特征。

2.如权利要求1所述的方法，其特征在于，步骤S3具体包括：

S3.1：计算多维空间的方向向量并对其进行重新定位，将输入信号映射到重定位的方向向量上，其中，多维空间的方向向量为n元序列代表一个n元信号，n维向量的长度为T，表示在(n-1)维球面上对应角的方向向量集，其中k＝1,2,…,K；

S3.2：计算所有方向向量上的瞬时时刻对应映射信号极值点，获得多元包络，根据多元包络获得信号均值，具体为：所有方向向量上的瞬时时刻对应映射信号极值点，l表示极值点位置，其中l∈[1,T]，采用多元样条插值函数插值极值点得到K个多元包络再根据多元包括获得信号均值

S3.3：根据输入信号与信号均值之间的差值获得固有模态分量，判断固有模态分量是否满足预设判断准则，如果满足，则将输入信号与固有模态分量的差值作为输入重新执行步骤S3.1，如果不满足，则将固有模态分量作为输入重新执行步骤S3.1，判断所有方向向量的极值点个数是否满足预设条件，如果满足，则输出分解结果，将其作为提取的情绪脑电信号特征。

3.如权利要求2所述的方法，其特征在于，步骤S3.1具体包括：

步骤S3.1.1：在(n-1)维球面上通过Hammersley序列采样法获得到n维空间的K个方向向量

步骤S3.1.2：计算信号v(t)的离散程度d＝1-e^-cv，v(t)协方差矩阵的最大特征向量和其v₁反向向量v₂；

步骤S3.1.3：计算每个方向向量到v₁的欧式距离，选择一半的方向向量离v₁较近，通过重新定位，选择另一半的方向向量离v₂较近，通过重新定位；

步骤S3.1.4：将输入信号v(t)映射到每个方向向量上从而得到空间非均匀映射向量

4.如权利要求2所述的方法，其特征在于，在步骤S3.3后，所述方法还包括：

选取与每个导联相关系数最大的前4个固有模态分量进行特征提取，提取各阶分量的平均能量、能量百分比和相邻分量的幅值差、左右脑电极对的不对称性、Hjorth参数、Higuchi分形特征作为特征量。