[发明专利]一种面向情感识别的脑电信号通道选择方法、系统及应用

说明书

本发明属于机器学习和智能人机交互技术领域，公开了一种面向情感识别的脑电信号通道选择方法、系统及应用，对脑电数据进行去基值化的预处理；然后结合滑动窗口和快速傅里叶变换计算得到频域信号的功率谱强度，将其作为脑电特征；分别采用ReliefF和MIC算法求取每个特征的权值，并利用波达计数法整合得到每个通道的积分和，依次增加一个积分和值较大通道的特征数据，采用随机森林分类并找出最佳通道子集；进行分类评估。本发明采用将ReliefF和MIC算法相结合的特征选择方法，将每个通道作为整体，实现了通道数量大幅度降低的目标，可以提升系统的效率和提高系统的实时性，对脑电情感识别和智能人机交互领域都具有重要的意义。

技术领域

本发明属于机器学习和智能人机交互技术领域，尤其涉及一种面向情感识别的脑电信号通道选择方法、系统及应用。

背景技术

近些年来，情感识别已经成为情感计算、计算神经科学及人机交互等领域的热门话题，同时它已被广泛应用于医疗、教育、游戏和航空等诸多领域。目前许多学者选用脑电信号进行情感识别的相关研究，原因如下。首先脑电信号属于生理信号，而生理信号直接由神经系统和内分泌系统控制，具有自发性且不受人类主观意识的影响；其次脑电信号是直接由与情感密切相关的中枢神经系统产生的，它提取简单、时间分辨率高、实时性强、能直接反映大脑的活动状态，同时具有较高的情感识别率。

脑电信号的时间分辨率较高，但它的空间分辨率较低，通常情况下为了获取更加丰富的信息，都会在受试者的头皮上放置更多的电极，一般采用多通道(32或64或128个通道)的脑电信号进行情感识别的研究，以期望达到高识别率。但是在使用过多通道的脑电信号后，往往会增加设备成本、加大操作复杂度，而额外的脑电通道也可能包括噪声和冗余通道，这反而会降低识别性能，同时过多维度的特征数据也会导致计算量太大，影响情绪识别系统的实时性，继而降低情感识别处理的效率。

通过上述分析，现有技术存在的问题及缺陷为：脑电情感识别中存在数据量大、成本高、数据冗余和实时性低等问题。

解决以上问题及缺陷的难度为：对脑电信号进行通道选择后固然会降低数据维数和计算复杂度，但是如何在使得分类精度的损失尽可能小的同时尽可能多的减少通道数是需要思考和权衡的。另外被试之间存在个体差异性，因此针对不同被试得到的通道选择结果可能会存在差异。

解决以上问题及缺陷的意义为：找到与情感相关性最大的通道子集，去除多余的和不相关的通道，从而降低特征数据的维度、提高系统效率和提升系统识别性能。而选择和被试无关的脑电信号通道，也就是公共通道的选择，可以使得情感识别系统更具有普适性。

发明内容

针对现有技术存在的问题，本发明提供了一种面向情感识别的脑电信号通道选择方法、系统及应用。

本发明是这样实现的，一种面向情感识别的脑电信号通道选择方法，所述面向情感识别的脑电信号通道选择方法对脑电数据进行去基值化的预处理；结合滑动窗口和快速傅里叶变换计算得到频域信号的功率谱强度，作为脑电特征；接着分别采用ReliefF和MIC算法求取每个特征的权值，并利用波达计数法整合得到每个通道的积分和，依次增加一个积分和值较大通道的特征数据，采用随机森林分类并找出最佳通道子集；采用SVM、随机森林和KNN进行分类评估。

进一步，所述面向情感识别的脑电信号通道选择方法包括：

第一步，脑电数据预处理：在得到脑电数据后，先进行去基值化的操作，将前几秒平静状态下的脑电数据记作基值数据，将后面视频刺激下的脑电数据记为原始数据，二者的差值反映出人产生情感时脑电的相对变化；

第二步，脑电特征提取：设定一个滑动窗口，针对每个窗口对输入的时域数据采用快速傅里叶变换将其转换到频域上，对频域信号求取功率谱强度，将其作为脑电特征；